FBMC/OQAM系统基于前导码相关的信道估计改进方法

引用本文

闫莉丽, 罗志年. FBMC/OQAM系统基于前导码相关的信道估计改进方法[J]. 北京交通大学学报, 2020,44(2): 91-97.
YAN Lili, LUO Zhinian. An improved channel estimation based on the correlation of the preambles in FBMC/OQAM systems[J]. JOURNAL OF BEIJING JIAOTONG UNIVERSITY, 2020,44(2): 91-97.
Doi:10.11860/j.issn.1673-0291.20190086 复制到剪切板

Permissions

北京交通大学学报编辑部所有

FBMC/OQAM系统基于前导码相关的信道估计改进方法

闫莉丽^1,², 罗志年²

1.深圳技师学院,广东深圳 518000

2.湖南大学信息科学与工程学院,长沙 410082

通信作者:罗志年(1972—),男,湖南株洲人,副教授,博士生.email:zhinianluo@hnu.edu.cn.

第一作者:闫莉丽(1972—),女,山西所周人,副教授,硕士.研究方向为物联网通信技术.email:763473104@qq.com.

收稿日期: 2019-08-20

基金: 国家自然科学基金(61371115); 湖南省自然科学基金(2018JJ2065)

摘要

滤波器组多载波/正交幅度调制(FBMC/OQAM)作为未来通信系统多载波调制候选方案,具有高频谱效率和极低的带外失真,但在实际应用中存在固有干扰,会严重恶化信道估计的性能.提出了一种改进的基于前导码的信道估计方法,此方法降低了前导码功率,提高了信号的时间效率.在此基础上,通过利用相邻子载波间相关性来进一步提高信道估计性能,因此,采用了具有相邻 K个子载波之间相关性的信道估计方法.仿真结果表明:与传统方法相比,提出的改进信道估计算法具有较低的前导码功率和较好的BER性能.

关键词: 滤波器组多载波; 基于前导码的信道估计; 固有干扰; 副载波相关

中图分类号:TN911.2 文献标志码:A 文章编号:1673-0291(2020)02-0091-07

An improved channel estimation based on the correlation of the preambles in FBMC/OQAM systems

YAN Lili^1,², LUO Zhinian²

1. Shenzhen Institute of Technology, Shenzhen Guangdong 518000, China

2. College of Computer Science & Electronics Engineering,Hunan University,Changsha 410082, China

Fund:National Natural Science Foundation of China(61371115); Natural Science Foundation of Hunan Province(2018JJ2065)

Abstract

Filter Bank Multi-Carrier transmission with Offset QAM (FBMC/OQAM) is recognized as one of the candidates for the next generation of multi-carrier modulation schemes, due to its high spectral efficiency and extremely low out-of-band distortion. However, Channel Estimation (CE) performance may be seriously deteriorated by the intrinsic interference in practice. Because the correlations of preambles at the receiver may not be taken into account for traditional methods, which are recognized as inter-symbol interference. This paper proposes an improved preamble-based CE method, which has lower preamble power and higher time efficiency, and a CE algorithm using correlation between adjacent subcarriers is introduced to improve performances further. Finally, the CE algorithm with correlations between adjacent K subcarriers is deduced. Simulation results show that the proposed scheme has lower BER and preamble power, compared to the traditional methods.

Keyword: FBMC; preamble-based channel estimation; intrinsic interference; subcarrier correlation

文章图片

第5代移动通信系统提供了3种应用情景:增强型移动宽带业务(Enhanced Mobile Broadband, EMBB), 具备高数据速率和移动性; 大规模机器类型通信(Massive Machine Type of Communication, MMTC), 支持大规模连接; 以及超可靠的低延迟通信(Ultra-Reliable and Low Latency Communications, URLLC).因此, 5G系统必须支持各种服务和新兴应用.为了实现这些需求, 业界研究并提出了各种层次的信号处理新技术以及新的候选波形^[1].

