高铁5G移动通信系统Multi-TRP上行信道估计及性能研究

陆志伟，王海龙，王东明，宋铁成，陈建平

随着5G的商用部署,高铁场景下5G系统的性能成为业界的关注热点。在列车高速移动场景下,信息传输过程中存在多普勒效应,小尺度衰落快速变化,相干时间较短,使系统的传输算法设计,尤其是高精度信道估计变得更加困难,导致系统性能提升较为困难［1］。另外,由于高铁场景对移动通信的时延和可靠性要求极高,且5G的工作频段较高,实现全路范围覆盖的成本高,故给统筹5G专网建设和铁路主数据中心等业务需要带来很大的挑战［2］［3］。

5G NR的Release 16采用了Multi-TRP技术,即多个收发节点通过协作为用户终端服务,实现低时延、高可靠传输。高铁场景下,传统技术不能满足高速率、高可靠性、短时延的通信业务需求［4］,采用Multi-TRP技术虽可以提高系统的可靠性,但是也引入了更大的挑战。列车高速运行时,终端到不同的TRP的距离、角度等各不相同,导致终端到不同TRP的多普勒频偏、时延、角度等信道统计信息不同。因此,在列车高速移动场景下采用Multi-TRP技术时必须考虑这些因素,改进现有的传统信道估计方法。

1 Multi-TRP的系统模型和信道模型

在5G通信网络环境下,以列车高速移动作为主要研究背景,对采用了Multi-TRP技术的上行信道进行信道估计和检测技术研究。Multi-TRP作为5G NR的R16增强高速移动场景下的关键技术,可通过对多个TRP进行数据块的重复发送,以获得更高的增益及链路可靠性［5］。采用时分复用的方式,以时隙为单位,在多个TRP上进行同一数据块的重复传输。每次数据传输时,数据所在的频域位置保持不变,且多次传输使用相同的解调参考信号（DMRS）导频端口。对多个TRP进行数据块的重复传输时,可以利用TRP之间的协同作用,降低上行信道的误码率以及获得更高的吞吐量［6］。

Multi-TRP的系统模型见图1。从图中可以看出,列车在任意位置和各个TRP之间的距离都不完全相同,这就导致数据传输到每个TRP的时间τ1～τn也会有所不同。同时,由于列车在移动过程中相对于每个TRP的位置及所呈夹角也不相同,故对不同TRP而言,信道所产生的多普勒频偏也会有所差异［7］。

以图1所展示的系统模型为基础,本文通过仿真建立了Multi-TRP的信道模型,主要表现为发射端和接收端之间的信道包含多条路径。其中,主路径是LOS路径,服从莱斯分布；其他路径为NLOS路径,服从瑞利分布。与此同时,考虑到因传输距离引发的时延问题,该信道模型分别计算每一个TRP对应路径的传输时延,且使各个TRP的传输时延随着列车位置实时变化；其次,该模型也将多普勒频偏的影响考虑在内,与传输时延的建模类似,模型单独计算每一个TRP对应的多普勒频偏,且频偏大小也随着列车位置的改变实时发生变化。

图1 Multi-TRP的系统模型

此外,假设不同收发天线对之间的信道独立,且为Rayleigh衰落,即不同信道之间有

式中:ht,r(n)为零均值对称复高斯过程且满足

式中:J0(•)为第一类零阶贝塞尔函数,fd和Ts分别为最大多普勒频偏和符号间隔时间。

2 Multi-TRP系统的信道估计和检测方法

本文所建立的仿真信道模型已将时延和多普勒频偏问题考虑在内。为了尽可能消除时延和多普勒频偏对信道估计的影响,Multi-TRP系统在进行信道估计之前,需要进行一系列准备工作。Multi-TRP系统的信道估计总体框图如图2所示,大致可分为两部分:基于探测参考信号（SRS）的统计信道信息估计和基于DMRS的信道信息估计。首先是基于SRS的统计信道信息估计。SRS是一种由终端发送给基站的参考信号,可用于基站估计上行信道的统计特性,如时延、多普勒频偏等［8-9］。利用SRS针对每一个TRP分别进行时延和多普勒频偏估计。在得到由SRS估计的统计特性后,便可基于DMRS进行信道信息的估计。首先,利用相应的补偿算法进行定时与频率同步；其次,对补偿后的TRP接收信号进行OFDM解调和频域、时域信道估计；最后,进行符号检测,以恢复原始发射信号。

