正交频分复用系统中相位噪声消除方法

摘要

一种无线通信技术领域的正交频分复用系统中相位噪声消除方法，通过预处理矩阵和估计信道冲击响应向量，得到信道CTF矩阵，从而将信道估计参数个数从子载波的个数减少到信道时域长度的个数；通过减采样矩阵降低相位噪声估计参数个数；通过迭代法在导频时隙估计CTF矩阵和相位噪声矩阵，获得CTF矩阵最优估值：在相邻导频时隙内信道不变的情况下利用最优估值连续跟踪估计得到相位噪声估值；利用相位噪声估值对接收信号进行补偿，实现噪声消除。

说明书

技术领域

本发明涉及的是一种无线通信技术领域的方法，具体是一种正交频分复用系统中相位噪声消除方法。

背景技术

OFDM(Orthogonal Frequency Division Multiplexing，正交频分复用)技术具有高频谱效率、抗窄带干扰、利用已有FFT(Fast Fourier Transform，快速傅里叶变换)易实现等特性，成为宽带无线移动通信系统关键技术之一，已被广泛应用于宽带无线城域网(IEEE802.16)、DAB(Digital Audio Broadcasting，数字音频广播系统)、DVB-T(Digital Video Broadcasting-terrestrial，地面数字视频广播系统)等无线通信系统。OFDM技术也作为未来4G核心技术之一，用以满足日益增长的无线多媒体业务需求。

当前越来越多的通信系统拥挤在低频段，导致该频段频谱资源日益匮乏。将系统调制到较高频段获得更大的带宽，并采用频谱效率较高的OFDM技术，可以有效解决低频段通信频谱拥挤问题。提升工作频段引起射频模块性能恶化，增加系统PHN(PHase Noise，相位噪声)功率，而OFDM采用正交载波提升频谱效率，对信道误差、相位噪声等更加敏感，引起更加严重的CPE(Common Phase Error，公共相位误差)和ICI(Inter-Carrier Interference，相邻子载波间干扰)，降低了OFDM系统通信性能。

对现有文献检索发现，现有技术中：

1、文献(Analysis of Phase Noise Effects in OFDM Modems(正交频分复用调制解调器中相位噪声分析)，IEEE Transactions on Communications，vol.50，no.10，pp.1696-1705，2002)详尽分析了OFDM系统来自收发两端本地振荡器PHN对系统性能的不同影响，但并没给出具体的消除方案。

2、文献(Estimation of Channel Transfer Function and Carrier Frequency Offset for OFDMSystems with Phase Noise(受相位噪声干扰的正交频分复用系统中信道传递函数和载频偏移估计)，IEEE Transactions on Vehicular Technology，vol.58，no.8，pp.4380-4387，2009.)给出了OFDM系统载频偏差、相位噪声和信道的联合估计算法，并没考虑相位噪声增加带来的问题。

3、文献(Phase Noise Estimation and Mitigation for OFDM Systems(正交频分复用系统中相位噪声的估计和消除)，IEEE Transactions on Wireless Communications，vol.5，no.12，pp.3616-3625，2006.)给出了基于LMMSE(Linear Minimum Mean Square Error，线性最小均方误差)、ML(Maximum Likelihood，最大似然)准则的相位噪声消除算法，但算法复杂度较高且没考虑信道估计，制约其应用范围。

发明内容

本发明针对现有技术存在的上述不足，提供一种正交频分复用系统中相位噪声消除方法，通过联合CTF(Channel Transfer Function，信道传递函数)和相位噪声估计的低复杂度算法。通过分析OFDM系统CTF和相位噪声特性，在OFDM导频时隙上联合估计CTF与相位噪声；在导频子载波假定信道不变，连续估计相位噪声以抑制相位噪声引起的ICI干扰。本文性能分析和仿真结果表明：在大相位噪声下，相对已有OFDM信道估计算法，本算法降低了导频开销，同时有效消除相位噪声，提高了CTF估计精度。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