OFDM是当前无线通信中应用最广泛的一种多载波技术, 在4G移动通信标准中被采用.但OFDM技术也存在一些缺点:如使用循环前缀(Cyclic Prefix, CP)会降低通信系统的性能, 尤其是频谱效率; 为了保持正交性, OFDM需要严格的时间和频率同步; 具有较大的峰均比(Peak to Average Power Ratio, PAPR), 降低了发射机的功率效率.因此, 在未来的通信系统中, 需要提出新的替代调制技术.

滤波器组多载波/正交幅度调制(FBMC/OQAM)作为第五代移动通信以及未来第六代移动通信系统的候选波形, 是目前无线通信领域一个研究热点^{[1, 2, 3]}.与传统的正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)相比, 由于不需要循环前缀, FBMC/OQAM具有更高的频谱效率^{[4, 5]}.另一方面, 由于特殊设计的时频滤波器, FBMC/OQAM具有较低的带外干扰泄漏, 在抵抗符号间干扰(Inter-Symbol Interference, ISI)和载波间干扰(Inter-Carrier Interference, ICI)方面具有良好的性能^[6].

FBMC/OQAM子载波相对于OFDM简化了正交的条件, 仅要求子载波在实数域中正交, 因此相邻符号之间存在固有虚部干扰.因此, 传统的OFDM信道估计算法不能直接应用于FBMC/OQAM系统.然而信道估计的好坏会直接影响到通信系统的整体性能^{[7, 8]}.很多学者针对信道估计做了广泛而又深入的研究^[9].文献[10, 11, 12, 13]提出基于散状导频结构的信道估计算法.散状导频是通过引入辅助导频, 所接收的主导频利用辅助导频抵消虚部干扰, 进而可以进行比较精确的信道估计.但这种方法复杂度高, 难以用于高密度导频做信道估计.文献[14]提出了干扰近似(Interference Approximation, IAM)和导频对(Pairs of Pilots, POP)两种基于前导码信道估计算法, 但IAM导频开销过大, POP算法信道估计性能较差.文献[15, 16]在IAM基础上, 提出了改进的信道估计算法.同时文献[16]还提出了干扰消除方法(Interference Elimination Method, IEM), 其主要原理是选择合适的前导序列, 将中心符号位置处的固有干扰降至最小, 但数据传输速率相比于IAM没有提升.文献[17]提出了最优前导信道估计算法.其利用IAM近似, 通过增大伪导频功率来实现性能提升, 但各个导频加权的系数计算比较复杂.文献[18]提出广义最小二乘(Generalized Least Square, GLS)的信道估计算法, 此算法通过考虑子载波之间的噪声和干扰的相关特性来实现改进的性能, 但是此算法的复杂度较高.文献[19]提出了固有干涉消除(Intrinsic Interference Elimination, IIE)算法, 该算法在前导码中使用反向滤波器来消除固有干扰. 然而, 由于固有干扰的存在, 大多数基于前导的算法在接收端存在固有干扰, 因此前导码之间的相关性被破坏, 无法得到精确的信道估计.文献[20]提出了一种利用数据相关叠加训练序列的OFDM系统信道估计方法, 可在不增加系统复杂度及带宽的情况下, 实现载波频偏及信道的稳健估计, 但为了提高信道估计的准确度, 采用了基扩展模型拟合方法, 增加了算法的复杂度.

利用前导码的相关性提高FBMC系统的信道估计方法目前相关的研究报道不是很多, 因此针对上述相关问题, 本文作者探讨了消除固有干扰算法(IIE)的基本原理和方法, 提出了一种改进的低前导功率和高时间效率的信道估计方法, 在接收端通过对前导的相关性分析, 提出了基于前导相关性等效和不等权重算法, 以进一步提高信道估计的精确度.

