认知无线电中基于稀疏信道估计的导频设计方法

摘要

本发明公开了一种认知无线电中基于稀疏信道估计的导频设计方法。其中所述方法包括：从频谱感知获得的可用子载波构成的集合C中，随机选择子载波构成一组初始导频排布P，根据C和P生成候选集并从所述候选集中选取P中每个元素位置上的最佳元素，并进一步从这些最佳元素中选取一个最好的元素，找到该最好元素对应的元素位置，用该最好元素替换该位置上原来的元素，并保持P其他位置上的元素不变，形成一组新的导频排布P1；根据C和P1生成新的候选集，重复以上的操作，直到形成的新的导频排布保持不变为止。保持不变的导频排布称为优选导频。多次重复执行上述步骤，并选取多次重复过程中获得的优选导频中最好的一个，确定为优化导频排布。采用本发明，具有收敛速度快、可并行运算、均方误差和误码率性能好等优点。

说明书

技术领域

本发明涉及通信领域，涉及认知无线电系统，尤其涉及认知无线电中基 于稀疏信道估计的导频设计方法。

背景技术

快速发展的移动通信系统及各类通信业务，对频谱资源提出了更高的需 求，频谱资源的短缺日益显著。而另一方面，已获得授权的频段没有得到充 分利用，大量频段处于闲置或者很少利用的状态。由此，产生了一种认知无 线电（Cognitive Radio，CR）技术。利用该技术，在保障授权用户优先使用 其频段的前提下，其他用户也可使用这些频段；因此，该技术有望在不开辟 新频段的情况下，大幅提高现有频段的频谱利用率。

正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)作为 当前移动通信及未来无线通信的核心技术，能有效对抗无线传播中的多径效 应、简化均衡器设计、降低接收机复杂度和功耗并提高频谱利用率。OFDM 利用多个子载波并行传输数据，能灵活的填充频谱空穴；那些与授权用户发 生频段冲突的OFDM子载波可随时停用，而剩下的子载波则继续用于非授权 用户的数据传输，因此，OFDM是一项适用于认知无线电的重要技术。

OFDM信道估计对信号传输所经历的信道的时延、衰减、多径等参数进 行估测，信道估计的准确程度对信道均衡、解调和信道译码等均有直接的影 响。因此，信道估计技术是OFDM系统的关键环节之一。最近新出现的稀疏 信道估计(Sparse Channel Estimation)或者称为压缩信道感知(Compressed  Channel Sensing)，它利用无线信道的稀疏性，将压缩感知(Compressed  Sensing，CS)技术用于信道估计。相比传统的最小二乘（Least Squares，LS） 或最小均方误差（Minimum Mean Square Error，MMSE）信道估计，稀疏信 道估计能大幅度降低导频开销，提高频谱利用率和信道估计精度。考虑到无 线信道的时延扩展和接收机前端较高的采样率，信道多径分量分散于这一时 延扩展中，经过采样以后的信道冲击响应(Channel Impulse Response，CIR) 序列通常呈现大多数为零、少数非零的稀疏性，尤其对于普遍使用过采样技 术的OFDM系统，这一稀疏特性更为明显。目前，正交匹配追踪（Orthogonal  Matching Pursuit，OMP)、压缩采样匹配追踪（Compressive Sampling Matching  Pursuit，CoSaMP)、基追踪（Basis Pursuit，BP)、迭代支集检测（iterative support  detection，ISD)等算法已被用于OFDM稀疏信道估计，并获得了比LS和 MMSE更好的信道估计性能。

然而，基于稀疏信道估计的OFDM导频设计，仍然是一个开放性的课题， 尤其在采用OFDM和稀疏信道估计的认知无线电系统中，与授权用户发生频 段冲突的一些OFDM子载波停用以后。现有技术考虑了一种非连续OFDM 系统中基于压缩感知的信道估计方法，该方法包括设计信道估计导频图案、 导频图案的选取和信道频域响应的估计。导频图案选择使用以下两种方案。 方案一保留了传统的均匀导频图案，禁用子载波处的导频自然禁用，从而使 可用导频呈现自然的不均匀性。方案二采用固定导频数量，基于恢复矩阵互 相关最小化的准则，以更少的导频获得优于目前其他方法的信道估计性能和 系统误码率性能。该方法可以在多种禁用子载波场景下，以更少的导频获得 优于目前其他方法的信道估计性能和系统误码率性能。但是，方案二采用“随 机搜索”算法获取导频排布，效率低下，在实际应用中无法保证系统性能。