第一步：通过预处理矩阵和估计CIR(Impulse response of channel信道冲击响应)向量h，得到信道CTF矩阵H，从而将信道估计参数个数从子载波的个数减少到信道时域长度的个数。

所述的信道CTF矩阵H＝T_hh，其中：H为估计值CTF矩阵，H＝[H₀ H₁…H_N-1]^T，由H去对角化处理获得，h＝[h₀h₁…h_L-1]^T，T_h是信道预处理矩阵：其中：L为信道时域长度，N为子载波数。

第二步：通过减采样矩阵降低相位噪声估计参数个数，具体为：

2.1)取相位噪声矩阵P的第一列P_c1＝[P₀P₁…P_N-1]^T，P_c1与相位噪声向量p之间的关系为：p＝[e^jφ[0]，e^jφ[1]，…，e^jφ[N-1]]，其中：e^jφ[m]表示相位噪声，W_DFT为DFT变换矩阵，其中：T_p为减采样矩阵，N_p≥M且优选N_p＝M，则p≈T_pp′，其中：

2.2)在相位噪声统计特性已知条件下则得到减采样矩阵其中：T_p＝R_pp′(R_p′p′)^-1，其中：R_pp′＝pp′^*、R_p′p′＝p′p′^*，p和p′分别为相位噪声的采样均值和减采样均值，通过减采样矩阵T_p间接估计p，将相位噪声估计参数个数从N减少到M，其中N为子载波数，M为导频子载波频域间隔。

第三步：通过迭代法在导频时隙估计CTF矩阵H和相位噪声矩阵，获得CTF矩阵最优估值H，具体步骤包括：

3.1)由p≈T_pp′可得和(P)_i，在LS准则下求解可得CIR向量最优值为：

3.2)由H＝T_hh可得(H)_i＝T_h(h)_i，在LS准则下求解可得相位噪声向量最优值为：然后累加i＝i+1并返回步骤3.1)；

其中：p′迭代初值为P₀为CPE，通过下式可以求得P₀估值：()_i表示该变量第i次迭代结果，S_P表示导频符号集：

当相邻两次迭代结果差别小于设定值(例如le^-4)时停止迭代，即得到CTF矩阵最优估值

第四步：在相邻导频时隙内信道不变的情况下利用最优估值连续跟踪估计得到相位噪声估值，具体步骤为：重新估计相位噪声矩阵P，

其中(p′)_Ni即相位噪声在第i个符号上的估值。

第五步：利用相位噪声估值对接收信号进行补偿，实现噪声消除：在获得相位噪声在每个符号上的估值后，接收端利用相位噪声估值对接收符号做补偿：其中：为相位噪声估值补偿向量，Y为接收符号，是经补偿的接收符号。

本发明的优点在于通过预处理矩阵和估计信道冲击响应向量，从而减少估计参数个数，并用最优估值连续跟踪估计得到相位噪声估值，对接收信号进行补偿，实现噪声消除。

附图说明

图1是OFDM系统框图。

图2是OFDM系统导频图样。

图3是不同参数设置下算法对系统有效SNR提升。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

以下实施例实现的OFDM系统模型如下：for 0≤t＜T，其中：r(t)表示接收信号，s(t)表示OFDM基带信号，X_k表示经过星座映射、S/P转换后的信源符号，N表示OFDM系统子载波数，T表示OFDM符号周期，n(t)表示复加性高斯白噪声(Additive White Gaussian Noise，AWGN)，h(t)表示信道脉冲响应(Channel Impulse Response，CIR)，φ_TX(t)和φ_RX(t)分别表示收发两端相位噪声。由于本算法未涉及到循环前缀(Cycle Prefix，CP)，故不予讨论。

令φ(t)＝φ_TX(t)+φ_RX(t)，对接收信号采样有如下表示：

其中：假设信道长度为L(L＜N)并对h(m)(L＜m≤N)作补零操作。

令改写上式可得系统矩阵表达式：其中：X＝[X₀ X₁…X_N-1]^T：Y＝[Y₀ Y₁…Y_N-1]^T；W＝[W₀W₁…W_N-1]^T；H＝diag[H₀H₁…H_N-1]；

