一种DFT信道估计方法、系统、介质、设备及终端与流程

一种dft信道估计方法、系统、介质、设备及终端
技术领域
1.本发明属于信道估计技术领域，尤其涉及一种dft信道估计方法、系统、介质、设备及终端。


背景技术：

2.目前，对流层散射通信作为一种超视距的通信方式，因为保密性强、抗干扰强等特点，在军事通信领域中占据着重要地位。然而散射通信中存在多径效应和多普勒效应，往往会造成接收信号的时间和频域的弥散失真，对传输信号的干扰不可忽视。ofdm技术能够将频率选择性多径衰落信道在频域内转换为平坦信道，有效抵抗多径衰落对信号的影响，从而有效提高散射通信系统性能。
3.为了保证高速的传输速率和高质量的性能，接收端一般采用相干接收，即接收端必须估计出收发两端间信道状态信息才能完成信号的接收，信道估计的准确性是衡量ofdm通信系统性能的重要指标，但是信道的功率泄漏会对信道估计性能造成很大的影响。针对该问题，亟需提出一种dft信道估计方法。
4.通过上述分析，现有技术存在的问题及缺陷为：
5.(1)散射通信中存在多径效应和多普勒效应，往往会造成接收信号的时间和频域的弥散失真，对传输信号的干扰不可忽视。
6.(2)现有信号传输方法中，接收端必须估计出收发两端间信道状态信息才能完成信号的接收，但信道的功率泄漏会对信道估计性能造成很大的影响。
7.解决以上问题及缺陷的难度为：信道多径时延都不是采样率的整数倍，从而多径能量会发生扩散，导致多径时延中间采样点的能量进行叠加，该采样点能量会增大，而扩散边缘的一些采样点能量则会比较低。在信噪比比较小时，这些边缘扩散的采样点能量与噪声会难以分辨，而当信噪比增大时，噪声干扰变小，此时边缘扩散的采样点又可以区别噪声。首先需要对基于dft信道估计算法进行详细研究，结合理论分析，从而得到不同信道条件下阈值对算法性能的影响，之后通过自适应调节阈值减少信道泄漏对信道估计性能的影响，提高系统性能。
8.解决以上问题及缺陷的意义为：本发明针对基于阈值的dft信道估计，提出了一种新型的自适应阈值。该阈值可以根据信道的动态变化，调整阈值大小，从而降低ls算法由于噪声带来的影响，提高信道估计的准确性，，尤其适合于信道多径时延非整数倍采样的情况。相比传统算法，信道估计更加准确，从而能够获得更好的系统误码性能。


技术实现要素：

9.针对现有技术存在的问题，本发明提供了一种dft信道估计方法、系统、介质、设备及终端，尤其涉及一种散射通信系统中改进的基于阈值的dft信道估计方法、系统、介质、设备及终端。
10.本发明是这样实现的，一种dft信道估计方法，所述dft信道估计方法包括以下步
骤：
11.步骤一，计算噪声的平均功率；
12.步骤二，计算多径的平均功率；
13.步骤三，将噪声功率与信号功率相结合，调节因子根据信噪比的不同选择不同的阈值，并基于新的阈值进行信道估计。
14.进一步，步骤一中，所述计算噪声的平均功率，包括：
[0015][0016]
式中，l为循环前缀长度，由于循环前缀以外的信道信息都可认为是高斯白噪声，所以由循环前缀以外的点来计算噪声的平均功率。
[0017]
进一步，步骤二中，所述计算多径的平均功率，包括：
[0018][0019]
式中，前一部分是计算循环前缀以内的功率，由于循环前缀以内的点即包括多径的功率，也包括噪声的功率，故通过减去在上一步计算的噪声功率得到多径的功率。
[0020]
进一步，步骤三中，所述将噪声功率与信号功率相结合，调节因子根据信噪比的不同选择不同的阈值，并利用新的阈值进行信道估计，包括：
[0021]
将噪声平均功率的计算公式和多径平均功率的计算公式代入，得：
[0022][0023]
进一步，所述dft信道估计方法，还包括：
[0024][0025]
式中，δ
n2
为噪声平均功率；δ
x2
为多径的平均功率；a为调节因子，范围为0＜a＜1，大小与信噪比成反比，信噪比越大则a越小，信噪比越小则a越大。
[0026]
本发明的另一目的在于提供一种应用所述的dft信道估计方法的dft信道估计系统，所述dft信道估计系统包括：
[0027]
噪声平均功率计算模块，用于计算噪声的平均功率；
[0028]
多径平均功率计算模块，用于计算多径的平均功率；
[0029]
dft信道估计模块，用于将噪声功率与信号功率相结合，调节因子根据信噪比的不同选择不同的阈值，并利用新的阈值进行信道估计。
[0030]
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
[0031]
分别计算噪声平均功率和多径平均功率；将噪声功率与信号功率相结合，调节因子根据信噪比的不同选择不同的阈值，并利用新的阈值进行信道估计。
