OFDM超宽带系统非线性失真恢复与信道估计高效联合方
法
技术领域
[0001] 本
发明涉及一种
OFDM超宽带系统非线性失真恢复与信道估计高效联合方法。OFDM系统的高峰均比问题会使
信号产生非线性失真，导致系统性能急剧下降，而多径衰落信道亦是OFDM系统面临的关键技术问题。本发明设计了一种高效联合方法，在发送端实施级联
限幅，在接收端引入
压缩感知技术，基于两组导频先后进行信道估计及非线性失真恢复。该方法可以有效的补偿高峰均比带来的信号非线性失真，并且能够对多径信道进行准确估计，同时比传统方法具有更低的复杂度。
背景技术
[0002] 超宽带无线通信技术具有
功率谱密度低、传输速率高、抗多径干扰能
力强等特点，主要应用于短距离高速无线通信、穿透成像、测量等方面。2009年提出的IEEE802.15.3c标准可用于无线个域网(WPAN)，主要工作在60GHz无线电频段，各国无需
许可就可免费使用的频段大约在56GHz-66GHz范围，所支持的数据传输速率超过Gbit/s。
正交频分复用技术以其
频谱利用率高、抗符号串扰能力强、抗
频率选择性衰落能力强等优点作为其物理层调制方案之一。标准规定了系统主要参数：
子载波总数为512，其中包括336个信息子载波、16个导频子载波、16个保护子载波、3个直流子载波和141个空子载波。发送端IFFT后加入长度为64的循环前缀作为保护间隔，组成长度为576的OFDM符号。
[0003] OFDM是一种高效的数据传输技术，它通过相互正交的子载波并行的传输数据，频带利用率高，抗多径干扰能力强，已成为当今及未来通信领域的核心技术。OFDM是一种多载波系统，其发射信号由多个正交子载波
叠加而成，当多个子载波
相位一致时，会产生较大的瞬时功率，从而导致较高的
峰值功率与
平均功率的比值，即峰均比(Peak to Average Power Ratio，PAPR)。当高峰均比信号通过功率
放大器时，会使放大器工作在非线性区域，引起信号的带内失真和带外
辐射，导致系统性能恶化。OFDM的高峰均比对放大器线性范围提出了很高要求，极大限制了其在实际中的应用。
[0004] 多径衰落信道是OFDM无线通信系统面临的另一关键技术问题。多径干扰不但影响
信号传输质量，还会直接影响信号非线性失真恢复性能。IEEE802.15.3c中提出的信道脉冲响应是基于S-V模型的
修改模型，如下式所示，
[0005]
[0006] 其中，δ(.)是狄拉克冲激函数，βδ(τ，φ)为直达径分量，L是簇的数目，Kl是第L簇中到达的多径分量数目，αk，l、τk，l和ωk，l分别是每个多径分量的复数幅度、时延和到达方位
角，Tl和θl是每簇的时延和平均到达方位角。IEEE802.15.3c给出了各信道环境下的信道模型参数，根据不同的参数划分了9种信道模型CM1-CM9，其中CM1和CM2信道模型对应办公室场景。
[0007] 对于OFDM系统的高峰均比问题，传统已有许多降低峰均比的
算法(如SLM，PTS)，但往往比较复杂，对发射机和接收机复杂度都有较大提升。若能在接收机中进行信号非线性失真恢复，从而避免发射机中实施复杂的降峰均比算法，则可极大降低系统整体复杂度。在高斯白噪声信道下，传统的降峰均比及非线性失真恢复算法即可达到良好的
精度。但是，在具有多径时延的信道下，由于估计非线性失真所采用的辅助信息(如导频)同时受到信道的影响，从而导致非线性失真估计性能大幅下降。信道估计常用方法一般基于前导训练序列，或基于符号内的导频进行信道估计和均衡。然而，若考虑大峰均比带来的信号非线性失真的影响，则基于辅助信息的信道估计性能亦会大幅下降。所以，当非线性失真噪声与多径信道同时作用于辅助信息(如导频)时，非线性因素与信道因素相互影响，传统的单一信道估计方法或非线性恢复方法都难以对其进行有效纠正。
[0008] 从目前的研究来看，对OFDM系统进行峰值抑制处理是比较常用的降低峰均比的方法，该类方法通过在基带对时域信号进行峰值抑制，使发射信号进入放大器的线性区域中。限幅法是最常用的峰值抑制方法，限幅法可以将OFDM发射信号有效的控制在预设
