基于节约训练时隙的多中继协作通信分段信道估计*

陈艳杰，曹 威，甘立记，张士杰

（1.商丘工学院信息与电子工程学院，河南 商丘 476000；2.安阳市万金渠管理处，河南 安阳 455000；3.解放军91292 部队，河北 保定 074000）

0 引言

中继协作技术是无线通信的关键技术，它利用虚拟天线阵列获取分集增益，提高数据传输容量，扩大传输距离，提升通信质量。依据中继对信号处理方式的不同，协作方案主要分为两种，分别是放大转发（amplify-and-forward，AF）和译码转发（decode-and-forward，DF），本文采用AF 协作方案。与单中继协作通信相比，多中继可获得更高阶的分集增益。在AF 多中继协作通信系统中，准确的信道状态信息（channel state information，CSI）是中继选择、资源分配、相干检测和链路自适应的关键。因此，该系统的信道估计问题受到了人们的广泛关注。

文献［6-7］分别在平坦衰落和频率选择性衰落信道下，研究了单中继放大转发级联信道估计方法。在平坦衰落信道下，文献［8-10］研究了多中继协作系统估计问题，提出了最小二乘（LS）和线性最小均方误差（LMMSE）信道估计算法，给出了最优训练序列设计。以上文献只能获取级联CSI，不能获取每段链路的CSI。为了获得系统分集，文献［9-10］融入了预编码思想。文献［11-12］可获取每段链路的CSI，但文献［11］需要的训练时隙与中继个数成正比，开销太大。文献［12］在文献［11］的基础上，对不同中继的训练序列采用预编码技术，使其正交化，允许R 可同时向D 发送训练序列，大大节约了训练时隙，但训练时隙开支仍然较大。

本文针对AF 多中继协作通信系统分段估计中训练时隙开支大的问题，提出了结合预编码技术和半盲估计技术的分段信道估计方案。利用R 处预编码可使不同中继正交化，利用S 处对数据预编码，并叠加上训练序列，可进一步减小训练时隙的开支，缩短系统的训练时间。

1 系统模型

图1 协作通信系统传输模型

图2 所示的是S 到R链路训练序列和数据的叠加过程及其传输过程，该过程主要包含以下步骤：源节点对数据序列进行预编码，以保证数据和训练序列正交；在预编码后的数据块上叠加相应的训练序列；将叠加有训练序列的数据块通过S 到R链路信道进行发送；中继节点根据数据和训练序列的正交性对两者进行区分。对于R到D 链路，为了目的节点对不同的中继进行区分，中继首先对其区分出的训练序列进行中继预编码，使不同中继间的训练序列正交化，之后放大前传至目的节点。目的节点根据所收到的来至不同中继的信号，先将数据提取出来，然后再对不同的链路进行信道估计。

图2 训练序列叠加过程

其中，n为R处的噪声，其分布为复高斯型，均值是0，方差用N表示。

2 预编码和训练序列的设计

3 提出的训练时隙节约型分段信道估计算法

4 仿真条件与结果分析

表1 给出了文献［11］、文献［12］与本文所提出信道估计方法所占用的训练时隙的对比。从表中数据可知，文献［11］中的估计方法占用的训练时隙数为中继个数的3 倍，原因在于该方法对每个中继链接逐一进行估计，每个中继链路都需占用3 个训练时隙，对于M 个中继的协作通信系统，就需3M 个训练时隙，可见这种方法的训练时隙开销巨大，在实际应用中很难实现。文献［12］借助中继预编码技术，使不同中继的训练序列正交化，这样中继可以同时向目的节点转发信息，此时占用的训练时隙数为3，为固定值且不随着中继个数的变化而变化，能够在一定程度上节约训练时隙，但占用时隙数依然较多。而本文所提出的估计算法，能够进一步压缩训练时隙，只需占用1 个时隙即可，原因在于提出方法在中继预编码的基础上，采用半盲估计算法，将训练序列叠加到数据块上，来获取S→R 链路的CSI，不需单独占用额外的时隙，只是在获取R→D链路的CSI 时占用一个训练时隙，该方法提高了数据传输效率，节约了训练时隙资源。

表1 占用时隙数对比

图3 展示了多中继协作通信系统的S→R 链路和R→D 链路的分段信道估计的平均MSE 性能，为了简化起见，中继个数设置为2。从图中可以看出，相同条件下，R→D 链路估计的平均MSE 性能要比S→R 链路估计的平均MSE 性能好，大约有5 dB 的优势，原因在于S→R 链路估计是在R→D 链路估计的基础上获得的，R→D 链路估计误差也将叠加到S→R 链路估计上，因此，S→R 链路估计的平均MSE 值比较大。从另外一个角度来看，该图也展示了分段信道估计的平均MSE 性能随Hadamard 矩阵阶数N 的变化情况，对于R→D 链路估计的平均MSE 值大小不受Hadamard 矩阵阶数N 大小的影响，原因在于对此段链路先进行估计，并未用到叠加训练序列，当Hadamard 矩阵阶数N 变化时，其平均MSE 性能从式（10）可明显的看出，与N 无关，即Hadamard 矩阵阶数N 不影响R→D 链路估计的平均MSE 性能。而对于S→R 链路的估计则不同，其平均MSE 性能与Hadamard 矩阵阶数N有关，原因在于估计过程中用到了叠加训练序列，此段链路的平均MSE 估计性能随着叠加训练长度增加而变好。

图3 分段估计平均MSE 性能比较（M=2）

图4 给出了多中继协作通信系统的BER 性能随Hadamard 矩阵阶数N 的变化情况，同样将中继个数设置为2，由图可知，当N 增加时，意味着数据块长度N-M-1 增加时，BER 值随之下降，性能得以提高。综上所述，提出方法的BER 性能在数据块比较长时优势更加明显。

图4 不同Hadamard 矩阵阶数对BER 性能影响（M=2）

5 结论

本文提出了一种训练时隙节约型信道估计算法，该方法结合预编码技术和半盲信道估计技术，充分发挥两者的优势，能够在瑞利平坦衰落下的多中继分段信道估计中起到很好的效果。该方法不仅对中继进行预编码实现对不同中继链路的区分，而且也对数据进行预编码，使其与训练序列正交，以实现数据块与训练序列进行叠加，节约训练时隙资源。通过Monte Carlo 仿真，进一步验证了所提方法在保证分段链路信道估计性能的前提下，最大限度地压缩了训练时隙，是一种比较实用的信道估计方案，具有较高的应用价值。