发明内容

本发明为采用OFDM和稀疏信道估计的认知无线电系统提供一种导频 设计方法。它可对稀疏信道估计进行导频优化，提高OFDM稀疏信道估计的 均方误差和误码率性能，从而提高认知无线电系统性能。

本发明提供了一种认知无线电中基于稀疏信道估计的导频设计方法，包 括：

从频谱感知获得的可用子载波构成的集合C中，随机选择子载波构成一 组初始导频排布P，根据C和P生成候选集并从所述候选集中选取P中每个 元素位置上的最佳元素，并进一步从这些最佳元素中选取一个最好的元素， 找到该最好元素对应的元素位置，用该最好元素替换该位置上原来的元素， 并保持P其他位置上的元素不变，形成一组新的导频排布P1；根据C和P1 生成新的候选集，重复以上的操作，直到形成的新的导频排布保持不变为止。 保持不变的导频排布称为优选导频。

多次重复执行上述步骤，并选取多次重复过程中获得的优选导频中最好 的一个，确定为优化导频排布。

本发明具有如下有益效果：

一）根据互相关性选取初始导频排布各元素位置上的最佳元素进而选取 最好元素并实施替换，生成优选导频排布，在多种优选导频排布中选取其中 互相关性最小的一个作为优化导频排布，能够最小化测量矩阵的互相关且具 有更快的收敛速度；

二）导频排布的每个元素位置的最佳元素的选取可并行实施，从而提高 效率。

三）根据优化导频排布进行稀疏信道估计，能够提升OFDM稀疏信道估 计的均方误差和误码率性能，从而提高认知无线电系统性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见，下面描 述中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 不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的应用环境——采用OFDM的认知无线电系统，该系统框 图如图所示；

图2是本发明的一种认知无线电中基于稀疏信道估计的导频设计方法的 实施例流程示意图；

图3是本发明选取导频排布中一个元素位置上最佳元素的方法流程示意 图；

图4是本发明与随机搜索的收敛性能比较结果图；

图5是本发明与随机搜索的的均方误差性能比较结果图；

图6是本发明与随机搜索的的误比特率性能比较结果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而 不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作 出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明的应用环境——采用OFDM的认知无线电系统，该系统框 图如图所示。在发送数据前，需进行频谱感知，获得当前可用的子载波集合 C，利用本发明所提出的方法从C中选取一组优化导频排布，将导频符号放 置到相应的子载波位置，而C中剩下的子载波可用于数据传输。在完成导频 设计和子载波分配以后，待发送的数据依次通过星座点映射、并串转换、快 速傅立叶反变换（IFFT）、并串转换、插入保护间隔和上变频等模块，实现 OFDM调制，并将数据发射到可用的频段上。在数据接收端，依次通过下变 频、去除保护间隔、串并转换、快速傅立叶变化（FFT）、稀疏信道估计、信 道均衡、并串转换和星座点解映射等模块，实现OFDM解调。其中，稀疏信 道估计利用导频位置上的接收信号和压缩感知技术，对信道冲击响应进行稀 疏重建。

图2是本发明的一种认知无线电中基于稀疏信道估计的导频设计方法的 实施例流程示意图，参照图2，该方法包括：

W1：从频谱感知获得的可用子载波构成的集合C中，随机选择子载波 构成一组初始导频排布P。

在本实施例的一种实现方式中，OFDM子载波数目为Z，在数据发射前， 通过频谱感知获得N（N≦Z）个可用子载波构成的集合为C={d₁，d₂，d₃…… d_N}，满足1≦d₁<d₂<d₃<…<d_N≦Z。导频数目为M（M<N），从集合C中随机 选取M个元素，构成长度为M的向量P={k₁，k₂，k₃……k_M}。向量P即初 始导频排布，它包含M个元素，对应于M个元素位置。

