移动通信中一种快速收敛的多普勒频偏估计方法

合集下载

一种适用于高速移动水声通信的多普勒频移因子估计方法

一种适用于高速移动水声通信的多普勒频移因子估计方法

一种适用于高速移动水声通信的多普勒频移因子估计方法杨杰;周胜源;于峰崎【摘要】在水声通信系统中,大多数多普勒频移因子估计方法未能很好地处理相对运动速度较高时计算复杂度与估计精度之间的关系.针对该情况,提出基于快速傅里叶变换(FFT)测频和模糊度函数的联合估计方法.通过FFT对单频脉冲信号进行测频以确定多普勒频移因子的初步估计范围,再使用模糊度函数法在该范围内进行搜索,得到精确的多普勒频移因子.仿真结果表明,当信噪比大于-20 dB时,该方法在相对运动速度为-60 m/s~60 m/s时能保持高于0.02%的估计精度,且与单独使用模糊度函数的估计方法相比,具有较低的计算复杂度.【期刊名称】《计算机工程》【年(卷),期】2016(042)009【总页数】5页(P100-104)【关键词】水声通信;多普勒频移因子;模糊度函数;快速傅里叶变换测频;单频脉冲信号【作者】杨杰;周胜源;于峰崎【作者单位】桂林电子科技大学信息与通信学院,广西桂林541004;桂林电子科技大学信息与通信学院,广西桂林541004;中国科学院深圳先进技术研究院集成电子研究中心,广东深圳518055【正文语种】中文【中图分类】TN911.7中文引用格式:杨杰,周胜源,于峰崎.一种适用于高速移动水声通信的多普勒频移因子估计方法[J].计算机工程,2016,42(9):100-104.英文引用格式: Yang Jie,Zhou Shengyuan,Yu Fengqi.A Doppler Shift Factor Estimation Method for High Speed Mobile Underwater Acoustic Communication[J].Computer Engineering,2016,42(9):100-104.水声通信是海洋环境中进行信息传输的重要途径,且随着海洋经济的进一步开发,人们对水声通信技术的要求越来越高。

OFDM系统一种新的多普勒频偏估计方法

OFDM系统一种新的多普勒频偏估计方法
维普资讯
第2卷 第1 4 期
文章编号 : 0 94 (070 — 33 0 1 6— 38 20 )1 03 — 4 0



仿

27 月 0 年1 0
O D 系统 一 ห้องสมุดไป่ตู้ 新 的 多普 勒频 偏 估 计 方 法 FM
周雯, 邱玲 , 朱近康
a n v lme h d o si t g ma i m o p e h tf r OF M y tm. h t o k s u e o h a t ta h o e t o fe tmai x mu D p lr s i o D s se T e me h d ma e s ft e fc h t t e n f
t i p ita d t e r s l s o s t a h smeh d c n e t t e ma p l rs i f ci ey a d h s t e vt e h t h s o n h e u t h w h t i to a si e t x Do p e h te e t l n a h i st a n t ma h f v u
mu Do pe rq e c S h x i m o pe e u n yc nb c urdb aui gtev lct f o e h m p lrf u n y,Otema mu D p lrf q e c a ea q i ymes rn eo i o w rc a e r e h y p n
( 中国科学技术大学 电子工程与信息科学系个人通信与扩频实验室 , 安徽 台肥 202 ) 30 7 摘要 : 多普勒频偏估计 是移动通信系统 中的一个重要研究 内容。提出了一种 O D F M移 动通信 系统中新的多普勒频偏估 计方

5G高速移动系统中基于BP神经网络的多普勒频偏估计方法

5G高速移动系统中基于BP神经网络的多普勒频偏估计方法

5G高速移动系统中基于B P神经网络的多普勒频偏估计方法王增浩,杨丽花,程露,张捷,梁彦(南京邮电大学江苏省无线通信重点实验室,江苏南京210003 )摘要:提出了一种基于反向传播(back propagation,BP)算法训练的神经网络的多普勒频偏估计方法。

所提方法主要分成线下训练与线上估计两个阶段,首先利用随机多普勒频偏与接收的导频符号构建训练样本,然后利用训练样本对BP神经网络进行线下训练,完成输入与输出数据之间的映射关系,最后基于训练后的网络利用接收导频符号数据,进行线上多普勒频偏估计。

