信道估計

信道估計簡介

　　所謂信道估計，就是從接收數據中將假定的某個信道模型的模型參數估計出來的過程。如果信道是線性的話，那么信道估計就是對系統(tǒng)沖激響應進行估計。需強調的是信道估計是信道對輸入信號影響的一種數學表示，而“好”的信道估計則是使得某種估計誤差最小化的估計算法。

　　信道估計的定義

　　通過信道估計，接收機可以得到信道的沖激響應，從而為后續(xù)的相干解調提供所需的CSI。

信道估計百科

　　所謂信道估計，就是從接收數據中將假定的某個信道模型的模型參數估計出來的過程。如果信道是線性的話，那么信道估計就是對系統(tǒng)沖激響應進行估計。需強調的是信道估計是信道對輸入信號影響的一種數學表示，而“好”的信道估計則是使得某種估計誤差最小化的估計算法。

　　信道估計的定義

　　通過信道估計，接收機可以得到信道的沖激響應，從而為后續(xù)的相干解調提供所需的CSI。

　　信道估計的背景及意義

　　無線通信系統(tǒng)的性能很大程度上受到無線信道的影響，如陰影衰落和頻率選擇性衰落等等，使得發(fā)射機和接收機之間的傳播路徑非常復雜。無線信道并不像有線信道固定并可預見，而是具有很大的隨機性，這就對接收機的設計提出了很大的挑戰(zhàn)。在OFDM系統(tǒng)的相干檢測中需要對信道進行估計，信道估計的精度將直接影響整個系統(tǒng)的性能。為了能在接收端準確的恢復發(fā)射端的發(fā)送信號，人們采用各種措施來抵抗多徑效應對傳輸信號的影響，信道估計技術的實現(xiàn)需要知道無線信道的信息，如信道的階數、多普勒頻移和多徑時延或者信道的沖激響應等參數。因此，信道參數估計是實現(xiàn)無線通信系統(tǒng)的一項關鍵技術。能否獲得詳細的信道信息，從而在接收端正確地解調出發(fā)射信號，是衡量一個無線通信系統(tǒng)性能的重要指標。因此，對于信道參數估計算法的研究是一項有重要意義的工作。

　　信道估計的分類

　　信道估計算法從輸入數據的類型來分，可以劃分為時域和頻域兩大類方法。頻域方法主要針對多載波系統(tǒng)；時域方法適用于所有單載波和多載波系統(tǒng)，其借助于參考信號或發(fā)送數據的統(tǒng)計特性，估計衰落信道中各多徑分量的衰落系數。從信道估計算法先驗信息的角度，則可分為以下三類：

　?。?） 基于參考信號的估計。該類算法按一定估計準則確定待估參數，或者按某些準則進行逐步跟蹤和調整待估參數的估計值。其特點是需要借助參考信號，即導頻或訓練序列?；谟柧毿蛄泻蛯ьl序列的估計統(tǒng)稱為基于參考信號的估計算法。

　　基于訓練序列的信道估計算法適用于突發(fā)傳輸方式的系統(tǒng)。通過發(fā)送已知的訓練序列，在接收端進行初始的信道估計，當發(fā)送有用的信息數據時，利用初始的信道估計結果進行一個判決更新，完成實時的信道估計。

　　基于導頻符號的信道估計適用于連續(xù)傳輸的系統(tǒng)。通過在發(fā)送的有用數據中插入已知的導頻符號，可以得到導頻位置的信道估計結果；接著利用導頻位置的信道估計結果，通過內插得到有用數據位置的信道估計結果，完成信道估計

　?。?） 盲估計。利用調制信號本身固有的、與具體承載信息比特無關的一些特征，或是采用判決反饋的方法來進行信道估計的方法。

　?。?） 半盲估計。結合盲估計與基于訓練序列估計這兩種方法優(yōu)點的信道估計方法。一般來講，通過設計訓練序列或在數據中周期性地插入導頻符號來進行估計的方法比較常用。而盲估計和半盲信道估計算法無需或者需要較短的訓練序列，頻譜效率高，因此獲得了廣泛的研究。但是一般盲估計和半盲估計方法的計算復雜度較高，且可能出現(xiàn)相位模糊（基于子空間的方法）、誤差傳播（如判決反饋類方法）、收斂慢或陷入局部極小等問題，需要較長的觀察數據，這在一定程度上限制了它們的實用性。

　　信道估計算法

　　目前我所涉及的是短波寬帶無線信道下的接收端的處理，包括捕獲、同步、信道估計及信道均衡，還有譯碼。百度百科里是這樣解釋這種信道的：短波通信發(fā)射電波要經電離層的反射才能到達接收設備，通信距離較遠，是遠程通信的主要手段。由于電離層的高度和密度容易受晝夜、季節(jié)、氣候等因素的影響，所以短波通信的穩(wěn)定性較差，噪聲較大。因此在仿真的時候，著重仿真的是系統(tǒng)在加了噪聲、多徑、衰落情況下的接收端的性能。在接收端，捕獲同步以后，信道估計就顯得尤為重要，因為信道估計的好壞直接影響了后續(xù)的信道均衡性能。

