一种分数时延-多普勒OTFS无收缩原始导频学习校正方法

摘要: 本发明涉及无线通信,尤其涉及正交时频空调制系统中的延迟-多普勒域信道估计技术,具体为一种分数时延-多普勒otfs无收缩原始导频学习校正方法。背景技术:1、在高速...
一种分数时延-多普勒OTFS无收缩原始导频学习校正方法

本发明涉及无线通信,尤其涉及正交时频空调制系统中的延迟-多普勒域信道估计技术,具体为一种分数时延-多普勒otfs无收缩原始导频学习校正方法。

背景技术:

1、在高速移动、航空通信、高速铁路和低轨卫星等场景中,无线信道随时间快速变化,传统正交频分复用系统易受多普勒扩展影响,传输性能显著下降。正交时频空调制(orthogonal time frequency space,otfs)将调制符号映射到延迟-多普勒域,使快速时变信道在该域中呈现相对稳定的结构,因此在高多普勒场景下具有突出的技术优势。准确的延迟-多普勒域信道估计是otfs接收端均衡与符号检测的核心基础。

2、现有嵌入导频otfs信道估计通常在延迟-多普勒资源网格上处理接收导频,并在整数网格假设下采用最小二乘(least squares,ls)估计。为利用延迟-多普勒域信道的稀疏特性,正交匹配追踪、稀疏贝叶斯学习以及面向otfs的离网稀疏贝叶斯学习等方法被相继提出。近年来,基于深度展开或稀疏先验引导的otfs信道估计网络也得到了广泛研究,将迭代优化算法转化为可训练的深度网络结构,兼顾可解释性与估计性能。

3、然而,实际传播路径的物理时延和多普勒频移为连续物理量,通常并不严格落在离散延迟-多普勒网格上。嵌入导频otfs模型与干扰分析表明,分数时延和分数多普勒会使单一路径的能量通过sinc型核泄漏到多个相邻网格,此时有效延迟-多普勒域响应不再是少数整数网格点上的稀疏结构,而表现为具有非对角耦合的稠密泄漏结构。

4、在上述分数时延-多普勒场景下,先进行整数网格ls预处理会将分数泄漏能量投影到整数网格,产生固有估计偏置;继续施加l1范数正则化所对应的软阈值收缩,其中l1范数为信道系数绝对值之和,又可能将真实泄漏能量当作稀疏噪声进行抑制。现有基于深度展开的信道估计网络若仍依赖ls预处理或主动稀疏收缩先验,则难以充分保留原始导频中的分数泄漏信息,估计精度提升受限。此外,基于全延迟-多普勒资源网格的ls初始化网络计算量较大,且输入本身携带ls预处理偏差,在大尺寸资源网格场景下,估计精度与计算效率难以兼顾。

技术实现思路

1、本发明的目的在于克服现有技术的不足,提供一种分数时延-多普勒otfs无收缩原始导频学习校正方法,解决分数时延-多普勒场景下传统信道估计方法存在的ls预处理引入估计偏置、主动稀疏收缩误抑制有效信道能量、以及全网格网络计算效率偏低的技术问题。

2、为实现上述目的,本发明采用如下技术方案:

3、一种分数时延-多普勒otfs无收缩原始导频学习校正方法,具体包括以下步骤:

4、s1、在otfs延迟-多普勒资源网格中设置单导频及围绕导频的保护间隔,接收端根据已知导频位置提取原始复数导频观测窗口,保留分数时延与分数多普勒导致的sinc型泄漏能量的完整复数结构,不进行整数网格ls预处理。所述原始复数导频观测窗口的多普勒维尺寸由最大多普勒索引确定,时延维尺寸由最大时延索引确定。

5、s2、构建三通道原始导频输入张量:将原始复数导频观测窗口按导频符号幅度归一化,分别提取实部通道与虚部通道;将当前接收信噪比除以30 db参考值,构建与观测窗口尺寸相同且各元素取值一致的归一化信噪比条件图;将实部通道、虚部通道与归一化信噪比条件图沿通道维度拼接,形成三通道输入张量。

6、s3、通过输入映射单元对三通道输入张量进行特征变换:先采用3×3卷积将三通道输入映射为64通道隐含特征,经8组groupnorm和relu激活后,再采用3×3卷积得到两通道初始信道状态。

