疊加訓練序列設(shè)計及其高效傳輸技術(shù)研究*

張　龍，周安棟，竇高奇，文申平

(海軍工程大學 電子工程學院，湖北 武漢 430033)

?

疊加訓練序列設(shè)計及其高效傳輸技術(shù)研究*

張龍，周安棟，竇高奇，文申平

(海軍工程大學 電子工程學院，湖北 武漢 430033)

修回日期：2015-05-19Received date:2015-01-27；Revised date：2015-05-19

摘要：采用訓練序列與信息數(shù)據(jù)疊加的傳輸方案由于消除訓練序列占用的頻帶開銷而受到廣泛關(guān)注。然而，如何高效的分離疊加信號是實現(xiàn)高效信道估計和可靠檢測的基礎(chǔ)。通過疊加周期訓練序列，研究了基于數(shù)據(jù)依賴的疊加訓練(DDST)方案的高效信道估計和檢測方案。并結(jié)合信道編碼技術(shù)，研究了編碼條件下DDST方案與傳統(tǒng)時分復用(TDM)方案的性能。仿真結(jié)果表明，在消除訓練帶寬開銷的情況下，獲得DDST方案與TDM的誤碼率基本保持一致。

關(guān)鍵詞：疊加訓練；序列設(shè)計；信道估計與均衡；卷積碼

0引言

由于無線信道的頻率選擇性，導致了接收信號存在碼間干擾，接收端需要采用各種均衡技術(shù)來盡可能地消除多徑信道的影響。實際的通信系統(tǒng)中通常采用時分復用(TDM)訓練序列估計信道脈沖響應(yīng)。然而訓練序列占據(jù)一定的帶寬，降低了信號傳輸速率，特別是在信道變化較快的環(huán)境中，為了能夠跟蹤信道的變化，需要頻繁地發(fā)送訓練序列，造成有效信息傳輸速率的嚴重下降。比如在GSM系統(tǒng)中，每148個符號的突發(fā)就包含有26個訓練符號，這導致約18%的容量損失，而在高頻(HF)通信系統(tǒng)中傳輸訓練序列的時間幾乎占去總傳輸容量的50%[1]。盲信道估計和盲均衡技術(shù)避免了使用訓練序列，從而有效地提高了信息傳輸速率，但是由于高階統(tǒng)計量的盲算法需要相當長的觀測數(shù)據(jù)[2]，不僅計算復雜度高，不利于實時估計[3]，對于快變信道在長數(shù)據(jù)段內(nèi)保持恒定的假設(shè)也是不現(xiàn)實的。相對于現(xiàn)階段采用的時分復用(Time Division Multiplexing，TDM)方案，疊加訓練(Superimposed Training，ST)方案將訓練和信息疊加起來發(fā)送，不損失信息速率，最大限度地提高了帶寬利用率，但是在收端的信道估計和檢測中存在嚴重的訓練和信息互擾[4]，如何消除互擾是提高系統(tǒng)性能的關(guān)鍵。文獻[5]提出數(shù)據(jù)依賴疊加訓練(Data-Dependent Superimposed Training，DDST)方案，通過在發(fā)端對信息序列進行預(yù)處理，利用訓練的周期性，消除周期頻點處的信息分量，從而使信道估計不再受信息的干擾，有效提高系統(tǒng)的性能。由于信息數(shù)據(jù)進行了預(yù)處理，丟失了一部分信息，在誤碼率的比較上與TDM方案還有一定差距?；诖?，本文提出在發(fā)端進行信道編碼的基于疊加訓練的傳輸方案，利用DDST思想消除信息序列與訓練序列的互擾，對信道采用頻域最小二乘(Least Squares，LS)估計和頻域最小均方誤差均衡(Minimun Mean Square Error，MMSE)，結(jié)合符號檢測實現(xiàn)整個系統(tǒng)在基帶的傳輸。

