CN101227438B - 基于小波无偏风险阈值去噪的ofdm信道估计方法 - Google Patents

Abstract

本发明公开了一种基于小波无偏风险阈值去噪的OFDM信道估计方法，它涉及通信技术领域，其目的在于采用该方法可以在不需要信道信息的条件下有效地解决LS方法易受噪声影响的问题，该方法的实现过程为：(1)按照基于导频的OFDM系统的LS信道估计方法，求得含噪声的信道频域响应。(2)对求得的信道频域响应做逆离散傅立叶变换得到含噪声的信道时域冲击响应。(3)用基于小波无偏风险阈值去噪方法对含噪声的信道时域冲击响应进行去噪处理，得到去噪后的信道时域冲击响应。(4)对去噪后的信道时域冲击响应做离散傅立叶变换，得到信道的频域响应，用去噪后的信道频域响应对接收信号进行补偿。该方法可用于各种多径信道下的OFDM信道估计技术中。

Description

基于小波无偏风险阈值去噪的OFDM信道估计方法

技术领域

本发明属于通信技术领域，涉及信号处理技术，具体地说是一种基于小波无偏风险阈值SURE去噪的正交频分复用OFDM信道估计方法，该方法可用于各种多径信道环境下的信道估计技术中。

背景技术

进入21世纪以来，无线通信技术正在以前所未有的速度向前发展。为了支持更高的信息传输速率和更高的用户移动速度，在下一代的无线通信中必须采用频谱效率更高，抗多径干扰能力更强的新型传输技术。在当前能提供高速率传输的各种无线解决方案中，以正交频分复用OFDM为代表的多载波调制技术是最有前途的方案之一。而且OFDM技术已经成功地应用于非对称数字用户线、数字音频广播、高清晰度电视、无线局域网等系统中。为了获得较好的性能，OFDM系统一般采用相干检测技术，在基于相干检测的OFDM系统中，信道估计性能的好坏直接关系到整个系统性能的优劣，所以OFDM信道估计技术成为OFDM系统的关键技术之一。

目前OFDM信道估计方法，从大的角度可以分为盲估计和非盲估计方法。在基于OFDM的新一代无线通信系统中，由于传输速率较高，并且需要使用相干检测技术获得较好的性能，因此通常使用非盲估计方法来获得较好的估计效果，这样可以更好地跟踪无线信道的变化从而提高接收机性能。非盲估计方法可分为面向判决(全导频)方法和导频辅助调制(离散导频)方法。按实现准则，OFDM信道估计方法可以分为最小均方误差MMSE方法，最小二乘LS方法和最大似然估计MLE方法等，其中MLE和LS两种方法是等效的。按照滤波器实现及其结构，OFDM信道估计方法又可以分为二维滤波和两个一维系统级联滤波方法。

从理论分析和实现的效果来看，采用基于MMSE准则的信道估计器可以取得较好的效果，但是由于基于MMSE的信道估计器需要知道信道的统计特性，而在实际系统中我们不能或者很难得到这些统计特性，而且实现复杂度高，不能直接用于实际系统中。采用LS准则的估计器不需要知道信道的统计特性，实现也较为简单，但是其易受噪声的影响，估计效果较差，尤其是在低信噪比时性能更是如此。根据这两种典型估计方法的优缺点，很多文献提出了相关的改进方法。针对MMSE高复杂度的缺点，瑞典的O.Edfors在IEEETrans.On Communications，1998，46(7)：931-939《OFDM channel estimation bysingular value decomposition》提出了基于奇异值分解的方法，使得实现的复杂度有了一定的降低，但是该方法要预知信道的统计特性，所以不适于实际系统。因此，有很多文献针对实现较为简单的LS估计方法提出了改进方案，即将LS估计的结果通过逆离散傅立叶变换将频域序列变换到时域进行去噪处理，再通过离散傅立叶变换反变换到频域，从而消除噪声的影响。荷兰的Jan-Jaap van de Beek在IEEE VTC’1995，Chicago，USA，1995，2：815-819《Onchannel estimation in OFDM systems》提出了在时域选择能量较大径的主径选择MST方法，除去那些只含有噪声的径，该方法在一定程度上可以减小噪声的影响，但是易受定时误差和信道状况的影响。韩国的Yeon-Su Kang在IEEEVTC-2006 spring，Melbourne，Vic，2006：2592-2596.《OFDM channel estimationwith timing offset for satellite plus terrestrial multipath channels》提出了一种基于门限判决的去噪方法，根据本文中提出的方法选定噪声门限，将小于噪声门限的估计值视为噪声去除，从而减小噪声干扰，但是该方法性能的优劣取决于门限的选择，门限选择过大可能导致丢失有用信息，估计性能急剧恶化。