1 FBMC系统模型

离散时间FBMC/OQAM发送信号的基带等效信号可写为

$s (l) = \overset{M - 1}{\sum_{m = 0}} \sum_{n} a_{m, n} g_{m, n} (l)$ (1)

式中:a_m_,_n表示第m个子载波的第n个发送符号; M是子载波的数目, 且

$g_{m, n} (l) = g_{m, n} (l - n \frac{M}{2}) e^{j \frac{2 π nl}{M}}$ (2)

式中:nM/2≤ l≤ nM/2+KM-1, K是重叠因子; g(l)是具良好有时频特性的原型滤波器.g_m_,_n(l)是g(l)由时频变换得到, 且g_m_,_n(l)仅仅在实数域正交, 即

$R \{\sum_{l} g_{m, n} (l) g_{p, q}^{*} (l)\} = δ_{m, p} δ_{n, q}$ (3)

式中:δ _i_,_j是狄拉克函数, 表示即使没有信道失真和噪声干扰, 也具有完美的时间和频率同步, 滤波器组(AFB)的输出端仍存在一些载波间(或符号间)干扰, 这种干扰是在纯虚数域.

$\sum_{l} g_{m, n} (l) g_{p, q}^{*} (l) = j < g >_{m, n}^{p, q}$ (4)

因此, AFB输出在第p个子载波和第q个FBMC/OQAM符号为

$\begin{array}{l} y_{p, q} = H_{p, q} a_{p, q} + j \underset{I (p, q)}{\underset{︸}{\underset{(m, n) \neq (p, q)}{\underset{︸}{\sum_{m=0}^{M-1} \sum_{n} H_{m, n} a_{m, n} < g >_{m, n}^{p, q}}}}} + η_{p, q} \end{array}$ (5)

式中:H_p_,_q是信道频率响应; I_p_,_q和η _p_,_q分别是固有虚数干扰和噪声分量.因此, 如果将OFDM系统传统信道估计算法直接应用于FBMC系统, 其系统性能将严重恶化.例如, 在接收端处使用LS信道估计, 即

$\frac{y_{p, q}}{a_{p, q}} = H_{p, q} + \frac{I_{p, q}}{a_{p, q}} + \frac{η_{p, q}}{a_{p, q}}$ (6)

式中:I_p_,_q/a_p_,_q值过大会严重恶化信道估计的性能.

2 信道估计算法

2.1 传统的信道估计算法

为了消除前导码之间的内在固有干扰, 文献[18]提出了IIE算法.IIE算法的前导结构如图1所示.τ 表示OQAM符号之间的时间偏移, Δ f是子载波间隔.

	Figure Option View Download New Window
	图1 导频结构Fig.1 Pilot structure

IIE算法的原理如下:IIE算法的第1列前导符号与传统的FBMC符号相同, 可用式(1)表示.不同之处在于前导结构使用复数, 即a_m_,_n=1+j.

$g_{m, n} (l) = e^{j \frac{2 π ml}{M}} g (l - nM)$ (7)

式中:nM≤ l≤ nM+KM-1.显然, FBMC符号存在固有干扰.为了消除这种固有干扰, 考虑在第2列前导上发送相同的前导码.但不同之处在于相邻子载波符号的滤波器符号取反, 其前导符号为

$\begin{matrix} s (l) = \overset{+ \infty}{\sum_{n = - \infty}} \overset{M / 2 - 1}{\sum_{u = 0}} [a_{2 u, n} g_{2 u, n} (l) + a_{2 u + 1, n} g_{2 u + 1, n} (l)] \end{matrix}$ (8)

其中:g₂_u_,_n(l)= $e^{j \frac{2 π (2 u) l}{M}}$ g(l-nM),

$g_{2 u + 1, n} (l) = e^{j \frac{2 π (2 u + 1) l}{M}} [- g (l - nM)] .$

式中:g(l-nM)和-g(l-nM)表示对相邻子载波间滤波器取相反极性, 因此第2列和第1列前导所产生的固有干扰大小相同, 但极性相反.通过这种双极性滤波器设计, 结合两个接收端的前导码可以消除FBMC接收器的固有干扰.

2.2 基于相关性改进的信道估计算法

针对FBMC/OQAM系统信道估计问题, 本文提出的一种改进的基于前导的信道估计算法, 此方法不仅降低了前导功率, 还提高了信号的时间效率.新的前导结构如图1(b)所示.所提出的算法使用相邻的子载波滤波器取相反来消除导频符号存在的内在干扰.其中第1列前导符号与IIE算法不同, 它可以表示为式(1)和式(2), 第2列导频符号采用如式(8)表示, 这样由于相邻子载波符号的滤波器符号取反, 消除了导频符号间的这种固有干扰.4种前导幅度见图2.