[0032]
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述
计算机程序被处理器执行时，使得所述处理器执行如下步骤：
[0033]
分别计算噪声平均功率和多径平均功率；将噪声功率与信号功率相结合，调节因子根据信噪比的不同选择不同的阈值，并利用新的阈值进行信道估计。
[0034]
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的dft信道估计系统。
[0035]
本发明的另一目的在于提供一种所述的dft信道估计系统在衡量ofdm通信系统性能中的应用。
[0036]
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的dft信道估计方法，主要针对基于导频的信道估计技术进行研究。首先，对导频序列进行介绍，包括不同导频序列的选择和插入方式；然后介绍了两种常用的信道估计准则，并分析了这两种准则的优劣；之后针对ls信道估计无法处理噪声的问题，介绍了基于dft的信道估计，它通过将cp外的时域信道响应置0来进行降噪处理，针对cp内仍存在噪声的问题提出了基于阈值的dft信道估计算法，在此基础上，针对散射信道多径效应较为明显以及非整数倍采样的多径时延等特点，在本发明中提出了一种新型的自适应阈值，该阈值可以根据信道的动态变化进行调整阈值的大小；最后通过仿真进行了验证分析。
[0037]
本发明将噪声功率与信号功率相结合，调节因子根据信噪比的不同来选择不同的阈值，相比于前面提到的阈值，此阈值特别针对非整数倍采样的情况，可以自适应的在不同的信道环境下进行调整，降低了ls算法由于噪声带来的影响，以此提高了信道估计的准确性。
附图说明
[0038]
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
[0039]
图1是本发明实施例提供的dft信道估计方法流程图。
[0040]
图2是本发明实施例提供的dft信道估计系统结构框图；
[0041]
图中：1、噪声平均功率计算模块；2、多径平均功率计算模块；3、dft信道估计模块。
[0042]
图3是本发明实施例提供的传统的基于dft的信道估计算法实现框图。
[0043]
图4是本发明实施例提供的基于阈值的dft信道估计算法框图。
[0044]
图5是本发明实施例提供的非整数倍采样的信道多径示意图。
[0045]
图6是本发明实施例提供的snr＝18时的信道多径示意图。
[0046]
图7是本发明实施例提供的snr＝5时的信道多径示意图。
[0047]
图8是本发明实施例提供的不同信道估计算法性能对比示意图。
[0048]
图9是本发明实施例提供的多普勒频移为50hz时的不同信道估计算法性能对比示意图。
[0049]
图10是本发明实施例提供的多普勒频移为100hz时不同信道估计算法性能对比示意图。
具体实施方式
[0050]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0051]
针对现有技术存在的问题，本发明提供了一种dft信道估计方法、系统、介质、设备及终端，下面结合附图对本发明作详细的描述。
[0052]
如图1所示，本发明实施例提供的dft信道估计方法包括以下步骤：
[0053]
s101，计算噪声的平均功率；
[0054]
s102，计算多径的平均功率；
[0055]
s103，将噪声功率与信号功率相结合，调节因子根据信噪比的不同选择不同的阈值，并基于新的阈值进行信道估计。
[0056]
如图2所示，本发明实施例提供的dft信道估计系统包括：
[0057]
噪声平均功率计算模块1，用于计算噪声的平均功率；
[0058]
多径平均功率计算模块2，用于计算多径的平均功率；
[0059]
dft信道估计模块3，用于将噪声功率与信号功率相结合，调节因子根据信噪比的不同选择不同的阈值，并利用新的阈值进行信道估计。
[0060]
下面结合具体实施例对本发明的技术方案作进一步描述。
[0061]
1、传统的基于dft的信道估计
[0062]
算法实现框图如图3所示。
[0063]
其具体实现步骤为：
[0064]
将接收信号进行数据导频分离，然后将接收的导频信息利用ls算法求出导频出的频域信道响应，如下式所示：
[0065][0066]
式中，p为导频的长度，v(k)为频域噪声。
[0067]
对导频处信道信息进行p点idft变换，可得到离散的时域信道信息：
[0068][0069]
其中：
[0070][0071]
截取时域的信道响应的有用信息；因为导频的长度一般远大于信道最大多径时延，而有效径的能量一般都集中在前几个采样点，后面的都是高斯白噪声，即：