合理的导频图样能在相同的导频密度下取得更小的信道估计MSE。在信道估计MSE与高频谱效率约束下：信道频域相关性强，则连续在若干子载波上插入导频符号；信道时域相关性强，则在给定的若干时隙中插入导频符号。另外基于块状、梳状信道估计算法、二维散布导频算法都只估计信道，没有考虑相位噪声的影响。图2中两相邻导频时隙间隔为K个OFDM符号，导频子载波频域间隔为M个子载波。

本实施例下OFDM通信系统系统参数设置如下：

表1系统仿真参数设置

第一步：为保证最优化问题可求解，通过预处理矩阵以降低信道估计参数个数。在本例中，信道预处理矩阵T_h如下：

通过信道预处理矩阵T_h将信道估计参数个数从N降低到L。

第二步：通过预处理矩阵以降低相位噪声估计参数个数。在本例中，M＝32、并取相位噪声矩阵P的第一列P_c1＝[P₀ P₁…P_N-1]^T，可得相位噪声统计量p′如下：

p′＝[0.9829+0.0460i  1.0434+0.0263i  1.0334+0.0227i  1.0453+0.0271i 0.9618-0.0365i 1.0400+0.0433i 0.9992+0.0034i 0.9821+0.0466i 1.0510+0.0317i 0.9612-0.0355i 1.0409+0.0428i 1.0510+0.0317i 1.0498+0.0288i 0.9963+0.0340i1.0153+0.0240i 0.9743+0.0128i 1.0322+0.0475i 0.9928+0.0232i 1.0498+0.0288i0.9788+0.0489i 1.0512+0.0293i 1.0366+0.0454i 0.9927+0.0236i 0.9803+0.0481i 0.9929-0.0398i 0.9614-0.0359i 0.9817+0.0439i 0.9686+0.0065i 0.9585-0.0276i 0.9920+0.0252i 0.9958-0.0369i 0.9957+0.0154i]

通过R_pp′＝pp′^*、R_p′p′＝p′p′^*可求得相位噪声减采样矩阵T_p＝R_pp′(R_p′p′)^-1。经过相位噪声预处理矩阵后，相位噪声的估计参数个数从N降低到M。在满足M+L＜N的情况下，才能进行下一步求解。T_p矩阵较大，这里不给出其在本例中的实际值，但可通过此例推导获得。

第三步：首先求解P₀估值，作为迭代计算的初始值。在本例中P₀估值如下：

在得到后，在导频时隙迭代求解CTF矩阵H和相位噪声矩阵P，具体步骤如下：

1.通过p≈T_pp′可得进而得到(P)_i，在LS准则下求解可得信道最优值如下：

(h)₁＝[0.4202-0.6839i 0.3174-0.4238i 0.1257-0.3103i 0.0463-0.0934i 0.0210-0.0525i]将上述第一次迭代得到的结果带入第2步。

2.通过H＝T_hh可得(H)_i＝T_h(h)_i，在LS准则下求解可得相位噪声向量最优值如下：

(p)₁＝[0.9664+0.0460i  1.0756+0.0263i  1.0253+0.0227i  1.0695+0.0271i  1.0308-0.0365i 1.0831+0.0433i 0.9840+0.0034i  0.9876+0.0466i  1.1319+0.0317i  0.9182-0.0355i 0.9856+0.0428i 1.0912+0.0317i  1.0961+0.0288i  1.0138+0.0340i  1.0284+0.0240i 0.9335+0.0128i  1.0195+0.0475i  1.0205+0.0232i  1.0828+0.0288i1.0338+0.0489i  1.0300+0.0293i  1.1011+0.0454i  0.9423+0.0236i  0.9812+0.0481i0.9803-0.0398i 0.8741-0.0359i  0.9590+0.0439i  0.9352+0.0065i  0.9626-0.0276i0.9538+0.0252i 0.8828-0.0369i  0.9369+0.0154i]