	Figure Option View Download New Window
	图2 不同前导码的幅值Fig.2 Amplitude of different preambles

从图2中可以看出, 传统算法具有较高的前导码峰值, 特别是IIE算法.高前导峰值不仅会降低发射机功率放大器的效率, 还会降低ADC和DAC的信号与量化噪声比, 但新算法具有最低的前导峰值.为了进一步说明新方法的有效性, 表1给出了不同前导码的峰均功率比(PAPR).

表1 FBMC系统中不同前导码的峰值功率比 Tab.1 Peak power ratio of different preambles in FBMC system

FBMC符号的PAPR为

$\begin{array}{l} P_{APR} = 10 \lg \frac{\max_{nT < t < (n + 1) T} {|x (t)|}^{2}}{mean {|x (t)|}^{2}}, \\ n = 0, 1, \dots, N - 1 \end{array}$ (9)

式中:N表示OQAM符号的数量; x(t)是输入符号.从表1可知新算法具有最低的PAPR.另外由于IIE算法的两列前导使用了QAM调制, 产生了4τ 的时间开销, 这意味着该算法具有较低的时间效率, 如图1(a)所示.新算法采用OQAM调制, 时间开销为2τ .与传统的IIE算法相比, 它可以节省2τ (相当于1个QAM符号时间)的时间开销.且新算法采用OQAM调制与FBMC/OQAM系统更兼容.总之, 新的前导结构比IIE算法具有更高的时间效率和更低的前导功率, 同时新的前导算法在接收机处没有固有干扰, 因此可利用其相关性来改善信道估计的性能.

为分析接收机处前导的相关性, 假设每条路径都是瑞利衰落信道.为简单起见, 省略下标n.令m和m+K个子载波的频域信道响应分别为H_m和H_m₊_k, 且满足E(H_m₊_k)=E(H_m)=0, E|H_m₊_k|²=E|H_m|².在不含噪声和固有干扰的第m个子载波前导的频域表达式可以表示为R_m=a_mH_m.其前导在接收器处的相关性可表示为

$\begin{array}{l} ρ_{m, m + K} = \frac{cov (R_{m}, R_{m + K})}{\sqrt[]{D (R_{m})} \cdot \sqrt[]{D (R_{m + K})}} = \frac{cov (a_{m} H_{m}, a_{m + K} H_{m + K})}{\sqrt[]{D (a_{m} H_{m})} \cdot \sqrt[]{D (a_{m + K} H_{m + K})}} = \\ \frac{E [H_{m} H_{m + K}^{*}]}{E [| H_{m} |^{2}]} = \frac{E [\overset{L - 1}{\sum_{p = 0}} h_{p} e^{- j \frac{2 π mp}{M}} \overset{L - 1}{\sum_{q = 0}} h_{q}^{*} e^{j \frac{2 π (m + K) q}{M}}]}{E [\overset{L - 1}{\sum_{p = 0}} h_{p} e^{- j \frac{2 π mp}{M}} \overset{L - 1}{\sum_{q = 0}} h_{q}^{*} e^{j \frac{2 π mq}{M}}]} \end{array}$ (10)

式中:h是时域信道脉冲响应; L是最大多径延迟.由于不同的路径在实际工程中一般认为是相互独立的, 因此上述等式可以简化为

$ρ_{m, m + K} = \frac{\overset{L - 1}{\sum_{p = 0}} E [| h_{p} |^{2} e^{j \frac{2 π K_{p}}{M}}]}{\overset{L - 1}{\sum_{q = 0}} E [{|h_{q}|}^{2}]}$ (11)

由式(11)可知, 前导之间的相关性与h, M和K有关.而K值越小, 前导码的相关性越强.因此, 相邻子载波前导可以通过频域的相关性加权得到

$\begin{array}{l} {\overset{\land}{R}}_{m} = λ (R_{m - 1} + δ_{m - 1}) + (1 - 2 λ) (R_{m} + δ_{m}) + λ (R_{m + 1} + δ_{m + 1}) = \\ R_{m} + λ (Δ_{m + 1, m} - Δ_{m, m + 1}) + λ δ_{m - 1} + (1 - 2 λ) δ_{m} + λ δ_{m + 1} \end{array}$ (12)