从上面的分析可以看出，目前尚没有一种可以有效地抑制噪声的OFDM信道估计方法。

发明的内容

本发明的目的在于：针对上述OFDM信道估计方法的不足，提出了一种基于小波无偏风险阈值去噪的OFDM信道估计方法，从而有效地解决了LS方法易受噪声影响的问题，同时该方法不需要知道信道的任何先验信息，也不受定时误差和信道环境的影响。

本发明的技术方案是：本发明基于小波无偏风险阈值去噪的OFDM信道估计方法的具体实现过程如下：

(1)、按照基于导频的OFDM系统的LS信道估计方法，求得含噪声的信道频域响应。

(2)、对求得的信道频域响应做逆离散傅立叶变换，得到含噪声的信道时域冲击响应。

(3)、用基于小波无偏风险阈值去噪的方法，对含噪声的信道时域冲击响应进行去噪处理，得到去噪后的信道时域冲击响应。

(4)、对去噪后的信道时域冲击响应做离散傅立叶变换，得到信道的频域响应，利用去噪后的频域响应对接收信号进行补偿。

上述的信道估计方法，所说的按照基于导频的OFDM系统的LS信道估计方法，求得信道的频域响应，其具体实现过程如下：

(1)、在基带OFDM系统的发送端插入导频序列，经过星座映射、快速傅立叶反变换IFFT，并添加循环前缀后传送到发送端进行发送。

(2)、在发送端发送的信号经过多径无线信道的衰落和高斯白噪声的干扰后到达接收端。

(3)、在接收端对接收信号去除循环前缀，做快速傅立叶变换FFT和星座逆映射，再提取导频序列。

(4)、根据LS估计原理，利用在发送端插入的导频序列和在接收端提取的导频序列，求得信道的频域响应。

上述的信道估计方法，所说的利用基于小波无偏风险阈值去噪方法，对离散小波系数进行去噪处理，得到去噪后的信道时域冲击响应，其具体实现过程如下：

(1)、对含噪声的时域信道冲击响应做离散小波变换，得到含噪信号的小波系数。

(2)、选择阈值判决函数，并根据无偏风险阈值去噪的原理，求每一个小波分解层上的阈值。

(3)、按照选定的阈值判决函数和求得的每一个小波分解层上的阈值，对所有小波分解层上的小波系数进行判决处理，就得到去噪后的小波系数。

(4)、对经过去噪后的小波系数做逆离散小波变换，得到去噪后的信道的时域冲击响应。

本发明与现有技术相比的主要优点是：

1、本发明不需要信道的相关特性以及延时等先验信息，就可以达到较好的估计性能。

2、本发明不受定时误差的影响。由于基于小波的无偏风险阈值去噪方法，不需要用传统的延时估计方法确定信道响应的有效径数，所以对定时误差不敏感。仿真结果表明该方法在离散多径数较多时会表现出更优越的性能。

3、由于该发明所用到的去噪方法是一种根据实时信号自适应改变判决阈值的方法，所以该方法有较强的稳健性。

附图说明

图1是本发明的实现流程图

图2是本发明基于导频的OFDM系统LS信道估计方法流程图

图3是本发明中基于小波无偏风险阈值去噪的流程图

图4是在莱斯信道环境下本发明与所提的2种信道估计方法的均方误差MSE性能比较图

图5是在莱斯信道环境下本发明与所提的3种信道估计方法的误比特BER性能比较图

图6是在瑞利信道环境下本发明与所提的3种信道估计方法的误比特BER性能比较图

具体实施方式

参照图1，它是本发明的实现流程图，从图中可以看出本发明的具体实现步骤如下：

(1)、根据OFDM系统的基本原理，用LS估计方法估计含噪声的信道频域响应H(k)，其中1≤k≤N，k是子载波序号，N是子载波总数。

(2)、对得到的信道频域响应H(k)，做N点逆离散傅立叶变换，就得到含噪声的信道时域冲击响应h(n)，1≤n≤N，h(n)＝IDFT(H(k))

(3)、对信道的时域冲击响应h(n)做离散小波变换，得到小波系数，由所有的小波系数组成小波系数矩阵 $\hat{d}={\left({\hat{d}}_{j,k}\right)}_{J\×K_i},$