W2：根据C和P生成候选集T。从T中选取P中每个元素位置上的最 佳元素，并进一步从这些最佳元素中选取一个最好的元素，找到该最好元素 对应的元素位置，用该最好元素替换该位置上原来的元素，并保持P其他位 置上的元素不变，形成一组新的导频排布P₁。

在本实施例中，首先根据C和P生成候选集T，从T中选取P中每个元 素位置上的最佳元素。该步仅仅是元素选取，没有涉及元素替换。其流程参 照图3，图3是本发明选取导频排布中一个元素位置上最佳元素的方法流程 示意图，该方法包括：

V1：定义变动元素和固定元素，具体地，将P中待选取最佳元素的元素 位置上的元素定义为变动元素，将P中当前元素位置之外的元素位置上的元 素定义为固定元素；

V2：计算候选集，具体地，计算集合C与固定元素组成的集合的差集生 成候选集；

V3：选取最佳元素，具体地，分别用候选集中的每个元素替换变动元素， 计算每次发生替换后的导频排布的目标函数(即g(p)值，对于g(p)的说明请 参照下文相应说明)，并将使目标函数值最小的元素作为当前元素位置上的最 佳元素。

在本实施例中，对于目标函数g(p)的计算，具体包括：

设OFDM子载波数目为Z，在数据发射前，通过认知无线电系统的频谱 感知，获得N（N≦Z）个可用子载波构成的集合为C={d₁，d₂，d₃……d_N}， 满足1≦d₁<d₂<d₃<…<d_N≦Z。导频数目为M（M<N），从集合C中随机选取 M个元素，构成长度为M的向量P={k₁，k₂，k₃……k_M}，满足1≤k₁<k₂<… <k_M≤Z。发射的导频符号记为X(k₁)，X(k₂)，...，X(k_M)，接收到的导频符号 记为Y(k₁)，Y(k₂)，...，Y(k_M)。则OFDM的频域信道估计问题可写为：

其中h＝[h(1)，h(2)，…，h(L)]^T为等效的离散信道冲击响应函数，长度为L。上 标“T”表示向量转置。η＝[η(1)，η(2)，…，η(M)]^T为噪声向量，其每一个元素 独立同分布，满足均值为0、方差为σ²的复高斯分布。对于标准的Z维离散 傅立叶变换（DFT）方阵F，取F的行号为k₁，k₂，...k_M的M行和F的前L 列，构成M乘L维的DFT子矩阵F_M×L。定义y＝[Y(k₁)，Y(k₂)，…，Y(k_M)]^T。 设X＝diag{X(k₁)，X(k₂)，…，X(k_M)}为由发射导频符号X(k₁)，X(k₂)，...，X(k_M) 构成的对角阵，并设方阵X与F_M×L的乘积为A＝X·F_M×L，则可将式(1)进 一步写为：

y＝A·h+η               (2)

其中，h＝[h(1)，h(2)，…，h(L)]^T是稀疏的，即L个元素中，大多数为零而仅 有少数非零，但非零元的个数、位置、数值均未知，在此情况下可采用压缩 感知技术重建h，而重建性能一方面与采用的重建算法有关系，另一方面与 矩阵A密切相关。稀疏信道估计问题本质是在含噪情况下，由已知的y和A 来估计h，并充分利用h稀疏这一先验信息。矩阵A称为测量矩阵，若能最 小化A的互相关，将提升稀疏重建性能，这就涉及到导频的优化问题。一旦 导频排布P={k₁，k₂，k₃……k_M}确定了，则F_M×L也确定了。

矩阵A的互相关g(p)定义为：

$g\left(p\right)=\underset{0\le m<n\le L-1}{\max }|<A\left(m\right),A\left(n\right)>|$

$=\underset{0\le m<n\le L-1}{\max }\left|\underset{i=1}{\overset{M}{\Sigma }}{\left|X\left(k_i\right)\right|}^2{\omega }^{k_i(n-m)}\right|$

则最优的导频为：

$p_{\mathrm{opt}}=\arg \underset{p}{\min }g\left(p\right)$

即最小化矩阵A的互相关的导频排布。实际上，g(p)的计算等价于寻找A^HA 的所有非对角上三角元素中具有最大绝对值的元素的绝对值，其中上标“H” 表示矩阵的共轭转置，在本实施例中，采用该方法计算g(p)。