　　對信道估計的算法也有了諸多了解，包括常見的RLS、LMS、MMSE等，還有最近在研究的壓縮感知信道估計，包括貪婪算法的MP、OMP、SP以及凸優(yōu)化算法中的LS0、LS0-BFGS、LS0 -FR。總的來說，對于快衰落（信道隨時間變化比較快的，短波無線信道就是）信道信道的估計都需要用到已知序列。

　　在單載波頻域均衡（SC-FDE）系統(tǒng)中是在未知數據中間插入已知的訓練序列，通過上述的估計算法估計出已知訓練序列處的信道，再通過一定的插值算法插出未知數據處的信道。這種系統(tǒng)的信道估計一般都是在時域完成的。因此已知序列的選取就需要一定的要求，通常選取自相關性能好的序列，例如Chu（Zadoff-chu）是通訊信號發(fā)出的一種序列，Chu（Zadoff-Chu）序列具有非常好的自相關性和很低的互相關性。

　　還有另外一種系統(tǒng)叫多載波正交頻分復用（OFDM）系統(tǒng)，在未知數據中插入導頻（導頻圖案的設計也是研究的一個方向），通過頻域的插值，完成信道估計。

　　最初，我依據Chu序列的很好的自相關性，采用了自相關法來估計信道，在信噪比高于5dB的時候，比較接近實際的信道，但是信噪比再低的時候，性能就差強人意。于是我就想有沒有一種在極低信噪比情況下依然可以準確估計出信道的，于是我研究了一下壓縮感知算法中的OMP算法（MP、OMP的算法理論），這種類型的壓縮感知算法相較于RLS等經典的算法區(qū)別為：主要利用了信道的稀疏特性。這種算法的思想其實是將所要估計的信號通過基矩陣轉換到一個能體現(xiàn)出其稀疏特性的域中，因為一般情況下信號是無法表現(xiàn)出稀疏特性的，但是，一般的信號都可以在某個域中表現(xiàn)出稀疏特性，這樣只要此時的測量矩陣滿足RIP特性就OK了。

　　由于時域的均衡需要計算矩陣的逆，因此復雜度比較大，因此，一般情況下，是通過加入循環(huán)前綴來形成信號與信道的循環(huán)卷積特性，從而將均衡放在頻域做。循環(huán)前綴跟訓練序列其實作用是不同的，一個是為了形成循環(huán)信道，頻域均衡減少計算的復雜度，同時還可以作為保護間隔，避免將ISI延伸至下一個數據塊。而訓練序列是為了信道估計，有的人還用它做同步調整。在OFDM中，他們是兩個部分，一般是先插入導頻，再加入循環(huán)前綴，具體結構如下圖：

　　壓縮感知信道估計主要用于OFDM系統(tǒng)，由于其導頻是在頻域體現(xiàn)出插值特性的，因此是做的頻域信道估計。因此，可以尋求一定的基矩陣，例如傅里葉變換基，把信道從頻域轉化為時域，時域的信道表現(xiàn)出稀疏特性。從而可以用壓縮感知方法恢復出來，然后再用基矩陣恢復出頻域的信道。

　　影響壓縮感知信道估計性能的因素主要有三個：

　　1）導頻圖案的選擇。導頻圖案的選擇和長度決定了觀測矩陣的導頻圖案的選擇，決定了壓縮感知算法中觀測矩陣的形狀。

　　2）導頻圖案的長度。由于壓縮感知技術實際上是一種數據壓縮技術，而當把壓縮感知技術應用到信道估計中時，稀疏多徑信道就變成了原始數據，導頻信息經過信道的過程就變成了數據觀測的過程，接收到的導頻信息就變成了壓縮后的數據，而數據的長度 N相當于信道的長度，壓縮后的數據長度 M 相當于導頻數量，對于稀疏多徑信道來說，顯然N》》M。因此，使用壓縮感知技術的信道估計，只需較少的導頻數量，就能得到信道的完整估計。

　　3）信號重構算法。使用不同的重構算法，都會使信道估計的性能有所差異。

　　而在SC系統(tǒng)中，用訓練序列直接就可以在時域估計信道，而且由于循環(huán)前綴的存在，觀測矩陣為拓普利茲矩陣，也滿足RIP特性，因此可以用壓縮感知方法，就不需要轉換域了。僅僅依靠信號重構算法的不同帶來的好處有多少，我本人也不是非常清楚。但是根據我對壓縮感知算法中的OMP、SP、LS0、LS0-FR、LS0-BFGS算法仿真結果來看，性能跟自相關法是一樣的。仿真得到的信道就是發(fā)送的訓練序列的循環(huán)矩陣的逆與接收到的訓練序列的乘積。

　　到現(xiàn)在為止，我對一點弄不明白，就是時域均衡的話，對于訓練序列而言，接收到的訓練序列跟發(fā)送的訓練序列都是已知的話，那么不論用哪種方法，所估計出來的信道都大體是一樣的，這樣估計出來的信道包括了噪聲帶來的誤差等，如何能在極低的信噪比情況下估計出最逼近真實信道的信道，到目前為止，我還不清楚，能不能做到，我也不清楚。這是到目前為止我對信道估計的一點認識和疑惑。如有問題敬請指出。