无源反向散射通信信道的参数估计算法

摘要

本发明涉及一种无源反向散射通信信道的参数估计算法，解决了利用无源反向散射通信技术的系统中的全盲估计问题，处理了全盲估计过程中出现的观测数据含有多个隐藏变量以及待估信道参数随设备反射状态而不断交替变化的问题，并且设计了合理有效的算法迭代初值，获得了良好的估计性能。本发明的关键点在于：对于多个隐藏变量、多个信道参数相关联的情形，通过引入变量S

说明书

技术领域

本发明涉及无线通信领域，具体说是一种无源反向散射通信信道的参数估计算法。

背景技术

无源反向散射技术是一种新生事物，可以让传感器摆脱电池的束缚，避免频繁的人工维护操作，兼备无线的便捷性和绿色通信的低能耗特点，不仅仅在RFID(无线射频识别)系统相关产品，而且在物联网行业具有广阔的应用前景，是一项很具有商业价值和潜力的无线技术。无源反向散射技术包括环境反向散射技术，WiFi反向散射技术以及FM反向散射技术等等，这类技术可以利用能量采集手段从周边已有的无线信号获得传感器运行所需的能量。无源反向散射技术可以应用到信息传输领域，构成一种不同于传统反向散射的通信技术——无源反向散射通信技术。无源反向散射通信技术中信道估计、信号检测等基本模块的设计与其他反向散射通信技术是不一样的，现有的传统反向散射通信技术的理论结果不能直接应用于无源反向散射通信技术，相关的通信理论还有待完善，其中很重要的一项就是信道估计理论。现有的关于无源反向散射通信技术的信号检测技术都是基于信道完美已知的假设，或者从接收信号的统计特性角度来检测从而避免信道估计，如能量检测，差分检测^[4]。而实际上，准确的信道估计可以降低检测的误码率，提升系统的检测效率。

现有一项名为“Expectation-maximization-based channel estimation andsignal detection for wireless communications systems”(无线通信系统中基于期望最大化算法的信道估计与信号检测)的美国专利^[1]及相应论文^[2]。此项技术主要针对OFDM通信系统，运用EM算法对OFDM的卷积信道分别进行频率响应和脉冲响应估计，对于EM迭代过程的初值设置问题，此技术利用前一帧的信道历史信息或通过发送导频序列进行粗略估计，为非全盲估计，且算法中的隐藏变量为单一变量，待估参数为卷积矩阵的形式。此技术存在以下的缺点：

1.此技术不适用于全盲估计，且初值的设置方法实用性差，系统需要获取额外的信息。采用发送导频序列获取初值的方式，在一些无线通信系统中无法实现，如某系统利用无源反向散射通信技术，反向散射设备为无源设备，自身所需的能量由无线采集模块获得，能量转换所得功率不足以支持无源设备发送导频信号。

2.此技术中涉及的隐藏变量为单一变量。在一些无线通信系统中，如果使用全盲估计，除待估参数外，可能存在不止一个隐藏变量，如利用无源反向散射通信技术的系统中，可能存在源信号与反射信号非单一隐藏变量，且隐藏变量中的反射信号与待估信道参数相关联。

3.此技术中的待估参数为卷积矩阵，主要适用于OFDM场景，对于其他不能转化成相同形式的通信系统并不适用。如利用无源反向散射通信技术的系统，信道参数随无源设备反射和不反射两种状态而不断变化。

现有一项名为“Expectation-Maximization-Based Channel Estimation forMultiuser MIMO Systems”(多用户多输入多输出系统的基于EM的信道估计算法)的论文^[3]。此项技术主要针对此MIMO通信系统，运用EM算法对多用户与基站之间的信道进行估计，对于EM迭代过程的初值设置问题，此技术利用MIMO系统检测器根据信道的联合估计结果，向用户发送软信号，使其获取可靠数据信息，完成接收端的信道估计工作。此项技术需要前期的接收端与发送端相互通信获取信道估计过程的必要信息，再通过EM算法进行精准估计，每个用户单独估计信道，待估参数为向量形式。此技术存在以下的缺点：

1.此技术不适用于全盲估计，初值的获取方法十分复杂。利用接收端与发送端互相通信的方式来获取信道估计所需的额外信息，这种方式并不适用于全盲估计的场景，且在某些无线通信系统中无法实现，如利用无源反向散射通信技术的系统，反向散射设备为无源设备，其能量由无线采集获得，所转换的功率只能支持反射与不反射两种状态，无法实现信号收发等复杂功能。

