一种基于全长卷积字典的低信噪比信道估计方法及装置

本技术涉及无线通信，特别是涉及一种基于全长卷积字典的低信噪比信道估计方法及装置。

背景技术：

1、在ofdm/sc-fde等宽带无线通信系统中，信道估计的准确性直接影响接收端的均衡和检测性能。压缩感知（compressive sensing，cs）理论利用宽带无线信道在时域的稀疏性（即多径数量远小于信道时延扩展长度），能够用远少于奈奎斯特采样定理要求的观测样本数精确重建信道冲激响应（channel impulse response，cir）。

2、berger等人系统阐述了压缩感知信道估计的基本框架。该框架指出，为了可靠恢复稀疏信道，感知矩阵的列之间必须具有低相关性，这通常通过设计具有理想自相关特性的训练序列来实现。然而，该文以及大部分后续研究均基于接收端选取完全没有未知数据干扰的“洁净”观测信号。

3、在时域训练序列同步ofdm（tds-ofdm）系统中，由于没有传统循环前缀的保护，训练序列与前后数据符号之间会产生相互干扰。wang等人提出了一种基于迭代干扰消除的压缩感知信道估计方法。dai等人研究了利用pn序列特性分离数据和导频的方法。这些方法的共同技术思路是通过复杂的迭代算法或保护间隔设计来消除或抑制数据干扰，以恢复信道的循环卷积特性。

4、对于无循环前缀的ofdm系统，meng等人提出了基于洁净窗观测的压缩感知信道估计方法，仅截取训练序列中间不受未知数据多径拖尾污染的部分进行信道估计。该方法在中等以上信噪比下表现良好。

5、然而，在低信噪比（如符号信噪比0db）的恶劣通信条件下，上述洁净窗方法面临严重挑战。以训练序列长度n=160、信道最大时延索引值l=96为例，洁净窗长度仅为

m_win=

n-

l=64个样点，其相关处理增益约为18db。在输入符号信噪比为0db时，相关输出端的等效峰噪比仅约18db，难以支撑正交匹配追踪等压缩感知算法准确筛选原子，信道估计精度急剧下降。此时，热噪声是压倒一切的主要矛盾，而数据干扰已退居为次要矛盾。

6、现有技术尚未提供针对这一特定矛盾的有效解决方案，即在低信噪比下如何突破洁净窗观测长度有限导致处理增益不足的瓶颈。

技术实现思路

1、本技术的目的是提供一种基于全长卷积字典的低信噪比信道估计方法及装置，可解决传统洁净窗方法在低信噪比下处理增益不足导致性能恶化的问题。

2、为实现上述目的，本技术提供了如下方案：

3、第一方面，本技术提供了一种基于全长卷积字典的低信噪比信道估计方法，包括：

4、获取接收信号，所述接收信号包括：训练序列部分和数据部分；所述训练序列部分不依赖保护间隔隔离来自数据的干扰。

5、基于所述接收信号，以训练序列的起始位置为基准，截取长度为

n+

l的完整线性卷积观测区间作为观测向量；其中，

n为训练序列的长度，

l为信道最大多径时延索引值。

6、基于训练序列的线性卷积构建全长字典矩阵；所述全长字典矩阵的每一列对应一个可能的信道时延。

7、对所述观测向量和所述全长字典矩阵执行压缩感知稀疏重建算法，得到信道冲击响应估计。

8、可选地，所述全长字典矩阵的维度为(

n+

l)×(

l+1)，其中，第

l+1列通过将训练序列与一个在第

l个位置为1、其余位置为0的单位冲激响应进行线性卷积得到，其中，

l=0,1,...,

l。

9、可选地，所述压缩感知稀疏重建算法为匹配追踪（matching pursuit，mp）、正交匹配追踪（orthogonal matching pursuit，omp）、压缩采样匹配追踪（compressive samplingmatching pursuit，cosamp）、稀疏度自适应匹配追踪（sparsity adaptive matchingpursuit，samp）和基追踪（basis pursuit，bp）等常规算法中的任意一种，稀疏度预设为固定值

k，

k的取值范围根据信道特性选取；或者稀疏度基于残差能量与噪声方差的比较而自适应终止。

10、可选地，在“基于所述接收信号，以训练序列的起始位置为基准，截取长度为

n+

l的完整线性卷积观测区间作为观测向量”之前，所述方法还包括：

11、对所述接收信号进行载波频偏校正和精定时间步。

12、可选地，所述方法还包括：

13、估计所述接收信号的符号信噪比。

14、判断所述符号信噪比是否低于预设门限。

15、若是，则返回“基于所述接收信号，以训练序列的起始位置为基准，截取长度为

n+

l的完整线性卷积观测区间作为观测向量”步骤。

16、若否，则截取长度为

n-

l的无数据干扰洁净窗观测区间作为观测向量，并从所述全长字典矩阵中截取相应行得到洁净窗字典矩阵；对所述观测向量和所述洁净窗字典矩阵执行压缩感知稀疏重建算法，得到信道冲击响应估计。