1系統(tǒng)模型

在傳統(tǒng)的疊加訓練方案(ST)中傳輸序列s為信息序列ω與訓練序列c的算術(shù)和：

s=ω+c

將訓練與信息在時域直接疊加，ST相比時分復用方案(TDM)減小帶寬，但在接收端利用訓練進行信道估計時將受到信息的干擾，導致信道估計性能下降；而在符號檢測時訓練也會對信息產(chǎn)生干擾，使接收數(shù)據(jù)的出錯率大大提高[6-7]。因此，這里采用基于數(shù)據(jù)依賴疊加訓練(DDST)的方案，既減小了帶寬，也提高了性能?？紤]在基于頻率選擇性信道的單載波系統(tǒng)中通信，采用如圖1所示基于數(shù)據(jù)依賴疊加訓練(DDST)的方案，處理過的信息序列和訓練序列在時域進行疊加。

考慮在頻率選擇性信道下采用分塊傳輸，且假定信道在塊內(nèi)是時不變的。為了在接收端進行頻域信道估計，設(shè)定塊長度為N,采用周期為P的訓練序列進行傳輸，令Q=N/P為整數(shù)。由于訓練序列c的周期性，序列的能量將集中在周期頻點k=lQ,l=0,1,…,P-1,在傳輸序列通過信道后，周期頻點k處將有訓練、信息和噪聲，若能消除周期頻點處的信息頻響，則信道估計將不再受到信息序列的干擾，即對信息序列ω進行特殊處理。本文采用一種先疊加能量再進行周期延拓的思想，引入一個附加序列e，使得e滿足：

(2)

就可以保證ω-e在周期頻點的響應(yīng)為0，從而消除它對信道估計的干擾。

圖1　DDST方案流程

從式(2)中可以推導出:

(3)

即信息序列的周期均值，可以表示為e=Jω，其中J=(1/Q)1Q?Ip。因此，處理過的信息序列表示為ω-e=(I-J)ω。

假定信道階數(shù)為L，用h(l)=[h0,h1,…,hl-1]表示信道沖擊響應(yīng)。由于為分塊傳輸，為了防止塊與塊之間的干擾，在塊之間插入長度為L的循環(huán)前綴(CP)。因此，疊加后的傳輸序列：

s=ω-e+c=(I-J)ω+c

則發(fā)送信號幀結(jié)構(gòu)如圖2所示：

圖2　時域發(fā)送信號結(jié)構(gòu)示意

傳輸序列s通過信道后，需要先去除掉CP，則每個塊中的信號模型可以表示為：

x=Hs+v

(5)

其中H為循環(huán)矩陣：

2信道估計與均衡

2.1頻域LS估計

由于c中每個周期P內(nèi)至少有L個非零值，則可以進行LS信道估計如下：

FNxN=FNHNsN+FNvN

(7)

其中[DH]N×N=diag([DH]0,0,[DH]1,1,…,[DH]N-1,N-1)

根據(jù)DH與HN的關(guān)系以及式(7)，可以的得出LS信道估計值：

(8)

2.2均衡

對信息序列進行均衡則需消除訓練序列，若利用直接減去的方法，將要考慮信道估計誤差所帶來的影響。因此這里利用訓練序列的周期性來消除接收信號的訓練序列

z=(I-J)x

(9)

由于H和J為循環(huán)矩陣，利用它的交換性，z可以表示為:

z=H(I-J)ω+(I-J)v

(10)

由于H為循環(huán)矩陣，均衡可以在頻域完成。對處理過的信號z進行頻域MMSE均衡，得到均衡后的信號:

(11)

3仿真結(jié)果

圖3　信道估計的均方誤差

圖4為兩種方案信道估計的均方誤差，與MSE理論分析能很好吻合。TDM根據(jù)功率比例設(shè)置長度，由于訓練序列必須為周期P的倍數(shù)，因此取最接近的整數(shù)，則訓練長度Nt=12。從圖中可知DDST方案在信道估計時完全消除了信息的干擾，性能與TDM方案相同。圖5為無信道編碼情況下兩種方案的誤碼率曲線，可見DDST方案在符號檢測時基本能消除訓練的干擾，但性能仍然不如TDM方案。圖6為加入卷積碼編碼后的兩種方案的誤碼率曲線，可知在加入編碼后，DDST方案中發(fā)端預(yù)處理的失真影響減小，DDST方案的BER性能提升明顯，基本能較為接近TDM方案性能，然而DDST方案至少節(jié)省了10%的帶寬。

