[发明专利]一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法

说明书

本发明公开了一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法，充分考虑了高速移动场景下时变信道的特点，通过历史信息获取最优基函数，基于该基函数对信道进行建模，以降低信道估计的复杂度；其次采用软卡尔曼滤波和数据检测联合的方法来估计基系数，并且在每次迭代中将基于似然比信息判决的检测数据的误差作为噪声进行处理，减少数据检测误差传播影响，提高信道估计精度。本发明提供的一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法，为了更好地减少数据检测误差传播的影响，在每次迭代中将数据检测误差作为噪声进行处理。具有高估计精度和低计算复杂度的优点，适用于高速移动环境中时变信道信息的高效获取。

技术领域

本发明涉及一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法，属于无线通信技术领域。

背景技术

近年来，科学技术和经济的飞速发展，激发了高速铁路(HSR,High SpeedRailway)和高速公路的快速和广泛地发展。随着运行速度超过300公里的HSR的大规模部署，使得HSR环境下的无线通信在全球引起了越来越多的关注。在HSR环境下，列车的高速运行会引起大的多普勒频移，而大的多普勒频移会使得信道发生快速时变，这将对信号的正确传输提出了更高的要求。因此，为了满足HSR通信质量的需求，必须依托于快速稳定的时变信道估计方法，通过获取的信道估计值消除多普勒频移对传输信号的影响。

目前，现有的HSR场景下时变信道估计方法大致可以分为三类：线性近似的方法、压缩感知的方法，和基扩展模型(BEM,Basis expansion models)的方法，其中由于BEM方法是用有限个不变基系数来表示传输符号内信道的时变，可以大大减少信道估计参数的数目，因此近年来该类方法倍受关注。

传统常用的BEM有复指数基扩展模型(CE-BEM,Complex Exponential BasisExpansion Model)、广义复指数基扩展模型(GCE-BEM,Generalized Complex ExponentialBasis Expansion Model)，以及多项式基扩展模型(P-BEM,Polynomial Basis ExpansionModel)等。然而，由于在高速移动场景下仅采用这些基扩展模型获取的信道估计精度不高，近年来国内外一些学者开展了将BEM与其他一些方法联合的时变信道估计方法，如：一种CE-BEM与拉格朗日插值联合的信道估计方法，该方法利用CE-BEM方法获取导频符号的信道估计，和利用改进的拉格朗日插值算法来获取数据符号的信道估计，但是该方法具有较高的计算复杂度，且列车速度高于300km/h时该方法性能将严重下降。一种基于位置信息的CE-BEM信道估计方法，该方法主要是通过列车位置信息来确定主要CE-BEM基系数，并联合导频设计来估计主要基系数，该方法可以很好的消除时变信道引起的载波间干扰，但是，该方法不适用于导频结构已确定的通信系统，且CE-BEM方法容易发生多普勒泄漏的现象。一种基于P-BEM的迭代时变信道估计方法，该方法主要是利用P-BEM方法来对信道建模，并通过联合卡尔曼滤波和数据检测来估计获得P-BEM基系数，由于该方法考虑了数据检测误差的影响，因此具有较高的估计性能，但是该方法仍未充分考虑数据检测误差的影响，信道估计精度有待于进一步的提高。

另外，上述这些方法中的BEM并不能真实的反映信道的时间或空间特性，而最佳的BEM模型应该是从信道的相关矩阵中获取。为此，一种具有新型BEM的时变信道估计方法，其主要是通过对信道的相关矩阵进行特征值分解来获取新的基函数，但是该方法仍仅是利用BEM方法进行信道估计，这将导致其估计精度仍有待于继续提高。因此，需要研究一种实用估计精度更高、复杂度更低的适用于高速移动场景的时变信道估计方法。

发明内容

目的：为了克服现有技术中存在的不足，本发明提供一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法，包括步骤如下：