卫星移动通信系统短突发结构信道估计方案

王 英，周 伟，吴彦奇，李 云

（1.重庆邮电大学 计算机科学与技术学院，重庆400065；2.重庆邮电大学 移动通信技术重点实验室，重庆400065；3.北京市华力创通科技股份有限公司，北京100094）

0 引 言

卫星移动通信系统［1］中，卫星发出的信号经过空间传输，被地面的卫星通信终端接收。信号的幅度和相位在空间传输的过程中受到了乘性干扰的影响，为了能够正确恢复发射端发送的比特信息，接收机必须对信道的影响进行估计和补偿。

信道估计有非盲估计、盲估计和半盲估计等方法。卫星移动通信系统中，在发送端发射的信号的适当位置插入训练符号［2］，在接收端利用这些训练符号估计出信道信息，用于相位补偿或者信号的均衡，目前对于卫星移动通信信道的研究大多出于对长突发结构的研究，研究方法从基于实现准则上可以分为基于最小均方误差 （MMSE）［3］、最大似然准则 （MLE）和最小平方 （LS）等，本文将对卫星移动通信系统中的短突发结构信道估计方法进行研究。

1 帧结构和信道模型

无线传输信道的特性对通信质量有着重要的影响，由于多径效应和移动台运动等因素，使得卫星移动信道对传输信号在幅度、频率和相位上造成了畸变。接收的信号受到多径、多普勒效应引起的频率选择性、时间选择性衰落而失真。移动无线信道基带冲激响应模型［4］可表示为

式中：αi（t，τ）、τi（t）——在t时刻第i个多径分量的幅度、时延。2πfcτi（t）＋φi（t，τ）——第i个多径分量在自由空间传播造成的相移，再加上信道中的附加相移。N为多径分量个数。

在卫星移动通信系统中，信道多为带有直视径的莱斯信道，而且多径延迟扩展在900ns以内［5］，相对于符号周期在2%以内，因此可以近似认为多径延迟扩展为0，即上述信道模型中τi（t）＝0。以欧洲地球静止轨道卫星移动通信系统GMR－1为例，其信道模型如图1所示。

图1 卫星移动通信系统信道模型

此信道模型为莱斯信道［6］，一条直视路径和一条延迟为0的瑞利衰落路径的叠加，其中K 表示莱斯衰落因子，为直视路径信号的功率与瑞利衰落路径信号功率的比值的对数值，单位为dB。

在GMR－1中，NT3 突发是一种短突发结构，用于承载TCH3逻辑信道的话音信息或者FACCH3逻辑信道的控制信息，如图2所示。

图2 帧结构

其中的Data Symbols部分用于承载经过编码调制的话音信息，Training Symbols部分为收发两端已知的训练符号，用于做信道估计或者载波跟踪。由图1的卫星通信信道模型知，系统信号模型可以写为如下形式

2 卫星移动通信系统描述

卫星移动通信系统模型如图3所示。

图3 卫星通信系统模型

如图3，发送端数据比特经过卷积编码、星座映射后得到发送符号，在发送符号中加入已知训练符号用于信道估计，通过无线信道后，得到接收符号序列y［n］，并抽取训练序列符号与本地参考训练符号做相关得到训练符号处信道估计系数，选择合适的信道估计方法进行信道系数估计，得到数据信息处的信道估计系数序列，将用于信道均衡，并将经过均衡的符号输出，进行星座解映射并译码输出得到最终的信息比特序列。

3 基于训练序列的信道估计方案

这种短突发结构只有在突发中间插入一段训练序列符号，且训练序列符号的个数很少只有8个，在进行信道估计时无法通过内插来估计数据符号处的信道响应。但是由于突发所占时间较短，可以认为在这个短突发内信道变化很小，即h［n］≈h，因此可以通过积分来抵抗噪声的影响。

训练序列符号处的信道系数［7］估计为

因此，通过平均而使信道估计的准确度得到的提高为

式中：Nt越大，增益越大。

4 基于软判决反馈的信道估计方案

对于短突发，其训练序列符号个数太短，信道估计开销较大，通过仿真可以看出，即使在AWGN 条件下，也有1dB损失。这就要求对信道估计方案做进一步改进。由于突发较短，信道变化很小，基于最小均方误差的维纳滤波的方法基本退化为积分。

基于软判决反馈方法［8］的主要思路为：首先用前面的方法进行信道估计，然后对突发信号做信道均衡，进行解调译码得到信息比特的估计值，再将信息比特重新编码调制，得到突发信号的估计，这样就可以将整个突发的符号都作为已知的训练序列符号进行信道估计。将得到的信道估计用于信号的均衡，再次解调译码。

如图4所示，接收端首先从y［n］中抽取接收的训练序列符号，利用上文中描述方案得到第一次信道估计值。根据后验概率，假设发送端信号等概率发送，则第一位比特的LLR［9］（对数似然比）可以表示为

同理第二位比特

图4 判决反馈信道估计方案

因此这里将此操作分为两步：

（1）对接收符号的均衡，可以表示为

（2）将均衡后的符号做QPSK 解映射

然后再进行解交织、补零、卷积译码，得到对信息比特的估计。将所得信息比特估计值重新编码、打孔、交织、调制得到整个突发符号的数据部分估计值，用于第二次信道估计。则通过数据部分得到的信道估计值为