仿真结果表明,所提方法的估计性能远远优于现有方法,且具有较低的计算复杂度。

关键词:5G-NR;毫米波;高速铁路;BP神经网络;多普勒频偏估计中图分类号:TN929.5文献标识码:Adoi:10.11959/j.issn.1000-0801.2020124BP neural network based Doppler frequency offset estimationmethod for 5G high-speed mobile systemW A N G Zenghao,Y A N G Lihua,C H E N G Lu,Z H A N G Ji e,L I A N G YanJiangsu Key Laboratory of Wireless Communication, Nanjing University of Posts and Telecommunications, Nanjing 210003, ChinaAbstract:A BP neural network based Doppler frequency offset estimation method was proposed. The proposed me­thod was mainly divided into two stages: offline training and online estimation. Firstly, the training samples were constructed by using random Doppler frequency offset and received pilot signals, and then the training samples were used to train the BP neural network offline, which could complete the mapping relationship between input and output data. Then, based on the trained network, the received pilot signal was used to estimate the Doppler frequency offset online. Simulation results show that the performance of the proposed method is far superior to the existing method, and it has low computational complexity.Key words:5G-NR, millimeter wave, high speed railway, BP neural network, Doppler frequency offset estimation收稿日期:2019-11-01:修回日期:2020-04-02通信作者:杨丽花,****************.cn基金项目:江苏省科技厅自然科学基金资助项目(N O.B K20191378);江苏省高等学校自然科学研究面上项目(N O.18KJ13510034);第11批中国博士后科学基金特别资助项目(N O.2018T110530);国家自然科学基金资助项目(No.61401232, No.61671251, No.61771255)Foundation Items: The National Science Foundation Program of Jiangsu Province (N〇.BK20191378), The National Science Research Project of Jiangsu Higher Education Institutions (No. 18KJ13510034), The 11th Batch of China Postdoctoral Science Fund Special Funding Project (N〇.2018T110530), The National Natural Science Foundation of China (No.61401232, No.61671251, No.61771255)1引言近年来,科学技术和经济的快速发展,激发了高速铁路(high speed railway , H S R )的快速和 广泛发展。

OFDM移动通信系统中的最大多普勒频移估计

OFDM移动通信系统中的最大多普勒频移估计

很多环节如编码、调制、信道估计等等都需要 f d 的 信息, f d 的估计将影响整个O FDM 系统的性能.
目前已经提出了很多在单载波系统中基于自相 关函数估计 f d 和运动速度 v 的方法[1~ 3 ]. 在 O FDM 系统中, 为了对抗多径干扰, 通常把 O FDM 符号的 最后一部分复制后加到这个符号的前面, 称为保护 间隔 (G I). 这样, 一个含有 G I 的 O FDM 符号就有
k= 1
L
(4)
∑ 2 rq2 ( i′+ (k + N ) T s)
k= 1
式中, i′= ( i- 1) (N + L ) T s. 相应的相关器结构如图
2 所示.
图 2 相关器结构 F ig. 2 Structu re of the co rrela tion
由于 n (k ) 独立于 z (k ) , 在观察样本足够多的情 况下, 可以得到以下数学模型的统计关系:
司 源, 宋文涛, 罗汉文, 蔡觉平
(上海交通大学 电子工程系, 上海 200030)
摘 要: 为了估计移动正交频分复用 (O FDM ) 系统中衰落信道下的多普勒干扰, 提出了利用 O FDM 符号的循环前缀检测最大多普勒频移的方法. 在已有的单载波系统多普勒估计算法的基础 上, 结合O FDM 符号已有的循环前缀, 通过计算循环前缀的归一化自相关函数, 得到最大多普勒频 移. 在衰落信道下的计算机仿真结果表明, 该算法可以准确地估计出最大多普勒频移. 该方法只需 利用O FDM 符号的循环前缀, 不需要其他辅助数据或者插入导频, 可以方便地应用于现有O FDM 系统中. 关键词: 移动通信; 正交频分复用; 多普勒频移; 自相关 中图分类号: TN 929. 5 文献标识码: A
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