2.此技术中每个用户分别进行信道估计，待估参数的形式为向量，信道参数虽有多个，但各个信道之间是相互独立的，即等同与多个信道的单参数估计。对于其他不能将信道转化成向量形式的通信系统并不适用，如利用无源反向散射通信技术的系统，信道参数随无源设备反射和不反射两种状态而不断变化，系统模型本质为单信道多参数的估计。

现有的信道估计技术，对于利用无源反向散射通信技术的系统并不适用。其中的无源设备需要利用周边其它无线信号的信息源协助来完成通信。由于周边无线信号源的信号是随机并未知的，信道估计技术需要解决信号源未知的信道全盲估计问题，除了周边无线信号源，设备的反射状态也是未知的，观测数据中含有非单一的隐藏变量。且待估的信道参数随设备反射状态交替变化，信道估计技术需要同时估计两种信道参数，并根据已知信息设计合理的估计初值。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种无源反向散射通信信道的参数估计算法，解决了利用无源反向散射通信技术的系统中的全盲估计问题，处理了全盲估计过程中出现的观测数据含有多个隐藏变量以及待估信道参数随设备反射状态而不断交替变化的问题，并且设计了合理有效的算法迭代初值，获得了良好的估计性能。

为达到以上目的，本发明采取的技术方案是：

利用无源反向散射通信技术的系统包括：RF信号源、读写器和标签；RF信号源与读写器和标签之间均为无线通信，读写器与标签之间为无线通信；标签利用周边已存在的RF信号源的无线信号与读写器进行通信，其中RF信号源的无线信号可以是无线广播信号、无线电信号等等。

一种无源反向散射通信信道的参数估计算法，包括以下步骤：

步骤S1、定义RF信号源与读写器之间的信道参数为h，读写器与标签之间的信道参数为g，标签与RF信号源之间的信道参数为f；其中信道参数g为常数，信道参数h和信道参数f均为慢衰落信道，分别服从零均值的高斯分布：h～N(0，N_h)，f～N(0，N_f)，其中N_h代表信道参数h的方差，N_f代表信道参数f的方差；

步骤S2、定义RF信号源发送的BPSK信号为x(n)，x(n)有两种取值，分别为其中P_s为RF信号源的发送功率；定义B(n)为标签传递的二进制信息，标签反射时B(n)＝1，标签不反射时B(n)＝0；读写器接收端的接收信号y(n)表示为：

其中w(n)为噪声，服从零均值的高斯分布，方差为N_w，η表示x(n)在标签内部的衰减系数；

当B(n)＝0时，标签保持静默，读写器可根据单参数单隐藏变量的EM算法估计得出信道参数h的模值

当B(n)＝1时，标签与读写器之间的复合信道参数为μ，服从零均值，方差为N_μ的高斯分布：μ～N(0，N_μ)，其中N_μ＝N_h+σ²N_f，μ表示为：

μ＝h+σf (2)

其中σ＝ηg；

则将读写器接收端的接收信号y(n)简化为：

y(n)＝θ_mx(n)+w(n),m＝1,2>

其中θ_m代表标签不同反射状态下的两种信道参数h和μ；

步骤S3、定义迭代计数器n＝0，通过读写器接收端接收信号y(n)的模值与发送功率P_s粗略估计信道参数θ₁、θ₂的范围，进而根据信道参数θ₁、θ₂的范围确定迭代初值；

先定义如下变量q：

迭代初值的形式如下所示：

θ₁⁽⁰⁾＝q-ε,0<ε<q>

θ₂⁽⁰⁾＝q+ε,0<ε<q>

其中∈表示初值在q上的增量；

当在低信噪比的情况下，直接运用公式(12)、(13)设置迭代初值；当信噪比升高时，通过缩小∈的范围来刨除噪声的影响，当发送功率P_s满足以下条件时：

将∈的取值范围缩小到如下范围：

步骤S4、引入两个变量S_j和Q_j(i)分析读写器接收端接收信号y(n)中存在的两种隐藏变量x(n)与B(n)，其中S_j代表两种隐藏变量取值的两两组合，j＝1，2，3，4，Q_j(i)代表在已知接收信号y(i)的情况下，S_j发生的概率；

步骤S5、根据EM算法推导出Q_j(i)的表达式，具体如下所示：

其中，f(y(i)|S_i；θ_m)表示在已知S_i的情况下，y(i)的概率密度函数，p(S_i)表示每种S_i可能发生的概率，x_k表示在某一时刻n的发送信号，k＝a或b，e表示自然对数的底，i＝1，2，…N；