图2 Multi-TRP系统信道估计和检测总体框图

常规时延和多普勒频偏补偿是根据估计出的时延和频偏值进行一倍补偿［10］。假设接收端时域信号为y'i(n),具体可表示为

则具体补偿公式可表示为

式中:i为TRP编号；k为子载波编号；n为OFDM符号编号；yi'(n)为不同TRP对应的接收序列为时延补偿后序列；yi(n)为频偏补偿后序列；εi为估计所得的不同TRP多普勒频偏；τi为估计所得的不同TRP时延；N为OFDM符号长度。

在进行时延和多普勒补偿之后,再进行频域和时域信道估计。常用的频域信道估计算法主要包括最小二乘法（LS）估计、最小线性均方误差（LMMSE）估计以及基于DFT的信道估计等。对于5G NR系统的DMRS,由于采用正交导频,在去除正交掩码之后,可以视为单天线信道。采用LS估计算法时,在接收端导频位置上的频域信号可表示为

式中:hp为Np×1的频域导频信道响应；对角阵Xp为已知的导频发送信号；对角线元素为相应子载波上的导频信号；yp为Np×1的接收导频信号向量；np为Np×1的噪声矢量。

LS算法就是对式（6）中参数hp进行估计,从而使式（7）表述的函数值最小。

将式（7）对h'p求导,并令其导函数等于0,可由LS算法估计得到频域信道估计响应为

LS信道估计增强了噪声,尤其在低SNR的情况下,信道估计的精度会受到较大影响。但由于其实现简单,复杂度较低,故此方法仍在实际中大规模使用。

LMMSE算法是一种基于最小均方误差的信道估计算法,其代价函数为

将h'=whLS代入式（9）中并对w求导,令其导函数等于0,可得到频率信道估计响应为

式中:RhhLS为频域信道响应和LS估计响应的互相关矩阵；RhLShLS为LS估计响应的自相关矩阵；两者均可由信道响应的自相关矩阵Rhh求得,且Rhh可表示为［11］式中:m,n为导频子载波的位置；τrms为多径信道的平均时延；τ为最大多径时延；N为导频数目。最终可得转换后LMMSE信道估计响应为式中:参数β与调制方式有关；QPSK调制时β=1,64QAM调制时β≈2.68。

基于DFT的信道估计算法主要是将LS估计响应hLS经IFFT得到hLS(n),然后进行时域滤波操作,最后再经FFT得到hDFT,以完成噪声抑制。时域滤波过程可表示为

LMMSE算法和基于DFT的信道估计算法均是在LS算法基础上,对噪声和子载波间的干扰有一定的抑制作用。其中,LMMSE算法性能较好,但基于DFT的信道估计算法的复杂度与LMMSE算法相比有所降低。

同时,高铁场景下还需要考虑多普勒频偏对时域信道估计性能的影响,故本文引入时域维纳插值算法。该算法利用时域已知信道估计响应hp,结合相关系数矩阵w插值,得到时域全部信道响应h,w具体可表达为

相关矩阵Rhhp和Rhphp可由下式求得［12］:

式中:m,n为时域OFDM符号的位置；fd为最大多普勒频移；Ts为系统采样时间。

在进行时频域信道估计之后,利用所估计的信道矩阵H对接收信号进行符号检测,考虑到信道噪声的影响,本文引入MMSE信道检测算法,滤波矩阵G可表示为［13］

3 Multi-TRP系统的上行信道性能评估

本文主要从2个方面对Multi-TRP系统的上行信道进行性能评估:①对Multi-TRP系统的上行信道时、频域信道估计的性能进行仿真对比。首先对多普勒频偏和时延进行补偿,再采用LS、LMMSE以及基于DFT的信道估计算法进行频域信道估计性能比较,然后比较不同时域信道估计算法下,频偏补偿前、后时域信道估计性能。②在不同TRP数量条件下,对Multi-TRP系统上行信道误码率及频谱效率进行对比分析。具体仿真参数见表1。

表1 仿真参数

同时,为了更好地描述仿真场景,本文将列车实时位置以坐标形式呈现。列车初始位置设为坐标原点。假设列车沿直线方向行驶,行驶方向为X轴正方向；首个TRP位于Y轴正方向上,且与X轴垂直距离为15 m,即首个TRP位置坐标为（0 m,15 m）,若系统放置多个TRP时,则TRP位置分布与X轴平行。

