赵鑫, 周小林
(复旦大学 信息科学与工程学院,上海 200433)
基于延时功率谱LMMSE的高铁LTE下行链路信道估计算法研究
赵鑫, 周小林
(复旦大学 信息科学与工程学院,上海 200433)
LTE系统是当前国内外研究的热点之一,也是当下高铁主要应用的场景,其中,信道估计算法是影响系统性能的主要因素之一。针对高铁LTE下行链路,研究了大区制宏基站3个站点6个RRU基于OFDM的信道估计算法,在高铁快速场景下,在莱斯多径的现实模型中,使用传统的MMSE算法性能较差,对于这种情况,提出了基于延时功率谱的LMMSE信道估计算法,利用时频域滤波和多次频域测量做频偏校准。针对这些改进算法,分别在理想情况和实际情况下进行了仿真实验。结果表明,提出的信道估计算法不仅有较低的复杂度,而且比传统的MMSE算法性能要高,是一种很有效的适合当前高铁场景的信道估计算法。
LTE; 高铁; 信道估计
我国高速铁路的不断建设和提速,引发了人们在列车运行空间进行高质量通信的需求。高铁的高速移动给无线通信带来了诸多不利的通信环境。高速运动会引发多普勒频率扩展,导致在低速环境下可以忽略的多普勒频移效应在高速环境下被迅速放大,这对传统的信道估计造成了严重影响[1][2]。根据高铁目前的运营状态以及未来发展趋势与要求,无线覆盖方案必须满足300 km/h几以上高速行驶要求,同时高铁穿透损耗大,小区间频繁切换,对于信道估计而言,毫无疑问是个巨大的挑战。
以往对于传统的OFDM系统,主要的信道估计方法有两种,基于LS的信道估计算法和基于MMSE的信道估计算法[3-5],利用LS信道估计算法结合线性插值可以很快的估计出信道参数,计算量小,但是对于像高铁这样的复杂环境误差很大,而MMSE算法在传统的OFDM系统中性能较高,然而高铁环境与传统的OFDM系统相差较大,现实中的高铁环境是莱斯信道衰落模型,一味地套用传统的信道估计方法,性能会非常差,为此,需要一种适用于高铁移动环境下的信道估计算法。
本文的主要工作是针对当前的高铁场景提出了一种新的信道估计算法,基于延迟功率谱的LMMSE信道估计算法,并做了仿真实验,将理想信道与实际信道的性能进行对比分析,得出结论。接下来从系统模型和算法描述两方面写了解决方案,之后做了仿真分析,最后得出结论。
1.1 系统模型
在实际中高铁行驶过程中的信号接收情况,如图1所示。
图1 实际高铁行驶系统模型
图1描述了高铁在行驶过程中的信号接收情况,该系统整体是一个宏基站配置,每个小区BBU(Building Base band Unit,基带处理单元)配置6个RRU(Radio Remote Unit,射频拉远单元),每个站挂两个RRU,因此一个小区覆盖3个站点,高铁行驶速度为300 km/h,每两站间相距850 m,站与铁轨的距离为150 m,RRU的高度是25 m,同一站点上两个RRU的间距为1.1 m,基站的天线为双天线的MIMO天线,天线增益为20.5 dB,水平方向半功率角为33°,基站天线摆放角度为30°/150°。
而为了减少小区切换的次数,采用的是BBU+RRU+多幅天线的网络覆盖方案,属于同一小区的多幅天线沿告诉铁路部署,从而减少切换频率以提高网络性能。这种方案中,同一小区内的天线下面不存在切换,通过相应的基带处理,单小区可以跨越多个RRU覆盖区,可以根据容量的需求,来合理规划小区的覆盖范围,RRU呈带状分布于铁路沿线两边,保持对高速铁路的无缝覆盖,实现与告诉列车的不间断通信。
对于信道估计,主要是信道模型,高铁场景的信道模型是由一条Los径与多条反射径组合而成的,而这些反射径服从瑞利分布,其信道冲激响应可以表示为式(1)。
(1)
其中,P代表多径数,τ(k)和akejα(k)分别为第k射径的时延和增益系数。
1.2 算法描述
信道估计模块包括以下几个子模块,如图2所示。
图2 所设计的高铁信道估计算法流程图
(1) LS信道估计子模块(LSEst)
(2) 第一次频域测量(M1-F1)
(3) 频域滤波子模块(FilterF)
利用频域维纳滤波输出的信道估计结果,完成频偏foffset估计。
(4) 频偏校准和时域滤波子模块(FreCal&FilterT)
(5) 第三次频域测量(M1-F3)
1.2.1 信道时域相关的近似
时域相关的计算可以采用经典的Jakes功率谱。
经典功率谱分布:
经典的功率谱密度分布函数,为式(2)。
(2)
其中,下标J表示Jakes功率谱。
(3)
1.2.2 信道频域相关的近似
频域相关的计算也需要考虑两种不同的延迟功率分布,分别是:延时功率谱为负指数分布和均匀分布。其中,均匀分布情况下,可以通过对信道冲激响应的时域移位将该频域方向相关系数矩阵从复数矩阵转换为全实数矩阵,具体实现过程在后面做详细描述。
延时功率谱为负指数分布,此时延时功率谱服从,为式(4)。
(4)
其中,C为常数,τm为第m径的多径时延,τrms为均方根时延扩展,L0为最大多径时延。
(5)
在一般的通信系统中,L0远大于τrms,因此e-L0/rrms的值趋近于0,此时上式可以简化为式(6)。
(6)
延时功率谱为均匀分布,均匀分布的延时功率谱满足为式(7)。
(7)
其中,L0为最大多径时延,一般L0≤L,L为CP长度。
则频域相关系数由上式的傅立叶变换获得式(8)。
(8)
Rk-k'()=EH⌒k()H⌒
图3 延时均匀功率谱LMMSE估计流程
具体步骤为:
相位旋转,街旋转还可以从信道冲激响应时移,解时移的角度来理解。
为了验证方案的性能,本文进行了相关的系统仿真,在实际的通信链路平台上进行实现。仿真所用的是LTE协议中的单发双收的系统,所采用信道模型为Cost rax259,该模型具有一条主径,九条反射径,与高铁场景比较相似,所以可用来验证方案的性能。
总帧数为10 000帧,分别在理想信道下和实际信道的两种不同算法下下得出误帧率和吞吐量,传统MMSE算法是一种基于时域自相关函数满足第一类零阶贝塞尔函数的信道估计算法,最后将三者比较。得到结果,如图4所示。
图4 所提算法与传统MMSE算法BLER比较
图4是实际信道与理想信道的两种不同算法下BLER的比较结果,可以看出,在理想信道下,当SNR达到16时,误帧率已经到极限,在实际信道中,下降趋势和理想信道相同,对应于每个SNR,改进算法和传统算法的BLER的差别非常大,改进算法的性能显然优于传统算法,因为系统误差的原因,最终收敛于9*10^(-4)左右。
从图4、图5可以看出,在实际信道下,应用所提出的信道估计算法,得出的误帧率与吞吐量,从数据结果看出,无论是误帧率还是吞吐量,随着SNR改变的趋势与理想信道相同,并且随着SNR增高时,在大小上逐渐与理想信道下的数据接近,而且无论是误帧率还是吞吐量,都明显优于传统的MMSE估计算法。由此可见,所提出的信道估计算法是一个实际上可行,性能较好的一个方法。
图5 所提算法与传统MMSE算法吞吐量比较