是第j层的第七个小波系数，其中1≤j≤J，1≤k≤K_j，J是小波分解的最大分解层数，K_j是第j层小波系数的个数。按照无偏风险阈值去噪的方法对离散小波系数进行去噪处理，得到去噪后的小波系数

将

做逆离散小波变换，就可以得到去噪后的信道时域冲击响应

(4)、最后对信道的时域冲击响应做离散傅立叶变换，可以得到去噪后的信道频域响应H_wd(k)，利用去噪后的频域响应对接收信号进行补偿。

参照图2，它是本发明中基于导频的OFDM系统LS信道估计方法流程图，结合附图说明其实现步骤：

(1)、在数据流中插入导频序列，即将N_p个导频X_p(k)均匀地插入数据子载波中，为了实现方便，在此导频取固定值为1+i。然后进行星座映射和快速傅立叶反变换，再加入长度大于信道最大时延的循环前缀CP，以消除载波间干扰，得到发送信号x_cp(n)并发送至无线信道。

(2)、发送信号x_cp(n)经过多径的无线信道衰落和高斯白噪声干扰后，到达接收端，接收信号y(n)可以表示为：

               y(n)＝x_cp(n)

h(n)+w(n)                 (1)

式中，

表示离散卷积，w(n)是高斯白噪声，h(n)是信道冲击响应，

$h\left(n\right)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{h}_l{e}^{j(2\mathrm{\π}/N)f_{D_l}\mathrm{Tn}}\mathrm{\δ}(\mathrm{\λ}-{\mathrm{\τ}}_l),0\≤n\≤N-1---\left(2\right)$

其中，L是信道时域响应的离散径数，h_l是第l径的复冲击响应，f_Dl是第l径的多普勒频移，λ和T分别是延时指数和采样周期，τ_l是第l径由采样周期归一化的延时。

(3)、在接收端对接收信号y(n)去除循环前缀，做快速傅立叶变换，然后进行星座逆映射，提取导频序列Y_p(k)，

           Y_p(k)＝X_p(k)H(k)+W(k)，k＝0，1，…N_p-1           (3)

其中，Y_p(k)为接收端解调得到的第k个子载波上的星座符号，H(k)为第k个子载波的信道频域响应，W(k)为频域上均值为0，方差为σ_f ²的高斯白噪声。

(4)、根据LS估计的原理，按照下式得到信道的频域响应

${\hat{H}}_{\mathrm{LS}}\left(k\right)=\frac{Y_p\left(k\right)}{X_p\left(k\right)}---\left(4\right)$

参照图3，它是本发明中基于小波无偏风险阈值去噪的流程图，结合附图说明其实现的具体步骤：

(1)、把含噪声的信道时域冲击响应

做J层离散小波变换，得到小波系数矩阵 $\hat{d}={\left({\hat{d}}_{j,k}\right)}_{J\×K_j},$ 将每一层的小波变换后的小波系数按照绝对值由小到大的顺序排列得到 ${\hat{d}}_j=[{\hat{d}}_{j,1},{\hat{d}}_{j,2},...,{\hat{d}}_{j,K_j}],$ 其中 $\left|{\hat{d}}_{j,1}\right|\≤\left|{\hat{d}}_{j,2}\right|\≤\·\·\·\≤\left|{\hat{d}}_{j,K_j}\right|.$

(2)、选择阈值函数并按照无偏风险阈值去噪的原理在每个小波分解层上求该层的阈值η_j。在此选择美国的Gao.HY.在Comput.Graph.Statist，1998，7(4)：469-488.《Wavelet shrinkage denoising using the non-negativegarrote.J》中提出的Gao阈值判决函数。利用无偏风险估计理论，在每个小波分解层上，求出应用Gao阈值函数所对应的二阶风险的无偏估计然后选择使该无偏估计最小的阈值作为最佳的阈值。求二阶风险的无偏估计

$R^G({\mathrm{\η}}_j,{\hat{d}}_j)=[r_{j,1},r_{j,2}\·\·\·,r_{j,K_j}]---\left(5\right)$

其中，

$r_{j,k}=K_j-2k+\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{\hat{d}}_{j,i}^2-({\hat{d}}_{j,k}^4+{\hat{d}}_{j,k}^2)\underset{i=k+1}{\overset{K_j}{\mathrm{\Σ}}}{\hat{d}}_{j,i}^{-2}---\left(6\right)$

求使得r_j，k最小的小波系数 ${\mathrm{\λ}}_j=\arg \underset{{\hat{d}}_j}{\min }\left\{r_{j,k}\right\},$ 再通过，