圖4　無編碼的誤碼率

圖5　有編碼的誤碼率

4結(jié)語

本文以短波衰落突發(fā)信道為背景，對DDST方案進行研究，并加入信道編碼。新方案有如下特點：①通過消除周期頻點信息序列的干擾，保證了信道估計性能與理論分析保持一致，且與TDM方案基本相同，能很好的估計出信道特性；②在接收端完全消除訓練序列對判決的干擾，通過糾錯編碼使得檢測性能較為接近TDM方案的水平。新方案在基本不降低誤碼率的前提下，消除了TDM方案中訓練序列的頻帶開銷，節(jié)約了帶寬，達到了預(yù)期的效果。

參考文獻：

[1]Hlawatsch F, Matz G. Wireless Communications over Rapidly Time-Varying Channels[M]. Oxford, UK: Elsevier Press, 2011.

[2]TONG L,Sadler B M and DONG M. Pilot-Assisted Wireless Transmissions General Model,Design Criteria and Signal Processing[J]. IEEE Signal Processing Magazine,21(6),12-25,Nov. 2004.

[3]王洪民,周冰.基于導頻的信道估計算法的研究[J].通信技術(shù)，2011，44(08):29-32.

WANG Hong-min，ZHOU Bing. Study on Pilot-based Channel Estimation Method for Wireless OFDM System[J]. Communications Technology, 2011，44(08):29-32.

[4]Orozco-Lugo A G,Lara M M and McLernon D C. Channel Estimation using Implicit Training[J]. IEEE Transactions on Signal Processing, 2004, 52(1): 240-254.

[5]Ghogho M, McLernon D C, Alameda-Hernandez E, et al.Channel Estimation and Symbol Detection for Block Transmission using Data-Dependent Superimposed Training[J]. IEEE Signal Processing Letters, 2005, 12(3): 226-229.

[6]Ghogho M, McLernon D C, Alameda-Hernandez E, et al. Channel Estimation and Symbol Detection for Block Transmission using Data-Dependent Superimposed Training[J]. IEEE Signal Processing Letters, 2005, 12(3): 226-229.

[7]DOU G, HE C, LI C, et al. A Weighted First-Order Statistical Method for Time-Varying Channel and DC-Offset Estimation using Superimposed Training[J]. IEEE Communications Letters, 2013, 17(5): 852-855.

張龍(1991—)，男，碩士研究生，主要研究方向為數(shù)字通信理論與技術(shù)；

周安棟(1964—)，男，副教授，碩士生導師，主要研究方向為無線通信；

竇高奇(1981—)，男，講師、博士，主要研究方向為信道估計與均衡，同步等；

文申平(1991—)，男，碩士研究生，主要研究方向為數(shù)字通信理論與技術(shù)。

Superimposed Training Sequence Design and Its

Efficient Transmission Technology

ZHANG Long, ZHOU An-dong, DOU Gao-qi, WEN Shen-ping

(College of Electronic Engineering, Naval University of Engineering, Wuhan Hubei 430033,China)

Abstract：The transmission scheme, for its superimposition of training sequence and information data, and removal of bandwidth cost occupied by training sequence attracts extensive attention from the people. How-ever, how to effectively separate superimposed signals thus becomes the basis for achieving efficient channel estimation and reliable detection. Based on superimposed periodic training sequence, an efficient channel estimation and detection scheme based on DDST (Data-Dependent Superimposed Training) scheme is stu-died. And combined with channel coding technology, the performance of DDST scheme and traditional TDM (Time-Division Multiplexing) scheme under coding condition is compared. Simulation results indicate that under the removal of training bandwidth cost, the BER of DDST is almost consistent with that of TDM.

Key words：superimposed training; sequence design; channel estimation and equalization; convolution code

作者簡介：

中圖分類號：TN92

文獻標志碼：A

文章編號：1002-0802(2015)07-0772-04

收稿日期：*2015-01-27；

doi:10.3969/j.issn.1002-0802.2015.07.004