_
caseBanner
当前位置:首页 > 新闻资讯
信道估计图-从SISO到MIMO原理
发布时间:2021-02-23 17:12:36 浏览: 149次 来源:【jake推荐】 作者:-=Jake=-

1.简介

在所有通信中,信号会通过介质(称为通道),并且信号会失真,或者当信号通过通道时,会在信号中添加各种噪声。正确解码接收到的信号而没有太多错误的方法是从接收到的信号中消除由信道施加的失真和噪声。为此,第一步是了解信号通过的通道的特性。表征信道的技术/过程称为信道估计。此过程将解释如下。

信道模型预测

有许多不同的信道估计方法,但是基本概念相似。该过程进行如下。

i)建立一个数学模型,以使用“通道”矩阵将“发送信号”与“接收信号”相关联。

ii)发送已知信号(我们通常将其称为“参考信号”或“导频信号”)并检测接收到的信号。

iii)通过比较发送信号和接收信号,我们可以找到信道矩阵的每个元素。

作为此过程的示例,这里是LTE中此过程的简要介绍。当然,许多细节取决于实现方式(这意味着特定的算法可能因每个特定的芯片组实施方式而异)。但是,总体概念将是相似的。

2.常规算法

我们如何找出渠道的属性?也就是说,我们如何估算频道?从高角度看,它可以如下图所示。此图像显示以下内容:

i)我们嵌入了一组预定义的信号(这称为参考信号)

ii)当这些参考信号通过通道时,它们会与其他信号(衰减信道模型预测,相移,噪声)一起失真

iii)我们在接收机处检测/解码接收到的参考信号

信道模型预测_信道增益模型_信道模型验证

iv)将发送的参考信号与接收的参考信号进行比较,找到它们之间的相关性。

信道模型预测

3。 SISO频道估算

现在让我们考虑LTE SISO的情况,看看如何估计信道属性(信道系数和噪声估计)。由于考虑了SISO系统,因此参考信号仅嵌入到一个天线端口(端口0)中。资源图中的垂直线表示频域。因此,此处每个信号都由f1,f2,f3索引... fn参考信号每个参考符号可以是一个复数(I / Q数据)并且可以如下所示绘制:左侧(发送侧)的每个复数(参考符号)被修改(失真)为每个右边对应的符号(接收到的符号)信道估计是找到左边的复数数组和右边的复数数组之间的相关性的过程。

详细的估算方法可能在很大程度上取决于实现方式。这里描述的方法基于开放源代码:srsLTE(请参阅[1])

信道模型预测

3. 1信道系数估计

由于只有一个天线,所以每个发送参考信号和接收参考信号的系统模型可以表示如下。 y()表示接收到的参考信号的数组,x()表示发送的参考信号()的数组,h()表示信道系数的数组。 f1,f2,...只是整数索引。

信道模型预测

我们知道x()是什么,因为它被给定,而y()也知道,因为它是从接收器测量/检测到的。有了这些,我们可以轻松计算出如下所示的系数数组。

信道模型预测

现在,所有信道系数都位于参考信号的位置。但是我们需要在所有位置(包括没有参考信号的那些点)的信道效率。这意味着我们需要找到那些没有参考信号的位置的信道系数。为此,最常用的方法是对测得的系数数组进行插值。对于srsLTE,它首先求平均值,然后对平均信道系数进行插值。

信道模型预测

信道增益模型_信道模型验证_信道模型预测

3. 2噪声估计

下一步是估计噪声特性。从理论上讲,噪声可以计算如下。

信道模型预测

但是,我们需要的是噪声的统计属性,而不是确切的噪声值。如下所示,我们只能使用测得的信道系数和平均信道来估计噪声(实际上,准确的噪声值没有多大意义,因为噪声值会不断变化,并且使用那些特定的噪声是没有用的值)。在srsLTE中,作者使用了这种方法。

信道模型预测

4. 2 x 2 MIMO信道估计

假设我们有一个如下所示的通信系统。 x(t)表示发送信号,y(t)表示接收信号。当x(t)传输到空气(通道)时,它将变形并获得各种噪音,并且可能会相互干扰。因此广西快3 ,接收信号y(t)不能与发送信号x(t)相同。

信道模型预测

发射信号,接收信号和信道矩阵之间的关系可以用数学形式建模,如下所示。

在此等式中,我们知道值x1,x2(已知的发射信号)和y1,y2(检测/接收的信号)。我们不知道的部分是H矩阵和噪声(n1,n 2)。

为简单起见,我们假设通道中没有噪声,这意味着我们可以将n1,n2设置为0。(当然,实际通道中总会有噪声。估计噪声是噪声的非常重要的一部分通道估计,但我们假设此示例中没有噪音,只是为了简化起见。稍后,当我有了更好的知识时,用纯语言描述案件时,我会在案件中添加噪音)。

由于我们具有数学模型,下一步是传输已知信号(参考信号)并从参考信号中找到信道参数。

信道增益模型_信道模型预测_信道模型验证

假设我们仅通过一个天线发送幅度为1的已知信号,而另一个天线现在关闭。因为信号通过空气传播,所以接收器的两个天线都会检测到该信号。现在,假设第一天线接收幅度为0. 8的参考信号,第二天线接收幅度为0. 2的参考信号。有了这个结果,我们可以得到如下所示的一行信道矩阵(H)。

信道模型预测

假设我们仅通过另一个(第二个)天线发送了幅度为1的已知信号,并且第一个天线现在处于关闭状态。因为信号通过空气传播,所以接收器的两个天线都会检测到该信号。现在,假设第一天线接收幅度为0. 3的参考信号,第二天线接收幅度为0. 7的参考信号。有了这个结果,我们可以得到如下所示的一行信道矩阵(H)。