3.1 时/频域信道估计性能仿真

3.1.1 频域信道估计性能仿真

在进行时延和多普勒频偏补偿之后,首先需要进行频域信道估计。为了比较LS估计、LMMSE估计,以及基于DFT的信道估计算法的性能,选用误码率BER和最小均方误差MSE作为评判标准。针对特定的某个TRP,在列车初始位置对3种频域信道估计算法的性能进行仿真比较,调制方式为QPSK,具体仿真结果分别见图3和图4。

图3 LS、LMMSE和DFT信道估计算法的BER比较

图4 LS、LMMSE和DFT信道估计算法的MSE比较

从图3可以看出,由于考虑到LMMSE估计和DFT估计算法的噪声抑制问题,二者的误码率要优于LS估计算法的误码率,且随着信噪比SNR的逐渐增大,性能差异会更加明显,且性能的优化会增加算法的复杂度；从图4可以看出,MSE性能与BER性能也一一对应,LMMSE算法的MSE性能要优于DFT估计和LS估计算法的MSE性能。

3.1.2 时域信道估计性能仿真

在完成频域信道估计后,对时域信道估计性能进行仿真对比。调制方式仍为QPSK,仿真所设移动距离为300 m。针对特定的某个TRP,选取2个位置点进行仿真分析,分别为列车位于（30 m,0 m）处和（300 m,0 m）处（此时所估计得到的多普勒频偏接近最大值）。仿真对比曲线如图5～图7所示,主要展示无多普勒频偏以及多普勒频偏补偿前、后的时域信道估计性能曲线。

图5 列车在（30 m，0 m）处多普勒频偏补偿前、后时域线性插值性能曲线对比

图7 列车在（300 m，0 m）处多普勒频偏补偿前、后时域维纳插值性能曲线对比

从图5可以明显看出,当列车位于（30 m,0 m）处时,多普勒频偏补偿后的时域信道估计性能有明显的改善,且频偏补偿后的估计性能曲线接近于无多普勒频偏时的性能。

然而,从图6可以看出,当列车位于（300 m,0 m）处时,此时频偏接近最大值,多普勒频偏补偿后的时域信道估计性能相较于补偿前也有较好的改善,但此时由于时域线性插值本身没有考虑到频偏的影响,故多普勒频偏补偿后的估计性能要明显劣于无多普勒频偏时的性能。

图6 列车在（300 m，0 m）处多普勒频偏补偿前、后时域线性插值性能曲线对比

从图7可以看出,当时域进行维纳插值时,多普勒频偏补偿之后的时域信道估计性能相较于图6中线性插值有明显的改善,这是因为时域维纳插值方法本身考虑了多普勒频偏的影响,故性能会有所改善,但与理论时域信道估计的性能还有一定差距。因此,进一步优化频偏补偿算法,改善时域信道估计性能也是后续研究有待突破的方向之一。

3.2 不同TRP数量情况下系统误码率仿真

选用误码率BER作为衡量指标,来比较不同个数TRP对上行信道系统性能的影响。主要从随着列车位置的实时变化及将列车固定在不同位置两个角度,仿真系统误码率BER随列车位置或信噪比SNR的变化曲线。仿真所设移动距离为300 m,调制方式为64QAM。首先,在不同TRP个数的条件下,随着列车位置的改变,仿真对比Multi-TRP系统的上行误码性能；其次,选择几处不同的列车位置点,仿真得出不同TRP个数条件下系统误码率BER与信噪比SNR之间的关系曲线。

3.2.1 误码率BER与列车位置之间关系的性能仿真

为了比较不同个数TRP情况下系统性能随着列车位置的变化情况,仿真分别放置1个TRP、2个TRP以及4个TRP,间隔对应为300 m、300 m以及100 m。3种情况下,随着列车位置的变化,系统误码率BER的变化曲线见图8。从图中可以看出,随着TRP个数的增加,整体误码性能得到不断改善,这是因为当系统设置多个TRP时,TRP之间的协作在一定程度上可有效抑制路径损耗等不利因素的干扰,提高了系统的传输质量。

图8 误码率BER与列车位置关系曲线对比

3.2.2 误码率BER与信噪比SNR之间关系的性能仿真

将列车固定在不同位置,比较3种TRP个数情况下系统误码率BER随SNR的变化曲线。主要选取2个位置点进行仿真分析:一种是列车位于初始位置；另一种是列车位于（150 m,0 m）处。在每个位置点,比较在不同TRP个数的情况下,对应系统误码率BER和信噪比SNR的关系曲线,具体仿真结果见图9～图10。