式中:λ 是加权因子; ${\overset{\land}{R}}_{m}$ 是加权前导; σ 是高斯白噪声; Δ _m₊₁=R_m₊₁-R_m是加权误差.由于噪声与噪声无关, 信号也与噪声无关, 因此接收机无信号的总功率可表示为

$\begin{array}{l} P = E [| λ (Δ_{m + 1, m} - Δ_{m, m - 1}) + λ δ_{m - 1} + (1 - 2 λ) δ_{m} + λ δ_{m + 1} |^{2}] = \\ λ^{2} {6 E (R_{m}^{2}) - 4 E (R_{m} R_{m + 1}^{*}) - 4 E (R_{m - 1} R_{m}^{*}) + 2 E (R_{m - 1} R_{m + 1}^{*})} + \\ (1 - 4 λ + 6 λ^{2}) E (δ_{m}^{2}) = λ^{2} {6 E (R_{m}^{2}) - 4 ρ_{m, m + 1} E (R_{m}^{2}) - \\ 4 ρ_{m, m - 1} E (R_{m}^{2}) + 2 ρ_{m, m + 2} E (R_{m}^{2})} + (1 - 4 λ + 6 λ^{2}) E (δ_{m}^{2}) \end{array}$ (13)

由式(10)可知, 当M的值足够大时, ρ _m_,_m₊₁=ρ _m_,_m_-1≈ ρ _m_,_m₊₂≈ 1, 且

$P = (1 - 4 λ + 6 λ^{2}) E (δ_{m}^{2})$ (14)

因此, 接收端和发送端的信噪比比值可以表示为

$\begin{matrix} \frac{{S_{NR,}}_{r}}{{S_{NR,}}_{t}} = \frac{E (R_{m}^{2}) / {(1 - 4 λ + 6 λ^{2}) E (δ_{m}^{2})}}{E (R_{m}^{2}) / E (δ_{m}^{2})} = \frac{1}{1 - 4 λ + 6 λ^{2}} \end{matrix}$ (15)

其中λ =1/3时, 上式具有最大值, 因此 ${S_{NR,}}_{r}$ =3 ${S_{NR,}}_{t}$ .当相邻的子载波完全相关时, 可以获得4.7 dB的增益.

通过采用前导的相邻子载波之间的相关性来获得等效加权算法.当K=1时

${\overset{\land}{R}}_{m}^{K = 1} = \frac{1}{3} R_{m - 1} + \frac{1}{3} R_{m} + \frac{1}{3} R_{m + 1}$ (16)

因此信道估计可以表示为

${\overset{\land}{H}}_{m} = {\overset{\land}{R}}_{m}^{K = 1} / a_{m}$ (17)

但是, 第m个的子载波也与第m+2, m+3, m+4个等子载波有关.并且相关性逐渐减小, 等效加权算法不适合K个子载波.因此, 下面推导了不同K个子载波之间的不等加权算法.

$\begin{array}{l} {\overset{\land}{R}}_{m}^{K = 0} = R_{m}, \\ {\overset{\land}{R}}_{m}^{K = 1} = \frac{1}{3} {\overset{\land}{R}}_{m - 1}^{K = 0} + \frac{1}{3} {\overset{\land}{R}}_{m}^{K = 0} + \frac{1}{3} {\overset{\land}{R}}_{m + 1}^{K = 0}, \\ {\overset{\land}{R}}_{m}^{K = 2} = \frac{1}{3} {\overset{\land}{R}}_{m - 1}^{K = 1} + \frac{1}{3} {\overset{\land}{R}}_{m}^{K = 1} + \frac{1}{3} {\overset{\land}{R}}_{m + 1}^{K = 1}, \\ {\overset{\land}{R}}_{m}^{K = 3} = \frac{1}{3} {\overset{\land}{R}}_{m - 1}^{K = 2} + \frac{1}{3} {\overset{\land}{R}}_{m}^{K = 2} + \frac{1}{3} {\overset{\land}{R}}_{m + 1}^{K = 2}, \\ {\overset{\land}{R}}_{m}^{K = 4} = \frac{1}{3} {\overset{\land}{R}}_{m - 1}^{K = 3} + \frac{1}{3} {\overset{\land}{R}}_{m}^{K = 3} + \frac{1}{3} {\overset{\land}{R}}_{m + 1}^{K = 3} . \end{array}$