针对实际的高铁场景,以LTE帧结构为基础,提出了一种基于演示功率谱同时与时频域滤波相结合的信道估计算法,分别在时域和频域运用相关估计算法,以LS估计算法为基础,进行了多次测量估计,得到最终的结果。并运用该信道估计算法,在实际的LTE链路中进行了相关的仿真,将理想信道与实际信道下的信道估计作对比分析,在仿真结果中可以看出,在误帧率方面,所提出的算法要高于传统算法11 dB左右,同时在吞吐量方面更加接近于理想信道估计。最终可以得出,本文所提出的信道估计算法是一个实际可行而且性能较高的信道估计算法。
[1] X. Wang, G. Wang, J. Sun, Y. Zou. Channel Estimation with New Basis Expansion Model for Wireless Communications on High Speed Railways[C]. 2016 IEEE 83rd Vehicular Technology Conference (VTC Spring), Nanjing, 2016: 1-5.
[2] 宋腾辉. 高铁场景下OFDM/MIMO系统多普勒频偏估计算法研究[D].北京:北京交通大学,2016.
[3] R. C. Rana, J. M. Rathod. Performance Analysis of Different Channel Estimation Techniques with Different Modulation for VBLAST MMSE MIMO-OFDM System[C]. 2016 International Conference on Wireless Communications, Signal Processing and Networking (WiSPNET), Chennai, 2016: 236-239.
[4] M. Razavi, T. Ratnarajah. Adaptive LS- and MMSE-based Beamformer Design for Multiuser MIMO Interference Channels[J]. IEEE Transactions on Vehicular Technology, 65(1): 132-144. 2016.
[5] Y. S. Hussein, M. Y. Alias, A. A. Abdulkafi. On Performance Analysis of LS and MMSE for Channel Estimation in VLC Systems[C]. 2016 IEEE 12th International Colloquium on Signal Processing & Its Applications (CSPA), Malacca, 2016: 204-209.
[6] 王亚林. LTE-A系统中信道估计技术研究[D].武汉邮电科学研究院,2016.
[7] F. Lin, Y. Chang, X. Dai, Q. Li, A. Li. Methods for Downlink Performance Enhancement in HST SFN[C]. 2016 IEEE 27th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC), Valencia, 2016: 1-6.
[8] Y. Zakharov, Zheng Delai. Weighted LS Multiuser Channel Estimation for LTE[C]. 2015 IEEE 16th International Workshop on Signal Processing Advances in Wireless Communications (SPAWC), Stockholm, 2015: 405-409.
Research on Channel Estimation Algorithm Based on Delay Power Spectrum LMMSE for LTE Downlink of High Speed Rail
Zhao Xin, Zhou Xiaolin
(School of Information Science and Technology, Fudan University, Shanghai 200433, China)
LTE system is a hot research topic now, and is mainly applied in high-speed rail. The channel estimation algorithm is one of the main factors that affect the throughput. For LTE downlink, this paper studies the channel estimation algorithm based on the district system macro base station which includes three sites and six radio remote units. In the high speed scene, the performance of the traditional MMSE algorithm is bad in the Race channel model. In the result, we propose an LMMSE channel estimation algorithm based on delay power spectrum. In addition, we use frequency domain filtering and multiple frequency measurement to calibrate the frequency offset. The simulation experiments are carried out under ideal conditions and actual conditions respectively. The results show that the proposed channel estimation algorithm not only has low complexity, but has about 11dB gain than the traditional algorithm in performance. It is a very effective channel estimation algorithm.
LTE; high speed rail; channel estimation
国家自然科学基金(No.61571135)
赵鑫(1994-),男,硕士研究生,研究方向:无线通信。
周小林(1973-),男,副教授,研究方向:无线通信。
1007-757X(2017)08-0001-03
TP311
A
2017.05.02)