门限下，但其带来信号的非线性失真，会严重影响信道估计性能。例如，在联合导频的OFDM系统，相对于传输数据的子载波
位置，导频位置从信道估计的角度对失真更为敏感。限幅法在干扰数据符号的同时也会对导频符号造成影响，恶化信号传输质量和信道估计性能。所以在接收端需要对限幅法造成的非线性失真进行恢复和补偿，但一般非线性失真估计算法都需要知道信道的先验知识。由于导频处受到了非线性失真干扰，所以信道估计性能会下降，而信道信息的不准确会直接影响非线性失真恢复性能，造成系统性能的恶性循环。总之，限幅法可以有效抵抗OFDM系统的高峰均比，对于限幅法造成的数据符号失真，可以在接收端对失真进行估计和补偿。而限幅造成的导频符号的失真，会同时影响信道估计和失真恢复算法性能。所以设计一种信号非线性失真恢复与信道估计联合算法，有效降低高峰均比及补偿信号非线性的同时不影响信道估计性能显得尤为重要。已有二者联合估计的方法多为
迭代的方法，性能较好，但复杂度较高，迭代次数越多复杂度越高，而迭代次数较少时方法性能又受影响。
[0009] 近年来，压缩感知(Compressed Sensing，CS)在
信号处理和恢复领域越来越受到关注，发展迅速，它是一种具有革命性意义的新型信号
采样与复原理论，能对可压缩
稀疏信号进行远低于奈奎斯特速率的采样，接收端通过优化的方法以很高的概率重建原信号。OFDM系统的高峰均比及功放非线性使信号产生的非线性失真可看作一种加性畸变噪声，接收信号则等效于无失真OFDM信号与该噪声的和，而这种非线性噪声一般可看作一系列稀疏的脉冲。同时，60GHz频段的室内超宽带信道亦具有明显的时域稀疏性。这就为引入CS理论对二者进行联合处理提供了契机。
发明内容
[0010] 本发明针对OFDM超宽带系统高峰均比造成的非线性失真及多径衰落信道问题，提出一种级联限幅结合基于压缩感知的非线性失真恢复与信道估计方法。该方法通过发送端的两次限幅操作，在降低了信号的峰均比的同时降低了部分导频的非线性失真，使接收端可以进行精确度较高的信道估计，然后利用消除信道影响的导频进行非线性失真估计与补偿，亦提高了非线性恢复性能。
[0011] 本发明的技术方案
[0012] 将OFDM系统的导频划分为两组，一组用于信道估计，一组用于非线性失真恢复。在系统发送端分两次对OFDM符号进行限幅。第一次限幅首先需设计一种特殊的峰值抵消函数，使限幅操作反映到频域为只对非信道估计导频点进行
削峰处理，然后再把所设计的峰值抵消函数叠加在原信号上。第二次限幅则需对所有时域信号进行限幅，最终使得信号幅度低于预设门限。经上述级联限幅处理后，系统用于信道估计导频处的非线性失真影响大大减小。接收端直接利用消除非线性影响的导频进行基于压缩感知的稀疏信道估计与均衡，再利用消除信道影响的导频子载波进行基于压缩感知的非线性失真估计与补偿。
[0013] 本发明的有益效果
[0014] 本发明设计了一种适用于OFDM超宽带系统的非线性失真恢复与信道估计高效联合方法。该方法通过导频分组与级联限幅，有效的分离了非线性与信道对导频信息的双重影响，以较低的复杂度保护了信道估计导频不受非线性影响。进而采用压缩感知技术，以较低的复杂度实现了高性能的信道与非线性失真估计。本方法具有高性能、低复杂度的特点，高效的解决了OFDM系统高峰均比问题，同时兼顾了系统的信道估计性能。
附图说明
[0015] 图1上中下分别为未进行级联限幅、一次限幅后、二次限幅后的OFDM时域信号图[0016] 图2为OFDM符号的非线性失真噪声
[0017] 图3为CM2信道、同一门限、不同限幅方法下的信道估计均方误差曲线[0018] 图4为CM2信道、采用级联限幅方法在不同门限下的系统误比特率曲线[0019] 图5为CM2信道、同一门限下的压缩感知算法与迭代算法的系统误比特率性能比较
具体实施方式
[0020] 以下结合附图和通过
实施例对本发明的具体实施方式作进一步说明：
[0021] 本发明设计了一种OFDM超宽带系统非线性失真恢复与信道估计高效联合方法，其特征在于：本方案包括以下步骤：
[0022] a.发射机中将OFDM时域符号X=[x1，x2，...，xN-1]中的每一个值xn与预设门限值G比较生成峰值抵消函数的系数an，an的计算公式为