[0072][0073]
所以应对时域的信道响应进行截取，以起到消除噪声的作用，一般截取长度为数据块之间的循环前缀长度l
cp
，而循环前缀之外的部分补0以达到数据块的长度n，因此可得：
[0074][0075]
将时域响应进行n点的dft变换，即可得到估计的频域响应，如下所示：
[0076][0077]
从上面的步骤中可以看出，基于dft的信道估计算法是通过将cp外的采样点用0表示，以此来消除噪声。因为对于信道的时域响应，其最大多径时延都会小于cp的长度，因此，cp外的信道响应则都可以认为是噪声干扰。此方法是在ls的基础上进行改进，其性能也是明显优于ls算法的。
[0078]
2、基于阈值的dft信道估计
[0079]
由于dft信道估计算法只是对cp外的噪声进行了降噪处理，而并未消除cp内的噪声，针对dft算法的不足，文献提出了一种基于阈值的dft估计算法，该算法是在dft算法的基础上，引入阈值来对循环前缀以内的时域信道响应进行处理。通过设置时域阈值，对于大于该值的采样点值不变，而比该值小的的点都令其等于0，以此可进一步实现对噪声的抑制。该算法的框图如图4所示。
[0080]
首先与dft算法一样，先计算出导频处的频域信道信息并将其变换到时域得到然后令循环前缀外的时域信道状态为0，对循环前缀内的时域信道信息进行阈值处理，即大于阈值的点保留，小于阈值的点置0，如下式所示，最后对得出的h进行补0并做dft变换到时域即可。
[0081][0082]
在很多文献中对于阈值都有提出，其中应用最广泛的是文献提出的阈值，它是取循环前缀以外噪声功率的2倍，即：
[0083][0084]
在信道比较稳定的状态下，上式中的阈值可以很好的消除噪声点，但是当出现突发脉冲噪声时，便会使得该阈值大于一些有效径的采样点。针对上述的问题，文献提出将循环前缀外的最大能量点作为阈值，即：
[0085][0086]
但为了避免突发脉冲的影响，进而对阈值进行优化，将λ1和λ2加入平滑因子进行平滑处理，表达式如下：
[0087]
λ3＝aλ2 (1-a)λ1ꢀꢀ
0≤a≤1
ꢀꢀꢀꢀ
(10)
[0088]
提出的阈值考虑到了突发脉冲的情况，但通过最大样本点计算得到的阈值总体偏大，尤其是当信噪比比较低的时候，很容易消除一些能量较小的有效样本点。
[0089]
在文献中也提出了一种阈值，它是将循环前缀之内的平均能量减去循环前缀外计算的噪声能量，即：
[0090][0091]
其中：
[0092][0093]
上式的阈值是将有效样本的能量与噪声能量相结合，将有效径的能量在循环前缀之内进行平均，但这种阈值依然不太适用于低信噪比的情况。而对于散射信道，其有效径的数量要多于一般的无线信道，而且在低信噪比下有效径和噪声点相差不大，所以针对上述问题需要寻找一种适合散射信道的阈值来进行信道估计。
[0094]
3、改进的基于阈值的dft信道估计
[0095]
dft信道估计是通过将循环前缀之外的时域信道状态置0以达到消除噪声的目的，而基于阈值的dft信道估计是通过设定相应的阈值对循环前缀内的噪声进行判定消除，因此对于该信道估计算法而言选择合适的阈值是非常重要的。
[0096]
而对于实际的信道，由于多径时延一般都不是采样率的整数倍，所以多径的能量会发生扩散，导致多径时延中间采样点的能量进行叠加，该采样点能量会增大，而扩散边缘的一些采样点能量则会比较低。因此，当信噪比比较小时，这些边缘扩散的采样点能量与噪声会难以分辨，而当信噪比增大时，噪声干扰变小，此时边缘扩散的采样点又可以和噪声区别，所以对于这种信道需要设计一种可变的、自适应的阈值来针对不同的信道环境。
[0097]
对其非整数倍采样的多径信道进行测试，其中仿真所采用的信道模型为7径散射信道模型，信道各径功率为：[-10
ꢀ‑
3 0
ꢀ‑2ꢀ‑5ꢀ‑8ꢀ‑
10]db，各径功率时延为：[0 0.83*10-7 1.7*10-7 2.5*10-7 3.3*10-7 4.2*10-7 5*10-7
]，采样率为40mhz，仿真结果如图5所示。
[0098]
从图中可以看出，由于非整数倍采样的时延扩展导致多径能量发生扩散，原本7条多径的能量扩散到了近20个采样点上，而扩散中心的采样点能量最高，扩散边缘的采样点能量则不断递减。
[0099]
当加上高斯白噪声时，其信道多径测试如图6～图7所示。
[0100]
从图6和图7中可以看出，当信噪比比较大的时候，扩散的多径能量与噪声是可以区分开的，但当信噪比较小时，由于噪声干扰变大，扩散到边缘采样点的多径能量会变得与噪声差不多大，甚至比噪声干扰还小，而此时则完全可以把这些较小的多径能量当作噪声处理。所以当信噪比较大时，选取的阈值应尽量小于多径的平均功率，以保证所有的多径信