同理可得：

步骤S6、利用Jesen不等式，计算读写器接收端接收信号y(n)的似然函数的下界

接下来，把标签在不同反射状态下的信道参数θ₁、θ₂看成似然函数的下界的变量，分别对信道参数θ₁、θ₂求偏导，得到下一次迭代过程的信道参数取值，如下所示：

然后判断似然函数的下界是否收敛，是否满足收敛条件其中τ为任意大于0的常数，代表迭代算法的精度；若不满足收敛条件，则更新迭代计数器，n＝n+1，重复步骤S5-S6；若满足收敛条件，则得出信道参数的估计值：

步骤S7、计算与最终判断出：与模值距离更近的估计值为信道参数h的估计值，则另一个为信道参数μ的估计值。

在上述方案的基础上，步骤S4中，S_j与两个隐藏变量x(n)与B(n)的对应情况具体为：

当j＝1，m＝1时，x(n)的取值为x_a；

当j＝2，m＝1时，x(n)的取值为x_b；

当j＝3，m＝2时，x(n)的取值为x_a；

当j＝4，m＝2时，x(n)的取值为x_b。

附图说明

本发明有如下附图：

图1系统模型图。

图2均方误差与盲估计下界对比图。

图3均方误差随信号长度变化图。

图4本发明所述的无源反向散射通信信道的参数估计算法流程图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

如图1-4所示，本发明针对的系统模型如图1所示，此通信系统由三部分组成：一个RF信号源，一个读写器和一个标签组成。不同于传统的RFID系统，标签利用已有的RF信号源的射频信号与读写器进行通信，例如无线广播信号，无线电信号等等都可以作为系统中的RF信号源。通信原理如下：标签通过反射和不反射无线信号来表示0和1两种状态，其中反射与不反射两种状态是标签通过改变天线的阻抗来实现的。

假设RF信号源与读写器之间的信道参数为h，读写器与标签之间的信道参数为g，标签与信号源之间的信道参数为f。并假设参数h和f均为慢衰落信道，并且服从零均值的高斯分布(又称为正态分布)。即h～N(0，N_h)，f～N(0，N_f)。其中N_h，N_f代表相应信道参数的方差。由于读写器与标签之间的距离远小于读写器与RF源、标签与RF源的距离，因此假设读写器与标签之间的信道参数g为常数。假设RF信号源发送的BPSK信号为x(n)，两种取值分别为假设B(n)为标签传递的二进制信息，标签反射代表1，不反射代表0。η表示x(n)在标签内部的衰减系数。读写器接收端的接收信号y(n)可以表示为：

其中w(n)为噪声，服从零均值的高斯分布，方差为N_w。

当B(n)＝0时，标签保持静默，读写器可根据单参数单隐藏变量的EM算法估计得出信道参数h的模值

定义μ作为当B(n)＝1时标签与读写器之间的复合信道参数：

μ＝h+σf (2)

其中σ＝ηg。因此，复合信道参数μ也服从零均值，方差为N_μ的高斯分布，即μ～N(0，N_μ)，其中N_μ＝N_h+σ²N_f。读写器接收端的接收信号可以简化为：

y(n)＝θ_mx(n)+w(n),m＝1,2>

其中θ_m代表标签不同反射状态下的两种信道参数h和μ。

本发明中的信道盲估计算法的目的是读写器接收端根据接收信号y(n)同时估计出两种信道参数h和μ的模值。原理如下：

对于迭代初值的选择，本发明采用如下方式：定义迭代计数器n＝0，通过接收信号的模值与发送功率粗略估计两种参数θ₁、θ₂的真实值范围，进而根据其范围确定迭代初值，先定义如下变量q：

本发明选择的迭代初值如下形式：

θ₁⁽⁰⁾＝q-ε,0<ε<q>

θ₂⁽⁰⁾＝q+ε,0<ε<q>

其中∈表示初值在q上的增量；

低信噪比的情况下，估计性能不可避免会受到噪声的影响，可采用(12)、(13)的形式选定初值。当信噪比升高时，可以通过缩小∈的范围来刨除噪声的影响，获得更稳定的性能，当发送功率P_s满足以下条件时：

可以将∈的取值范围缩小到如下范围：

由于接收信号y(n)中存在两种隐藏变量x(n)与B(n)，且各有两种取值，我们引入两个变量S_j，Q_j(i)来帮助解析这种情况：

(1)S_j代表两种隐藏变量取值的两两组合四种情况，其中j＝1，2，3，4.

