第4讲信道估计.ppt

-3
-2
-1
0
1
2
3
4
5
13
Ior/Ioc(dB)
2GHz，100km/h，3径下 采样率对性能的影响
100 1/8 chip 1/4 chip 1/2 chip
10-1
FER
10-2
-3
10
2020/10/17
-3
-2
-1
0
1
2
3
4
5
14
Ior/Ioc(dB)
2020/10/17
15
信道估计算法的改进
hn[p-1]
2020/10/17
+
p1
z[n]
x[n] hn[k]u[n k] w[n]
k=0
n 0,1,..., N 1
7
w[n]
原理：FIR模型的系统辩识
相关法
u[n]
z[n] x[n]
h
Σ
hˆ
w[n]
Delay m
重写信道的最小方差无偏估计量
hˆ = (U TU )1U T x
伪噪声序列条件下，U TU N MuI
2020/10/17
2
基础：MSE估计的例子
A a
1
N 1
x[n]
N n0
mse( ) E[( )2 ]
mse( A) a2 2 (a 1)2 A2
N
E
E E 2
对a求导，
2
var(
)
E
dmse( A) 2a 2 2(a 1) A2＝0
da
N
a＝
A2
A2
2
/
N
2020/10/17
3
基础：线性模型的最小方差 无偏估计量
无偏
E[ˆ]
最小方差准则
限制估计是无偏的且为线性，寻找最小方差估 计
2020/10/17
4
基础：线性模型的最小方差无偏估计量
线性模型的观测数据表示为：x = Hθ + w
x是N 1的输入矢量
H是已知的N p的观测矩阵（N p）,秩为p
19
车速估计（2）
电平交叉率（LCR）是指Rayleigh衰落包络 归一化为本地RMS（均方根）信号电平后， 以正斜率穿过某一指定电平的速率，每秒 电平交叉的数目为：
NR
r' p(R, r' )dr'
0
2 fm e2
NR 2 fme1 0.92 fm
2020/10/17
20
例一： GSM系统
2020/10/17
所以，hˆ[i]
1
N 1
u[n
i]x[n]
rux [i ]
N Mu n0
Mu
8
原理：FIR模型的系统辩识
估计效果的评估
信号与估计误差比（signal－esitmation_error）
h2 e E[ h 2 ]
噪声的影响
Mu h
2 w
2
归一化因子
n
e
2 w
Mu E[ h
多重回归过程
d (n) w0H (n)u (n) (n)
马尔科夫过程
多重回归过程
ω(n)
w0(n+1)
z-1I
w0(n)
uH(n)
d(n) Σ
aI
2020/10/17
v(n)
18
车速估计（1）
基于多普勒频移 的速度测量方法
基于电平交叉
基于方差
包络 检测
幅度 检测
高阶 检测
2020/10/17
➢ 信道不理想／缺陷／信道时变特性 ➢ 均衡器、ＲＡＫＥ接收机等需要信道
信息 ➢ 数字处理技术发展，可完成复杂运算
2020/10/17
6
原理：FIR模型的系统辩识
关键问题是探测信号的选取（MacWilliams 和Sloane 1976证明应选取伪噪声序列）
u[n]
Z-1
Z-1
Z-1
hn[0]
hn[1]
发射端
数据源（含CRC、卷积编码、交织器） GMSK调制器
移动信道 接收端
解调器/均衡器 解交织器和解码器
2020/10/17
21
源数据序列
全速率语音业务（TCH/FS，13.3kbps） 信道
正常突发序列包括前后各58个信息比特、 中间的26比特训练序列以及首尾各3个尾 比特
训练序列的一种：Biblioteka Baidu
序列的统计特性
噪声（干扰）强度与统计特性
系统参数：AD精度、采样精度
信道统计特性、时变特性
算法的收敛速度
算法的稳定性
2020/10/17
12
2GHz，100km/h，3径信道下 AD量化比特数对性能的影响
100 AD=10 AD=8 AD=6 AD=4
10-1
FER
10-2
10-3
2020/10/17
模型 （信道估计）滤波器输入平稳，抽头是时变的 （自适应均衡）滤波器输入和抽头都是时变的
v(n)
信道模型
u(n)
d(n) ＋
e(n)
w0(n)
Σ
Σ
－
2020/10/17
y(n) w(n)
自适应滤波器
17
原理：时变系统的跟踪（2）
一阶马尔科夫过程 wo (n 1) awo (n) (n)
上讲内容
无线移动信道的特点
模型 多径（频率选择性）和移动（多普勒扩展）
信道问题及解决
失真 干扰和噪声（损耗）
CDMA系统
频率选择性的慢衰落 信号问题和有关技术
2020/10/17
1
本讲内容
信道估计的目的 基本原理： FIR模型的系统辩识 信道估计方法概述 影响信道估计精度的因素及其改进 信道估计算法举例（GSM和CDMA）
10
信道估计的方法和分类
按照优化准则分类
最小均方误差MMSE 基于最小二乘的信道估计
最大似然估计ML 基于训练序列的信道估计
最小二乘LS ...
基于相关的信道估计
按照有无训练序列 数据辅助信道估计
非盲信道估计
基于判决反馈的信道估计
盲信道估计
半盲信道估计
2020/10/17
11
影响信道估计精度的原因
2]
2020/10/17
9
原理：FIR模型的系统辩识
实际系统和辩识系统的输出差
x[n] xˆ[n] (z[n] xˆ[n]) w[n]
N1
(h[i] hˆ[i])u[n i] w[n] i0
其方差为 M xE[ h 2 ] + 2
输出估计误差的方差 噪声功率
2020/10/17
估计精度改进
信号设计：构造良好的训练序列／短训练与跟踪相结 合（时隙导频）
基于迭代的信道估计（利用解码或均衡器提供的附加 信息）
插值、滤波与预测
收敛速度改进
开环和闭环(迭代)
跟踪速度改进
维纳滤波和卡尔曼滤波
其它改进
估计信道变化速率
2020/10/17
16
原理：时变系统的跟踪（1）
θ是p 1的待估计参数矢量
w是N 1的噪声矢量，PD F为Gauss(0， 2I)
则M V U 估计量是无偏的，且达到的Crame-Rao限，为
ˆ = (HT H)1HT x
其中，ˆ的协方差阵为Cˆ 2 (HT H)1，
2020/10/17
且ˆ为Gauss(0， 2 (HT H)1 )
5
为什么要进行信道估计？