信道模型预测

够简单吗?我认为理解这个基本概念没有问题。但是,如果完全如上所述使用此方法,则可能会导致效率低下。根据以上解释的概念,应该存在一个时刻,仅发送参考信号而没有实际数据,只是为了估计信道信息,这意味着由于信道估计过程,数据速率将降低。为了消除这种低效率,实际的通信系统会同时发送参考信号和数据。

现在的问题是“如何在同时传输参考信号和数据的同时实现上述概念?”。可以有几种不同的方法来执行此操作,并且不同的通信系统将使用某些不同的方法。

以LTE为例,我们使用以下所示的方法。在LTE中为2 x 2 MIMO的情况下,每个子帧的每个天线的参考信号的位置都不同。天线0的子帧发送分配给天线0的参考信号,不发送分配给天线1的参考信号的信号。天线1的子帧发送分配给天线1的参考信号的信号,不发送到参考天线的任何信号。分配给天线0的信号。因此og真人 ,如果分配给天线0的参考信号的资源元素在两个接收器天线上解码英超下注 ,则可以估计h11,h12。 (这里,为简单起见,我们还假设没有噪音)。如果在两个接收天线上解码分配给天线1参考信号的资源元素,则可以估计h21和h22。

信道模型预测

4. 1信道系数估计

上述过程是在LTE OFDMA符号中频域中特定点处测量\(H \)矩阵。如果在对符号的其他部分进行解码时按原样应用测量的H值,则解码后的符号的准确性可能不令人满意,因为在上一步中使用的测量数据将包含一定程度的噪声。因此,在实际应用中,对通过上述方法测得的\(H \)的值进行一些后处理。在后处理过程中,我们可以找出噪声的整体统计属性(例如,平均值,方差和统计分布)。要记住的一件事是,在此过程中获得的特定噪声值本身并没有多大意义。从参考信号获得的特定值将不同于用于解码其他数据的噪声值(非参考信号),因为噪声值随机变化。但是,这些随机噪声的总体特征可能是重要的信息(例如,用于SNR估计等)。

在继续之前,让我们再次简要地考虑数学模型。即使我们如下描述系统方程,其中包括噪声项,这也不意味着您可以直接测量噪声。是不可能的。这个等式仅表明检测到的信号(y)包含一部分噪声分量。

因此,当我们测量信道系数时,我们使用了没有噪声项的设备,如下所示。

信道增益模型_信道模型验证_信道模型预测

在LTE的特定应用中,我们在OFDM符号中有多个测量点(多个参考信号)。这些测量点在频域中表示。因此,让我们如下重写信道矩阵以指示每个信道矩阵的测量点。

现在,假设您已经测量了整个OFDM符号上的H矩阵,那么您将拥有多个\(H \)矩阵,如下所示,每个矩阵表示具有特定频率的H矩阵。

信道模型预测

现在您有了一个\(H \)矩阵数组。数组由四个不同的组组成,每个组以不同的颜色突出显示,如下所示。

信道模型预测

在应用后处理算法时,该算法需要分别应用于这些组中的每一个。因此,为简单起见,我将\(H \)矩阵的数组重新排列为多个独立的数组(在此示例中为4个数组),如下所示。

信道模型预测

对于这些数组中的每一个,我将进行如下所示的相同处理。 (每个芯片组制造商可以采用略有不同的方法,但总体思路是相似的)。在以下说明的方法中,使用IFFT处理数据(每个频点中的信道系数阵列),这意味着将dta转换为时域,从而生成标记为[2)]的时域数据阵列。是特定通道路径的脉冲响应。然后,对时域数据应用特定的过滤(或加窗)。在本示例中,将特定点处的数据替换为零,并创建标签为[3)结果。您可以应用更复杂的滤波器或窗口来代替此简单的调零体育外围 ,然后,通过将滤波后的通道脉冲数据转换回频域,

信道模型预测

通过对所有四个阵列执行相同的过程,可以获得“估计信道系数阵列”的四个阵列。从这四个数组中,您可以按以下方法重建估计的信道矩阵的数组。

信道模型预测

信道模型预测_信道模型验证_信道增益模型

4. 2噪声估计

使用此估计的信道矩阵,您可以使用以下公式来估计每个点的噪声值。这与本页开头的原始系统方程式相同,除了将H矩阵替换为“ estimated H”矩阵外,现在我们知道除噪声值以外的所有值。因此,通过插入所有已知值,我们可以计算(估计)每个测量点的噪声值。

信道模型预测

如果将此等式应用于所有测量点,则将获得所有测量点的噪声值,并且将从这些计算出的噪声值中获得噪声的统计属性。如上所述,这里计算出的每个单独的噪声值不是很有意义,因为该值不能直接应用于解码其他信号(非参考信号),但是这些噪声的统计特性对于确定噪声可能非常重要。有用的信息。渠道的本质。

信道模型预测

注意:如果您对在实际应用中如何使用此算法感兴趣,强烈建议您阅读/尝试使用参考文献[2]和[3]。

参考:

[1] srsLTE:\ srslte \ lib \ ch_estimation \ Chest_dl.c-srslte_chest_dl_estimate_port()

[2]信道估计(Mathworks,LTE工具箱)

[3] NR同步程序

[4]

有关更多精彩内容信道模型预测钱柜体育 ,请关注订阅号优化和算法,并加入QQ论坛1032493483以获取更多信息

信道模型预测

返回列表
二维码
扫一扫,在线询价