(2)Q_j(i)代表在已知接收信号y(i)的情况下，S_j发生的概率。

其中，S_j与两个隐藏变量的对应情况如表1所示：

S_jθ_mx(n)j＝1m＝1x_aj＝2m＝1x_bj＝3m＝2x_aj＝4m＝2x_b

Q_j(i)的表达式可根据EM算法原理推导出，

其中，f(y(i)|S_i；θ_m)表示在已知S_i的情况下，y(i)的概率密度函数，θ_m为未知信道参数；p(S_i)表示每种S_i可能发生的概率，x_k表示在某一时刻n的发送信号，k＝a或b，e表示自然对数的底，i＝1，2，…N；。同理可得：

接下来，利用Jesen不等式，可以计算接收信号似然函数的下界

把标签不同反射状态下的两种信道参数θ₁、θ₂看成似然函数的下界的变量，分别对信道参数θ₁、θ₂求偏导，得到下一次迭代过程的参数取值如下：

然后判断似然函数的下界是否收敛，是否满足收敛条件其中τ为任意大于0的常数，代表迭代算法的精度；若不满足收敛条件，则更新迭代计数器，n＝n+1，重复步骤S5-S6；若满足收敛条件，则得出信道参数的估计值：

最后计算与最终判断出：与模值距离更近的估计值为信道参数h的估计值，则另一个为信道参数μ的估计值。

综上所述，本发明的关键技术手段，一是引入变量S_j，θ_m来处理多个隐藏变量以及两种信道参数的情形，并作出推导得到公式(4)-(10)的闭合解；二是给出切实可行的迭代初值的取值范围，不仅不需要额外的信息，而且在迭代计算过程中区分开了两种参数的情况，拥有良好的估计性能，如图2、3所示。其中，MBCRB是一种改进的贝叶斯克拉美罗下界，主要应用于待估参数是已知先验信息的随机变量，且观测数据包含其他未知参数信息的情况，MBCRB略小于真正的下界。图4给出了本发明的算法流程图。

本发明的信道估计算法具体总结如下：

1、读写器接收端根据公式(11)-(15)的结果确定迭代初值，再根据公式(4)-(7)计算S_j每种情况可能出现的概率Q_j(i)，并计算接收信号的似然函数下界即EM算法中的E步。

2、根据上一步中Q_j(i)的结果，求导使似然函数下界最大化，并得到下次迭代的参数取值(9)-(10)，即EM算法中的M步。

3、重复上述两步，直到似然函数下界收敛。

4、在标签保持静默时，读写器可根据单参数单隐藏变量的EM算法估计得出参数h的模值进而计算与的值，最终判决与h模值距离更近的估计值为信道参数h的估计值，另一个为信道参数μ的估计值。

应用本发明的信道参数盲估计算法对利用无源反向散射通信技术的系统进行信道估计时，MSE随SNR的变化曲线如图2所示，在信号长度N＝10，SNR＝20dB时，MSE可以达到10^-2数量级，具有良好的估计性能。图3为MSE随信号长度变化的图像，从中可以看出，信号长度从2增加到10的过程中，曲线衰减程度很高，MSE逐渐降低，信号长度超过12以后，曲线趋于平缓，也就是说，本发明在信号长度较短的情况下即可近似获得最佳效果。

本发明的关键点在于：(1)对于多个隐藏变量、多个信道参数相关联的情形，通过引入变量S_j，θ_m来处理，并推导出迭代过程中间变量的闭合解。(2)对于迭代初值的设置，不需要获取额外的信息，且给出了明确的取值范围。

欲保护点：(1)反向散射技术中对于多隐藏变量、多参数估计的处理方法，及相应的理论推导结果。(2)反向散射技术关于迭代初值的设置方法与具体取值范围。

附件：

参考文献(如专利/论文/标准)

[1]Ma Xiaoqiang,Kobayashi Hisashi,Schwartz Stuart C.,Gu Daqing,andZhang Jinyun,“Expectation-maximization-based channel estimation and signaldetection for wireless communications systems”,U.S.Patent 7092436,August 15,2006.

[2]Xiaoqiang Ma,Hisashi Kobayashi,and Stuart C.Schwartz.2004.“EM-based channel estimation algorithms for OFDM”,EURASIP J.Appl.SignalProcess.2004(January 2004),1460-1477.

[3]S.Park,J.W.Choi,J.Y.Seol and B.Shim,"Expectation-Maximization-Based Channel Estimation for Multiuser MIMO Systems,"in IEEE Transactions onCommunications,vol.65,no.6,pp.2397-2410,June 2017.

[4]G.Wang,F.Gao,R.Fan and C.Tellambura,"Ambient BackscatterCommunication Systems:Detection and Performance Analysis,"in IEEETransactions on Communications,vol.64,no.11,pp.4836-4846,Nov.2016.

本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。