7、s4、将初始信道状态依次输入k=8个参数互不共享的残差泄漏校正阶段;每个阶段将当前信道状态与两通道原始复数导频观测拼接,通过三层3×3卷积组成的卷积校正块生成泄漏校正量,将所述泄漏校正量与当前信道状态相加,并采用固定为可忽略数值的软阈值分支逐元素更新信道状态,以避免主动稀疏收缩。

8、s5、通过输出细化单元对最后一个残差泄漏校正阶段输出的窗口内信道状态进行细化:依次执行3×3卷积、8组groupnorm、relu激活和3×3卷积,并与阶段输出形成残差连接,得到两通道窗口内复数信道估计结果。

9、s6、按照导频窗口对应的延迟-多普勒坐标,将窗口内信道估计结果逐点映射到完整延迟-多普勒资源网格的对应位置,网格其余位置补零。

10、s7、输出完整延迟-多普勒域信道估计结果,供后续均衡和符号检测使用。

11、进一步地,每个残差泄漏校正阶段的信道状态更新公式为:

12、其中,为第k阶段的信道状态,为第k阶段的卷积校正块,用于根据当前信道状态与原始导频观测生成泄漏校正量,为第k阶段的软阈值,为软阈值函数;各阶段的卷积校正块参数互不共享,以适配不同形态的泄漏残差。

13、进一步地,各阶段软阈值λk的对数值固定为-8,即logλk=-8,此时软阈值函数在数值上近似为恒等映射,网络更新退化为当前状态叠加卷积校正量,主要执行学习残差校正而非稀疏近端收缩。

14、进一步地,每个卷积校正块包括三层卷积核尺寸为3×3的卷积层,其中第一卷积层和第二卷积层后分别设置8组groupnorm与relu激活;各阶段参数互不共享。

15、进一步地,所述方法还包括网络训练步骤:采用sinc扩展分数信道模型生成监督标签,以均方误差为损失函数,使用adam优化器进行端到端训练;训练样本的接收信噪比在0db至30db范围内均匀采样。

16、进一步地,步骤s7输出的完整延迟-多普勒域信道估计结果经二维傅里叶变换后,可用于满足延迟-多普勒域循环卷积假设的otfs接收端lmmse-fft均衡与符号检测。

17、有益效果

18、本发明与现有技术相比具有以下技术优势:

19、1.从根源消除ls预处理偏置:本发明直接以原始复数导频观测窗口作为网络输入,绕过传统的整数网格ls预处理步骤,完整保留了分数泄漏能量在窗口内的复数结构,使网络能够直接学习从原始导频观测到延迟-多普勒域信道的非对角泄漏逆映射,避免了ls投影将分数泄漏能量压缩到整数网格带来的固有估计偏差。

20、2.适配稠密泄漏的无收缩机制:本发明将各残差泄漏校正阶段的软阈值固定为可忽略数值,摒弃了传统稀疏恢复方法中的主动稀疏收缩操作,避免将分数泄漏产生的真实信道能量当作噪声分量抑制,更适配分数时延-多普勒场景下的稠密泄漏信道结构。消融实验验证,固定阈值的无收缩结构性能优于可学习阈值结构。

21、3.窗口级计算的高效率优势:本发明仅在导频观测窗口尺度执行卷积运算,网络计算量主要随导频窗口尺寸与信道的延迟-多普勒扩展范围变化;当扩展范围固定时,完整资源网格点数的增加不会使单次估计的计算量同步线性增长,在大尺寸资源网格场景下具有显著的计算效率优势。

22、4.可解释的分阶段校正结构:本发明基于ista深度展开框架设计多阶段残差泄漏校正结构,各阶段参数互不共享,能够分阶段处理不同形态的泄漏残差,兼具优化算法的可解释性与深度网络的学习能力,结构紧凑且收敛性能优异。

23、在延迟-多普勒域循环分数tdl-a仿真协议中,采用0 db至30 db、间隔2 db的16个信噪比测试点,每个测试点进行500次蒙特卡洛试验。接收端导频观测信噪比为30 db时,本方法的归一化均方误差为-9.78 db,相对于ls、omp-cs、omp-over、sbl、ge-sbl、m-mle/tse和og-sbl分别降低4.11 db、18.48 db、1.76 db、4.07 db、2.09 db、1.18 db和0.68 db。k=8、隐含宽度为64的主模型含331236个参数,单次估计约需2520万次乘加运算;在所公开的单线程、批大小为1的软件测试环境中,推理时间约为1.88 ms,omp-over约为32.14 ms。上述绝对时延取决于软硬件实现,窗口级乘加运算量和相对复杂度关系为主要技术效果依据。