[0023]
[0024] 其中，θ为xn的幅角，|xn|为xn的幅度，n=1，2，...，N-1，N为符号长度；
[0025] b.对向量A=[a1，a2，...，aN-1]进行N点傅里叶变换，得到频域向量S=[s1，s2，...，sN-1]，将S中的部分数据置为0得到S′，再将S′进行N点逆傅里叶变换，得到时域向量A′=[a1′，a2′，...，aN-1′]；
[0026] c.由A′中每个元素an′与参考函数gn生成峰值抵消函数kn，Kn的计算公式为其中gn为单位冲击函数δn；
[0027] d.在xn上叠加峰值抵消函数得到cn=xn+kn，从而完成对OFDM时域信号的第一次限幅；
[0028] e.对cn进行第二次直接限幅，同步骤a将cn，与门限G比较得到峰值抵消函数dn，并在cn上叠加峰值抵消函数得到
[0029] f.接收机中首先利用接收到的用于信道估计的导频p1，p2，...，pM进行信道估计与均衡；
[0030] g.利用已进行信道均衡的用于非线性失真估计的导频q1，q2，...，qR，对非线性噪声 进行估计与补偿。
[0031] 步骤b中所述的S中的部分数据为sj1，sj2，...，sjM，其序号位置j1，j2，...，jM即为步骤f中所述的用于信道估计的导频p1，p2，...，pM所在的位置，其数量为M。
[0032] 步骤f中所述的信道为时域稀疏信道。
[0033] 步骤f中所述的信道估计基于压缩感知理论使用正交
匹配追踪算法。
[0034] 步骤g中所述的用于非线性失真估计的导频q1，q2，...，qR的数量为R，R与M的和为总导频数量。
[0035] 步骤g中所述的非线性噪声为时域稀疏的脉冲噪声。
[0036] 步骤g中所述的非线性失真估计基于压缩感知理论使用正交匹配追踪算法。
[0037] 实施例
[0038] 本发明应用于IEEE802.15.3c标准规定的OFDM超宽带系统中，对该系统进行仿真，采用512个子载波，其中导频子载
波数为120，70个用于非线性失真恢复，50个用于信道估计，64QAM数字调制方式，LDPC编码，CM2信道。
[0039] 图1上中下分别是未进行级联限幅、一次限幅后、二次限幅后的OFDM时域信号图。可以看到，通过两次限幅，信号的幅度被有效限制在预设门限1.6下。
[0040] 图2为连续多个经64QAM调制的OFDM符号受到功放非线性影响后产生畸变噪声的幅度，从图中可以看出非线性失真噪声具有明显的稀疏性。
[0041] 图3为CM2信道、门限值为1.6、不同限幅方法下的信道估计均方误差曲线。从图中可以看出，直接限幅曲线接近于一条直线，说明非线性失真对基于导频的信道估计算法有显著影响，而级联限幅法曲线下滑迅速，说明级联限幅法减弱了非线性失真对导频的影响，大幅度增加了信道估计性能。与无非线性失真的信道估计相比，其均方误差性能平均相差2dB左右，但已十分接近无失真信道估计性能，比直接限幅法提升了大约8.7dB。
[0042] 图4为CM2信道、采用级联限幅方法在不同门限下的系统误比特率曲线。可以看出，当门限在1.6以下时，压缩感知算法失去了效果。这是由于当门限较低时，大于门限的信号部分增多，非线性噪声是欠稀疏的，不满足正交匹配追踪算法恢复条件。随着门限的增大，非线性失真的稀疏度逐渐减小，压缩感知的误比特率性能越来越好。
[0043] 图5为CM2信道、门限值为1.6、压缩感知算法与迭代算法的系统误比特率性能比较。从图中可以看出，当
信噪比较小时，压缩感知算法优势并不明显，比迭代法的误比特率还要高。原因是压缩感知恢复算法对噪声敏感，当信噪比较低时，采样值失真较大，重建算法失效。而随着信噪比的增大，压缩感知算法的优势越来越明显，在信噪比高于25dB时压缩感知算法优于迭代算法。
[0044] 通过上述仿真可以看出，本发明所设计的方法大幅降低了非线性失真对导频的影响，比直接限幅法的信道估计均方误差性能提升了8.7dB。针对限幅引入的非线性失真，在接收端使用压缩感知算法对非线性失真进行估计和补偿，与基于信号重建的迭代法相比，压缩感知算法无需迭代，就能够达到与迭代法相近的性能，且在高信噪比时有更优异的性能。