17、所述预设门限通过仿真确定的交叉信噪比获得，在所述交叉信噪比下，使用所述全长字典矩阵与使用所述洁净窗字典矩阵的信道估计归一化均方误差相等。

18、可选地，所述训练序列为zadoff-chu序列或随机qpsk序列经ifft生成的时域信号，或其他在自相关意义上具有低旁瓣特性的序列。

19、第二方面，本技术提供了一种基于全长卷积字典的低信噪比信道估计装置，所述装置用于实现上述所述的基于全长卷积字典的低信噪比信道估计方法，所述装置包括：

20、接收信号获取模块，用于获取接收信号，所述接收信号包括：训练序列部分和数据部分；所述训练序列部分不依赖保护间隔隔离来自数据的干扰。

21、观测向量截取模块，用于基于所述接收信号，以训练序列的起始位置为基准，截取长度为

n+

l的完整线性卷积观测区间作为观测向量；其中，

n为训练序列的长度，

l为信道最大多径时延索引值。

22、全长字典矩阵构建模块，用于基于训练序列的线性卷积构建全长字典矩阵；所述全长字典矩阵的每一列对应一个可能的信道时延。

23、稀疏重建模块，用于对所述观测向量和所述全长字典矩阵执行压缩感知稀疏重建算法，得到信道冲击响应估计。

24、可选地，所述装置还包括：

25、信噪比估计模块，用于估计所述接收信号的符号信噪比。

26、判断模块，用于判断所述符号信噪比是否低于预设门限，得到判断结果。

27、自适应切换模块，用于当所述判断结果为是时，返回所述观测向量截取模块；当所述判断结果为否时，截取长度为

n-

l的无数据干扰洁净窗观测区间作为观测向量，并从所述全长字典矩阵中截取相应行得到洁净窗字典矩阵；对所述观测向量和所述洁净窗字典矩阵执行压缩感知稀疏重建算法，得到信道冲击响应估计。

28、第三方面，本技术提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述所述的基于全长卷积字典的低信噪比信道估计方法。

29、第四方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述所述的基于全长卷积字典的低信噪比信道估计方法。

30、根据本技术提供的具体实施例，本技术具有了以下技术效果：

31、本技术提供了一种基于全长卷积字典的低信噪比信道估计方法及装置，通过获取包含训练序列部分和数据部分且训练序列部分不依赖保护间隔隔离数据干扰的接收信号，摒弃了传统信道估计对保护间隔的固有依赖，有效规避了保护间隔缺失或失效场景下的数据干扰隔离缺陷，简化了信号预处理流程，拓宽了信道估计的适用场景。以训练序列起始位置为基准，截取

n+

l长度的完整线性卷积观测区间作为观测向量，能够完整覆盖训练序列与信道多径时延的全部线性卷积响应过程，彻底避免了传统短区间截取方式导致的卷积信息截断、多径时延信息缺失问题，完整保留了信道多径传输的全部有效特征信息。基于训练序列的线性卷积构建每一列对应一个可能的信道时延的全长字典矩阵，实现了对信道所有潜在多径时延分量的全覆盖建模，字典矩阵与真实信道卷积传输模型高度契合，精准匹配无线信道多径稀疏的固有特性，解决了传统字典矩阵时延覆盖不全、模型适配度低的问题。对观测向量与全长字典矩阵执行压缩感知稀疏重建算法，得到信道冲击响应估计，能够依托稀疏重建的优势精准区分信道有效多径分量与低信噪比环境下的噪声杂波，有效抑制低信噪比场景中噪声对信道估计结果的干扰，显著提升复杂低信噪比信道环境下信道冲击响应的估计准确度。本技术既摆脱了传统信道估计对保护间隔的依赖、弥补了卷积信息截断缺失的缺陷，又通过精准的信道稀疏建模大幅提升了信道估计精度与鲁棒性，有效解决了传统信道估计方法在低信噪比环境下噪声干扰严重、多径时延估计不准、适用场景受限的技术难题，兼顾了场景通用性与低信噪比工况下的估计性能，适配各类无线通信系统的恶劣信道估计需求。