在本实施例的一种实现方式中，OFDM子载波个数为Z=256，在数据发 射前，通过认知无线电系统的频谱感知，发现子载波序号{40，41，……，54， 55}和{219，220，……，235，236}共计34个子载波已被占用，则由剩下222 个可用子载波构成的集合为C={1，2，…，38，39，56，57，…，217，218， 237，238，…，255，256}。设用于稀疏信道估计的导频数目为M=16，则需 从222个可用子载波中选取16个子载波用于传输导频，一共有9.56×10²³种选取方式，因此实际中很难穷举出所有的选取方式后从中选择一个最好的 导频排布。在本实施例的一种实现方式中，从C中随机选取16个元素构成 一组初始导频排布P，假设P={4，5，18，39，56，72，92，111，130，153， 177，192，211，218，237，241}。假设当前元素位置为3，则变动元素为18， 固定元素为D={4，5，39，56，72，92，111，130，153，177，192，211， 218，237，241}。候选集为C与D的差集，一共有207个元素。分别用候选 集中的每个元素替换变动元素，计算每次发生替换后形成的导频排布的目标 函数，从中选取目标函数最小的元素，作为最佳元素。用同样的方法，逐一 选取P中其他元素位置上的最佳元素。该步仅仅是元素选取，没有涉及元素 替换。

最后从这些最佳元素中选取一个最好的元素。具体地，将所有最佳元素 中目标函数值最小的最佳元素，作为最好的元素。

找到该最好元素所对应的元素位置，将该元素位置上的原来元素替换为 该最好元素，并保持P其他位置上的元素不变，由此形成一组新的导频排布 P₁。

由于P的每个元素位置的最佳元素的选取过程均独立进行，因此选取操 作可并行实施，以提高运算速度。

W3：若P₁与P不同，则将P₁赋给P，重复W2操作；否则，执行W4 操作，并称此时的P₁为优选导频。

在本实施例中，P₁与P相同具体是指，P₁每个元素位置上的元素均与P 每个元素位置上的元素对应相同；否则，则认为P₁与P不同。

W4：根据预设的循环次数E，重复执行上述W1至W3步骤。选取E个 优选导频中最好的一个，确定为优化导频排布。

在本实施例的一种实现方式中，预设循环次数E=1000，即选取1000个 优选导频中最好的一个，确定为优化导频排布。

W5：输出优化导频排布。

图4、5、6为将本发明与现有的随机搜索技术进行性能对比的对比结果 示意图。

在仿真试验中，OFDM子载波个数为Z=256，在数据发射前，通过认知 无线电系统的频谱感知，发现子载波序号{40，41，……，54，55}和{219， 220，……，235，236}共计34个子载波已被占用，则由剩下222个可用子载 波构成的集合为C={1，2，…，38，39，56，57，…，217，218，237，238，…， 255，256}。用于信道估计的导频数目为M=16。OFDM保护间隔为64。采 用QPSK调制，信道冲击响应长度为L=60，信道非零抽头数目为6。仿真平 台基于Windows 7操作系统，MATLAB 2011a软件，CPU为双核2.5GHz， 内存3G字节。设定程序运行时间均为450秒。采用本发明和随机搜索获得 的优化导频结果依次为{20，29，58，65，70，83，95，109，130，137，140， 170，172，187，190，193}和{6，37，97，104，107，119，150，163，178， 190，198，215，239，243，247，253}，分别对应于目标函数值4.7024和5.3357。

图4是本发明与随机搜索的收敛性能比较结果图。

在进行均方误差（Mean Square Errors，MSE）和误比特率（Bit Error Rate， BER）性能仿真时，每次信道生成方式为：从60个抽头里任选6个抽头，这 6个抽头位置上的抽头系数服从复高斯分布，对每一次随机生成的信道均采 用主流的正交匹配追踪（Orthogonal Matching Pursuit，OMP）算法进行稀疏 信道估计，信道随机生成10000次，最后对10000次结果取平均。在信道估 计时，假设信道的非零抽头个数未知、非零抽头位置未知、非零抽头系数数 值未知。

图5是本发明与随机搜索的的均方误差性能比较结果图。

图6是本发明与随机搜索的的误比特率性能比较结果图。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流 程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于 一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施 例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。 以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明 之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的 范围。