在得到(p)₁后，返回第1步，并将i＝i+1。

当前后两次迭代结果差别小于设定门限时，停止迭代，当下得到的即为CTF矩阵和相位噪声矩阵局部最优值。本例中设定门限位为le^-4，迭代次数一般在5到7次之间。本例中得到信道和相位噪声局部最优值分别为：

(h)₇＝[0.3502-0.6739i 0.2774-0.5338i 0.1082-0.2081i 0.0344-0.0663i 0.0126-0.0243i](p)₇＝[0.9829+0.0460i  1.0434+0.0263i  1.0334+0.0227i  1.0453+0.0271i  0.9618-0.0365i  1.0400+0.0433i 0.9992+0.0034i 0.9821+0.0466i  1.0510+0.0317i 0.9612-0.0355i  1.0409+0.0428i  1.0510+0.0317i  1.0498+0.0288i 0.9963+0.0340i  1.0153+0.0240i 0.9743+0.0128i  1.0322+0.0475i  0.9928+0.0232i  1.0498+0.0288i0.9788+0.0489i 1.0512+0.0293i  1.0366+0.0454i 0.9927+0.0236i  0.9803+0.0481i0.9929-0.0398i 0.9614-0.0359i 0.9817+0.0439i 0.9686+0.0065i 0.9585-0.0276i0.9920+0.0252i 0.9958-0.0369i 0.9957+0.0154i]

由(P_c1)_i＝T_p(p)₇可得相位噪声矩阵第一列，之后通过移位可得整个相位噪声矩阵由(H)_i＝T_h(h)₇可得信道矩阵。

第四步：利用最优值连续跟踪估计相位噪声。假定在K＝20个OFDM符号时隙内，信道保持不变，也即信道矩阵(h)₇保持不变，连续估计相位噪声。参照导频时隙估计算法，重新估计每个符号周期内的相位噪声矩阵P。以第二个符号周期为例，得到以下相位噪声估值：

[p]₂＝[0.9829+0.0460i  1.0434+0.0263i  1.0334+0.0227i  1.0453+0.0271i 0.9618-0.0365i  1.0400+0.0433i 0.9992+0.0034i 0.9821+0.0466i  1.0510+0.0317i 0.9612-0.0355i  1.0409+0.0428i  1.0510+0.0317i  1.0498+0.0288i 0.9963+0.0340i1.0153+0.0240i 0.9743+0.0128i  1.0322+0.0475i 0.9928+0.0232i  1.0498+0.0288i0.9788+0.0489i  1.0512+0.0293i  1.0366+0.0454i 0.9927+0.0236i 0.9803+0.0481i0.9929-0.0398i 0.9614-0.0359i 0.9817+0.0439i 0.9686+0.0065i 0.9585-0.0276i0.9920+0.0252i 0.9958-0.0369i 0.9957+0.0154i]

第五步：利用相位噪声估值对接收信号进行补偿。利用上步得到各个符号周期内的相位噪声估计，取其共轭，获得相位噪声补偿矩阵，以此消除相位噪声带来的影响。

图3为本例仿真图：在高信噪比情况下(SNR₁≥20dB)，相比只消除CPE的情况，能够至少提升4dB系统有效SNR，并且随着OFDM系统SNR₁的提高，算法提升效果也随之增加。图中理想情况指变化，以此作为参考。

导频子载波数M和导频时隙间隔K会影响算法对系统有效SNR的提升。通过对比图3中[M，K]＝[64，10]和[M，K]＝[32，10]两条曲线，可以确定增加导频子载波数会进一步提升系统的有效SNR。在高SNR₁下，可以近似认为SNR₃∝M。对比图中[M，K]＝[32，20]和[M，K]＝[32，10]两条曲线，减小导频间隔K可以增加算法对系统有效SNR提升效果。尽管增加M和减小K会进一步消除相位噪声，但是会降低频谱效率和增加计算量。