               η_j＝σ_jλ_j                         (7)

可以求得第j层的最佳阈值η_j。

式中σ_j是第j层小波系数的噪声强度，且

${\mathrm{\σ}}_j=\mathrm{median}\left(\right|{\hat{d}}_{j,k}\left|\right)/0.6745---\left(8\right)$

(3)、根据每一层的阈值η_j和选定的阈值判决函数即，Gao阈值函数

$S_{{\mathrm{\η}}_j}^G\left({\hat{d}}_{j,k}\right)=\left\{\begin{array}{cc}0,& \left|{\hat{d}}_{j,k}\right|{\≤\mathrm{\η}}_j\\ {\hat{d}}_{j,k}-{{\mathrm{\η}}_j}^2/{\hat{d}}_{j,k},& \left|{\hat{d}}_{j,k}\right|{>\mathrm{\η}}_j\end{array}\right.---\left(9\right)$

对第j层的小波系数

按照上式(9)进行判决处理，得到第j层去噪后的小波系数。对所有层的小波系数处理完毕后，即可得到去噪后的小波系数

(4)、最后对处理后的小波系数做逆离散小波变换，就得到去噪后的信道冲击响应h_wd。

以下对本发明的技术效果做进一步详细描述。

假定采用如下的系统参数：OFDM基带系统带宽为2.5M，4倍过采样，采样频率为10M。数据采用16QAM调制，子载波数N为1024，根据仿真的环境选择循环前缀长度N_CP为64，采用基于梳状导频模式，128个导频子载波均匀分布在数据子载波中。信道采用GSM推荐05.05标准信道模型，参数见表1。多普勒频移为10Hz。在MST方法的仿真中，选取L_max为循环前缀长度。在对本文提出的方法进行仿真时，选择’db1’小波，最大分解层数为5。

                  表1信道模型

	瑞利		莱斯
					路径数	平均功率(dB)	延时(微妙)	平均功率(dB)	延时(微妙)
1	-3.0	0.0	0.0	0.0
					2	0.0	0.2	-4.0	0.1
3	-2.0	0.5	-8.0	0.2
					4	-6.0	1.6	-12.0	0.3
5	-8.0	2.3	-16.8	0.4
					6	-10.0	5.0	-20.0	0.5

图4到图6给出了仿真的结果。其中图4是在莱斯信道环境下，LS估计方法、MST估计方法和本文提出方法的最小均方误差MSE性能比较图。可以看出，在达到同样均方误差性能的情况下，本发明的方法较传统的LS估计方法性能提高了4-6dB，较MST方法性能也提高了2-4dB。进一步证明了本发明采用基于最小化MSE的无偏风险阈值去噪方法较传统方法性能有很大改善。图5是在莱斯信道下，LS估计方法、MST估计方法、本发明提出的方法和理想估计方法的误比特BER性能的比较图，正如前面的理论分析，MST方法由于去除了部分噪声的影响，性能略优于LS估计方法，而本发明的方法性能较LS和MST方法均有所提高，在信噪比大于12dB时，该方法的性能接近于理想估计方法的性能。图6是在瑞利信道下，LS估计方法、MST估计方法、本发明提出的方法和理想估计方法的误比特性能的比较图，可以看出，本发明的方法性能明显优于LS和MST方法。瑞利信道各径能量比较分散，表现出稀疏多径的特性，本发明利用小波阈值去噪的方法可以有效地去除各径之间的噪声，与莱斯信道下的性能相比较，本发明的方法在能量较分散的多径环境下可以获得更高的增益。

Claims (1)

1.一种基于小波无偏风险阈值去噪的OFDM信道估计方法，其具体实现过程如下：

(1)、按照基于导频的OFDM系统原理，在频域等间隔插入导频，再利用LS信道估计方法，求得含噪声的信道频域响应；

(2)、对求得的信道频域响应做逆离散傅立叶变换，得到含噪声的信道时域冲击响应；

(3)、对含噪声的信道时域冲击响应做离散小波变换，得到含噪声信号的小波系数；根据Gao阈值判决函数和无偏风险阈值去噪的原理，求每一个小波分解层上的阈值；按照Gao阈值判决函数和求得的每一个小波分解层上的阈值，对所有小波分解层上的小波系数进行判决处理，得到去噪后的小波系数；对经过去噪后的小波系数做逆离散小波变换，得到去噪后的信道时域冲击响应；

(4)、对去噪后的信道时域冲击响应做离散傅立叶变换，得到信道频域响应，利用去噪后的信道频域响应对接收信号进行补偿。

Images