与训练序列部分得到的信道估计值做平均可得

由于软判决结果可能出现误码，当译码存在误码时经过软判决反馈所得到的突发符号的估计值并不准确，需要做出进一步优化。主要思路是：

经过软判决反馈后，所有数据部分符号与接收的数据符号做相关得到每个数据符号位置的信道估计值［n］，经计算得出信道估计值［n］的相位值φd［n］和平均处理过后的信道估计值的相位值φavg＿all［n］，通过仿真发现，剔除满足的［n］值可以最大程度的剔除错误突发符号处的信道估计值，得到新的数据部分信道估计值［n］（n ＝1，2…Nd－M）。M 为剔除的信道估计值个数，［n］和［n］构成的新信道估计值序列，软判决反馈信道估计系数为

因此，通过软判决反馈信道估计的准确度相对于第一次信道估计得到的提高为

对接收符号再次均衡

经过QPSK 解映射、解交织、补零、卷积译码得到信息比特。

5 仿真结果

仿真在matlab环境下进行，仿真了欧洲电信标准委员会 （ETSI）规定的GMR－1规范的TCH3业务信道。TCH3业务信道信息比特采用 （2，1，6）咬尾卷积码进行编码，然后进行打孔，交织，QPSK 调制，最终加入训练符号形成NT3突发后发到信道上去。GMR－1给出的信道模型有3个：AWGN 信道、RICIAN＿10＿9信道和RICIAN＿200＿12信道，其中AWGN 信道为高斯白噪声信道，RICIAN＿10＿9表示多普勒频移为10Hz，莱斯因子为9dB的莱斯信道，RICIAN＿200＿12表示多普勒频移为200Hz，莱斯因子为12 dB的莱斯信道，莱斯信道模型如图1所示。接收端的信号处理流程如图3所示，其中卷积译码采用维特比译码［10］方法。

仿真结果如图5、图6 和图7 所示，Ideal曲线表示使用已知信道信息进行信道均衡的误帧率，AVG 曲线则是只使用训练符号的信道估计方法得到的误帧率，DFE 即为本文提出的软判决反馈信道估计方法的误帧率。从图中可以看出，在AWGN 信道下DFE 在误帧率方面取得了0.8dB的增益，RICIAN＿10＿9 信道下取得了0.3dB 左右增益，而在RICIAN＿200＿12信道下取得了1.3dB左右的增益。

图5 AWGN 信道下误帧率性能曲线

图6 RICIAN＿10＿9信道下误帧率性能曲线

图7 RICIAN＿200＿12信道下误帧率性能曲线

6 结束语

在卫星移动通信系统中，为取得较好的译码性能，需要进行信道估计和补偿。对于短突发帧结构，由于其训练序列只有一段，并且较短无法进行插值操作，仅利用训练序列处的信道估计信息取得的结果并不理想。软判决反馈方法通过对初次信道估计结果进行反编译，优化，再编译，相当于增加了参与估计的有效训练符号个数，该方案使卫星移动通信系统解调性能在底、高速莱斯信道下得到较大的提高。该方案已经在接收机中实现，其软硬件实现复杂度和处理延迟也在可接受的范围内。

［1］ETSI TS 101 376－5－7.GEO－mobile radio interface specifications part 5：Sub－part 1：Physical layer on the radio path ［S］.European Telecommunications Standards Institute，Sophia Antipolis，2011.

［2］ETSI TS 101 376－5－2.GEO－mobile radio interface specifications part5：Sub－part 2：Multiplexing and multiple access［S］.European Telecommunications Standards Institute，Sophia Antipolis，2011.

［3］WANG Jun，LI Shaoqian.Soft－output MIMO MMSE OSIC detector under MMSE channel estimation ［C］／／Communications and Networking in China，2008：1117－1121

［4］Proakis JG.Digital communication［M］.ZHANG Lijun，transl.5th ed.Beijing：Publishing House of Electronics Industry，2011：578－579（in Chinese）. ［Proakis JG.数字通信 ［M］.张力军，译.5版.北京：电子工业出版社，2011：578－579.］

［5］Barreau V，Vigneau W，Macabiau C，et al.Kalman filter based robust GNSS signal tracking algorithm in presence of ionospheric scintillations［C］／／6th ESA Workshop on Satellite Navigation Technologies and European Workshop on GNSS Signals and Signal Processing，2012：1－8.

［6］Tian Jingwen，Gao Meijuan，Zhou Shiru.Modeling for mobile communication fading channel based on regression support vector machine［C］／／International Conference on Networks Security，Wireless Communications and Trusted Computing，2009：683－687.

［7］Yong Soo Cho，Jaekwon Kim，Won Young Yang，et al.MIMO－OFDM wireless communications with MATLAB ［M］.SUN Kai，transl.Beijing：Publishing House of Electronics Industry：2013：160－163 （in Chinese）. ［Yong Soo Cho，Jaekwon Kim.Won Young Yang，等.MIMO－OFDM 无线通信技术及MATLAB 实现 ［M］.孙锴，译.北京：电子工业出版社，2013：160－163.］

［8］Andalibi Z，Nguyen HH，Salt JE.Soft iterative channel estimator for BICM－ID－SSD over time－varying flat fading channels［C］.Wireless Telecommunications Symposium，2009：1－5.

［9］Song Linqi，Wang Jun，Pan Changyong，et al.A normalized LLR soft information demapping method in DTMB system［C］／／11th IEEE Singapore International Conference on Communication Systems，2008：1297－1301.

［10］Saleh TS，Marsland I，El－Tanany M.Simplified LLR－based Viterbi decoder for convolutional codes in symmetric alpha－stable noise［C］／／25th IEEE Canadian Conference on Electrical＆Computer Engineering，2012：1－4.