息都可以被检测到，当信噪比较小时，选取的阈值应尽可能的大于噪声点，但又要保留大部分多径信息，因此，对于不同的信道环境，应选取不同的阈值进行处理。
[0101]
针对于上面的分析，本节提出了一种新的阈值来进行信道估计，如下所示：
[0102]
λ＝δ
n2
a*δ
x2
ꢀꢀꢀꢀ
(13)
[0103]
式中，δ
n2
为噪声平均功率，δ
x2
为多径的平均功率，a为调节因子，范围为0＜a＜1，其大小与信噪比成反比，信噪比越大则a越小，信噪比越小则a越大。因为当信噪比比较大的时候，噪声功率对信号功率相差较大，此时区别多径信息则不需要较大的阈值，而当信噪比比较小的时候，噪声功率变大，其随高斯分布变化，有可能会产生较大的突发噪声，所以此时应该将调节因子增大。
[0104]
其中噪声的平均功率可为：
[0105][0106]
在上式中，l为循环前缀长度，由于循环前缀以外的信道信息都可认为是高斯白噪声，所以可由循环前缀以外的点来计算噪声的平均功率。
[0107]
多径的平均功率计算可以近似为：
[0108][0109]
在上式中，前一部分是计算循环前缀以内的功率，由于循环前缀以内的点即包括多径的功率，也包括噪声的功率，所以为了得到多径的功率需减去在上一步计算的噪声功率。
[0110]
将上面两个式子代入可得：
[0111][0112]
将噪声功率与信号功率相结合，调节因子根据信噪比的不同来选择不同的阈值，相比于前面提到的阈值，此阈值特别针对非整数倍采样的情况，可以自适应的在不同的信道环境下进行调整，降低了ls算法由于噪声带来的影响，以此提高了信道估计的准确性。
[0113]
4、仿真与分析
[0114]
对上述种算法进行仿真分析，其中仿真所采用的信道模型为7径经典散射信道模型，其各径功率为：[-10
ꢀ‑
3 0
ꢀ‑2ꢀ‑5ꢀ‑8ꢀ‑
10]db，各径的时延为：[0 0.83*10-7 1.7*10-7 2.5*10-7 3.3*10-7 4.2*10-7 5*10-7
]；信号的采样率为40mhz，数据块长度为1024，循环前缀长度为64，系统调制方式为qpsk，并且使用编码速率为2/3的ldpc信道编码，采用的均衡算法为mmse，分别对不同的信道估计算法进行了仿真对比。
[0115]
首先对已有的三种信道估计算法进行仿真，仿真结果如图8所示，其中第三条曲线的阈值取2倍的噪声功率；从图中可以看出，dft信道估计算法的性能明显优于ls算法，两者相差1.4db，而基于阈值的dft算法与传统的dft算法误码率相差0.5db。因此，可以得出通过dft和阈值去噪估计出的信道信息更加准确。
[0116]
图9和图10分别对多普勒频移为50hz和100hz时，四种不同阈值的dft算法进行仿真，用现有的阈值与本论文提出的自适应阈值进行对比，其中仿真图中的阈值1、阈值2和阈值3分别为式(8)、式(10)和式(11)所描述的阈值；从两幅图中可以看出，阈值1和阈值2结果相近，阈值3的误码率要差于前两种阈值的误码率，对比本文提出的自适应阈值，可以发现，不管多普勒等于50hz还是100hz，其性能都要优于其他阈值。
[0117]
通过以上对比分析可以得出，dft信道估计算法通过将ls估计的信道信息进行置0去噪，其估计的性能明显比ls算法好，而基于阈值的dft信道估计算法通过将dft估计出的信道信息进行cp内采样点阈值去噪，可以更为准确的估计出信道信息，而且实现也较为简单；而针对非整数倍采样的散射信道，本论文提出的自适应阈值可以根据不同的信道环境自适应的改变阈值的大小，比其他传统的阈值更为适用，估计出的信道更加准确，因此，在实际的散射通信中，基于这种自适应阈值的dft信道估计将具有更好的应用价值。
[0118]
本发明主要针对基于导频的信道估计技术进行研究。针对ls信道估计无法处理噪声的问题，介绍了基于dft的信道估计，它通过将cp外的时域信道响应置0来进行降噪处理，针对cp内仍存在噪声的问题提出了基于阈值的dft信道估计算法，在此基础上，针对散射信道多径效应较为明显以及非整数倍采样的多径时延等特点，在本发明中提出了一种新型的自适应阈值，该阈值可以根据信道的动态变化进行调整阈值的大小；最后通过仿真进行了验证分析。
[0119]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质(例如dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
[0120]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。