Abstract: The doppler-shift of the time-varying multi-path channel was estimated by calculating the level crossing rate (LCR) of the signal envelope of the channel coefficient estimates on the effective fingers. Because of the needed long observation time and large storage, we recommend to use the 1st order autoregressive(AR(1)) filter to shorten the observation time and storage requirement, and the estimation accuracy is guaranteed at the same time . Key words: mobile communication; doppler-shift; autoregressive filter; level rossing rate
另一个关键,其值可以根据式(6)确定,或者类
似于文献[4]中的指数平滑法处理。
4 仿真分析
系统采用的仿真参数如表 1 所示。下面给出计 算机仿真得到的 AR(1)滤波方法和不滤波方法估计 多普勒频偏的性能曲线。
表1
时隙长度 码片速率 导频符号长度 载频 信道模型 单点仿真时间长度 有效径数 编码方式 调制方式
足够长的观察时间长度和较大的存储量,文章利用一阶自回归滤波器进行改进,从而使得通信系统在各种移动速
度和信噪比下,都能在较短的观察时间长度内以较小的存储量得到可靠的多普勒频偏估计值。
关键词:移动通信;多普勒频偏;自回归滤波器;电平通过率
中图分类号:TN929.533
文献标识码:A
文章编号:1000-436X(2005)01-0136-06
2 系统模型
系统传输采用时隙为基本单元,与其他很多高速 数据传输系统类似,本系统的信道估计利用时分导频 实现,其数据符号和导频符号在不同的时刻交替发 送。一个时隙的帧结构如图 1 所示。
P D D …… D P …… P D D …… D P 图 1 一个时隙的帧结构
图 1 中,P 为导频符号,被设计成具有循环前 缀,以便在进行信道估计时去除码间串扰(ISI), D 为数据符号。一个时隙内的导频插入是均匀的。 系统接收端框图如图 2 所示。
·138·
通信学报
第 26 卷
上述两个条件不一定能满足,例如实时性很高的应 用场合要求较小的延时,存储资源紧张的应用场合 要求尽量少占用存储器。因此还需要对式(4)的 结果进行优化处理,本文中采用一阶自回归滤波来 达到这个目的。
从式(3)可以看出,第 n 时刻的预测值只 和(n−1)时刻的预测值以及 n 时刻的观测值有 关,式中权值 α 大说明观测值可靠度高,α 小说 明观测值可靠度低,实用中往往采用的是定系数 一阶 α 滤波, α 取值为 0.1 至 0.3[10]。需要指出 的是,选取 α 为较小的值,则新预测值更多地信 赖过去的预测值,失锁概率较小而收敛时间较 长,选取 α 为较大的值,则会有较快的收敛速度, 同时失锁概率也增大。α 的取值是失锁概率和收 敛速度的折衷,权衡的结果,设计了一种自适应 跳变α 滤波法,在跟踪建立阶段,取较大α 值, 在跟踪阶段,取较小α 值,为了区分两个阶段, 将设立一个误差的阈值,高于该阈值说明需要重 新建立跟踪,这是一阶 α 滤波的关键之一。误差 定义为
为接收的导频符号,n 为抽样时刻, v(n) 为复数加
性高斯白噪声(AWGN)。则图 2 中信道估计模块

估 计 出 的 L 径 信 道 参 数 为 C(n) =




(c0 (n), c1(n),Lcl (n),LcL−1(n)) ,其中 cˆl (n)( l =0,1,…
L−1)由式(2)确定
根据文献[9],多普勒频偏估计可以通过统计
LCR 来实现。为此取第 l 径相邻 K 个信道估计值
cˆl (n) 统计 LCR。假设 K 个 cˆl (n) 所对应的时间长度
为 T,且第 l 径信道估计的电平通过率为 Nl (n) ,则 移动终端第 l 个到达径的多普勒频偏 fˆd,l 为[9]
fˆd,l (n) ≈ Nl (n) T
信道参数变化的快慢程度取决于衰落信道的 多普勒频偏,移动终端的移动速度越快,多普勒 频偏越大,信道参数变化越快。根据第三代移动
通信系统的要求,移动终端应该具有从静止环境 到 500km/h 移动环境的适应能力,这要求移动终 端应能实时地估计出多普勒频偏,并根据多普勒 频偏来动态地调整系统参数,以获得最优的接收 性能。同时,由于很多频带都已经受到了容量限 制,为了更有效的利用频谱,自适应接收机技术 得到了广泛的重视。用于优化自适应接收机的参 数很多,最大多普勒频偏 fd 是最重要的参数之一, 它能被应用在很多方面,比如导频信道测量、资 源分配、切换判决和功率控制等[2~5,6]。这些自适 应优化算法都必须依赖于对多普勒频偏的有效估 计。多普勒频偏的估计方法包括基于信道自相关 特性的估计[5]、基于电平通过率(LCR)的估计[7] 和基于开关分集的估计[8]等。
f d
(n)
=
n−1
∑ (1 − α )kα
fˆ d
(n