图9 列车位于初始位置时误码率BER随SNR变化曲线对比

图10 列车位于（150 m，0 m）处时误码率BER随SNR变化曲线对比

从图9可以看出,列车在初始位置处时,对于不同的TRP个数,其对应的系统误码性能存在差异,且由于TRP之间存在协同作用,则TRP个数越多,对应的系统性能越好。从图10可以看出,当列车位于（150 m,0 m）处时,单个TRP时的系统性能相较于多个TRP时的系统性能仍有一定的差距。同时结合图9和图10可以看出,随着列车距离初始位置越来越远,多个TRP的协同作用所展现的优势也更明显。

综上所述,TRP的个数对系统的性能有着较大的影响,即TRP个数越多,TRP之间的协作能力就越强,针对路径损耗等不利因素的抗干扰性也就越强,对应的系统性能也就愈加优越。

3.3 不同TRP数量情况下系统频谱效率仿真

选择频谱效率作为评判标准,比较不同TRP个数情况下的系统性能,仿真角度和3.2节一致。仿真所设移动距离为1 200 m,调制方式为QPSK。频谱效率η是指单位带宽传输信道上无错误传输的最大信息率,η越大,对应系统性能就越好［14］。当发射端信道状态信息（CSI）未知且接收端CSI已知的情况下,频谱效率η的计算表达式为

式中:NR和NT分别为收发天线的数目；INR×NTRP为NR×NTRP阶单位阵；Ex为发送信号的能量；N为信道噪声方差和信道估计方差之和；H为信道估计矩阵；H为矩阵的共轭转置。

3.3.1 频谱效率与列车位置之间关系仿真

为了比较TRP个数不同时,频谱效率η随着列车位置的变化情况,仿真中分别设置1个TRP、2个TRP、3个TRP以及6个TRP,间隔对应为1 200 m、1 200 m、600 m以及240 m。4种情况下,随着列车位置的实时变化,频谱效率η的变化曲线如图11所示。

图11 频谱效率与列车位置关系曲线对比

从图11可以看出,随着TRP个数的不断增加,对应频谱效率η也会不断增加,即单位带宽传输信道上无错误传输的最大信息率不断增加,进而也反映出Multi-TRP系统的上行信道系统性能越来越好。

3.3.2 频谱效率与信噪比SNR之间关系仿真

将列车固定在不同位置,比较上述4种TRP个数条件下频谱效率η随SNR的变化曲线。为了比较大尺度衰落下的不同TRP个数对应的频谱效率,选择对2个较远的位置点,即列车分别位于（750 m,0 m）和（900 m,0 m）处进行仿真对比,具体仿真结果见图12～图13。

从图12～图13可以看出,在距离列车初始位置较远,即路径损耗较为严重的情况下,随着TRP个数的增多,对应系统的频谱效率η也在不断提升,这足以说明TRP个数的增多可以有利对抗路径损耗,进而为Multi-TRP系统提供更好的接收性能。

图12 列车位于（750 m，0 m）处频谱效率随SNR变化曲线对比

图13 列车位于（900 m，0 m）处频谱效率随SNR变化曲线对比

4 总结与展望

本文主要针对列车高速移动场景下Multi-TRP上行信道估计和性能进行了一系列的研究,主要包括2个方面:其一,在考虑时延和多普勒频偏的情况下,对不同频域信道估计算法性能进行对比分析,并对多普勒频偏补偿前、后时域信道估计性能进行仿真对比；其二,对不同个数TRP条件下Multi-TRP系统性能进行仿真对比。仿真结果表明,在进行时延、频偏补偿之后,LMMSE估计和DFT信道估计性能优于LS估计算法,多普勒频偏补偿后的时域信道估计精度明显提升,且时域维纳插值性能优于线性插值；同时,本文所采用的Multi-TRP模型显著改善了系统误码性能及频谱效率。

虽然本文提出的方法在一定程度上提高了信道估计的精度,但并未能完全消除多普勒频偏的影响,故在后续研究中需要进一步优化频偏补偿算法,以进一步提高信道估计精度；同时,本文仿真主要围绕多个TRP展开研究,并未研究车载多用户状态下系统的接收性能,故引入多用户MIMO探究上行信道估计及性能也是后续值得探讨的方向。