k)
(7)
k =0
显然利用式(3)进行递推要比式(7)的 MA
模型更节省存储量。但式(7)在分析上更直观一
些,可以看到,离 n 越远的时刻,其观测值的权值
越小。利用α 取值可以人为地限定距离当前时刻为
k 的时刻的权值,α 的取值是自适应跳变α 滤波的
大于 et,就需要重新建立跟踪;只要误差小于 eo , 表明跟踪已经建立。 α ,α 为α 的最大与最小值
max min
(本文通过仿真确定为 0.6 与 0.2)。 如 果 用 无 限 长 的 滑 动 平 均 ( MA, moving
average)模型来说明式(3),可以看到第 n 时刻的 预测值和之前所有的观测值都有关,用公式表示
第 26 卷第 1 期 2005 年 1 月
通信学报
Journal on Communications
Vol. 26 No. 1 January 2005
移动通信中一种快速收敛的多普勒频偏估计方法
华惊宇,滑翰,盛斌,尤肖虎
(东南大学 移动通信国家重点实验室,江苏 南京 210096)
摘 要:时变多径信道的多普勒频偏可以利用有效到达径上信道包络的电平通过率进行估计,而可靠的估计需要
估计出多普勒频偏,送到一阶自回归滤波器注 1。滤
波后的输出就是需要的多普勒频偏估计值。
由图 2 通过广义平稳非相干散射(WSSUS)信
道模型后,导频信道第 l 径的接收信号为
rl (n) = cl (n)dp (n) +ν (n)
(1)
式中 cl (n) 为第 l 径第 n 个符号区间信道参数,dp (n)
3 移动信道的多普勒频偏估计和一阶自 回归滤波
图 2 接收端框图
图 2 中假设接收信号经历的多径衰落为 L 径。 接收端从基带接收信号提取导频符号送入信道估 计器,估计出的 L 径信道参数各自经过内插抑制噪 声后,输出到最强径搜索器,最强径搜索器统计 L 径的瞬时功率,选择最强径输出到多普勒频偏估计 模块。多普勒频偏估计模块不断进行 LCR 检测,
A fast convergent scheme for the doppler shift estimation in mobile communication systems
HUA Jing-yu, HUA Han, SHENG Bin, YOU Xiao-hu
(NCRL, Southeast University, Nanjing 210096, China)
cˆ l
(n)
=
rl
(n)d
* p
(n)
/
|
dp
(n)
|2
cl (n) + z(n)
(2)
式中 cˆl (n) 是 cl (n) 的符号瞬间估值,z(n)是 v(n)引入
的估计白噪声,方差为
σ
2 z

一阶自回归滤波器的滤波方程和 Z 变换如下
fd (n + 1) = α fˆd (n) + (1 − α ) fd (n)
1 引言
移动通信系统所涉及的信道通常为多径时变 衰落信道,其接收信号的幅度和相位会随时间发生 随机变化[1]。在此条件下,为实现移动通信系统的 相干接收,需要插入带有确知信息的导频信号。通 过接收导频信号,可以估计出多径信号的幅度和相 位信息,由此实现所需的相干接收。导频信号的插 入方式分为连续导频方式和时分导频方式,连续导 频容易获得较高的估计精度,但是牺牲了系统容量 和消耗较多的发射功率;时分导频则刚好补其不 足,但是信道估计处理算法相对复杂。
上述方法估计精度的一个重要制约因素是需
收稿日期:2003-12-21;修回日期:2004-08-03
第1期
华惊宇等:移动通信中一种快速收敛的多普勒频偏估计方法
·137·
要足够长的观察时间长度(从而需要较大的存储 容量)来获得正确的信道统计特性。本文利用有 效到达径上信道参数估计值包络的平均电平通过 率,估计出时变多径信道的多普勒频偏,并且针 对统计 LCR 需要的观察时间长度和存储量,提出 了利用一阶自回归滤波器(AR(1))来减小存储量, 得到可靠的估计值。仿真结果表明,该方法可以 大幅度减小存储量,使得通信系统在各种移动速 度和信噪比下都具有较短的估计收敛时间。
相关文档
最新文档