其中 ${\overset{\land}{R}}_{m}^{K}$ 是相邻2K个子载波的加权前导, 当K=4的不等加权算法可以表示为

$\begin{matrix} {\overset{\land}{R}}_{m}^{K = 4} = \frac{1}{81} R_{m - 4} + \frac{4}{81} R_{m - 3} + \frac{10}{81} R_{m - 2} + \frac{16}{81} R_{m - 1} + \frac{19}{81} R_{m} + \frac{16}{81} R_{m + 1} + \frac{10}{81} R_{m + 2} + \frac{4}{81} R_{m + 3} + \frac{1}{81} R_{m + 4} \end{matrix}$ (18)

因此, 在式(16)中K=4替换K=1时, 可以获得K=4的不等加权算法.用于信道估计的K=4的系统框图如图3所示.

	Figure Option View Download New Window
	图3 用于信道估计的K=4的实现框图Fig.3 Block diagram of K=4 for channel estimation

3 仿真与分析

本节从误码率(BER)和均方误差(MSE)两方面对新提出的方法与传统的信道估计方法进行比较.仿真参数设置见表2.

表2 仿真参数设置 Tab.2 Setting of simulation parameters

如图4所示, K值表示ITU-PA和ITU-VA信道下的相邻子载波的数量.

	Figure Option View Download New Window
	图4 TU-PA和ITU-VA信道下不同K值的BER性能比较Fig.4 BER performance comparison of different K values in ITU-PA and ITU-VA Channels

新前导算法有更好的BER性能, 因为所提出的导频结构可以有效地消除导频之间的干扰.且新前导结构具有如图2和表1所示的最低功率和更高的时间效率.K=1时, 等效加权前导算法明显优于K=0算法.因为K=0的新前导结构仅消除了导频之间的固有干扰并忽略了前导码相关性.K=1是表示在接收器处使用相邻子载波之间的相关性, 此时可以降低噪声对信道估计的影响.同时还可以看到K个相邻子载波之间的相关性也可以进一步改善信道估计性能.

同时, 随着K值的增加, 前导的相关性降低, 加权系数变小, 不等加权算法满足理论分析.另外, 新的不等加权算法不需要重复从K=0到k(最优值)进行重构导频方法以提高信道估计的性能, 但可以直接在接收机上使用k子载波不等加权算法来替代算法从K=0到k的延迟问题.

为了进一步突出本文提出的最优算法(如K=4), 将K=4算法与传统算法进行了比较.如图5所示, 在ITU-PA和ITU-VA信道之间比较了所提出的最优算法和传统算法.当K=4且S_NR< 40 dB时, 新算法明显优于其他传统算法.主要因为新算法使用K个子载波之间的相关性来减少噪声对信道估计的影响.

	Figure Option View Download New Window
	图5 ITU-PA 和ITU-VA信道下新方法与传统算法的BER对比Fig.5 BER comparisons of new method and traditional algorithm in ITU-PA and ITU-VA channel

尽管IAM算法在图5中的S_NR=40时略好于新算法, 但IAM算法需要三列前导符号, 而新算法仅需要两列前导码.此外, 虽然新算法和传统IAM算法都是基于前导码的信道估计算法, 但两种算法理论是互不相关的.与传统的IAM算法相比, 新算法可以在S_NR< 40 dB的情况下获得较低的BER性能, 同时节省了一列导频开销.因此, 当S_NR低于40 dB时, 新算法更适合各种场景.

图6分别示出了ITU-PA和ITU-VA信道中的平均信噪比的MSE性能.由图6可以看到, 所提出的方案(K=4)远远优于传统算法.造成这种现象的主要原因是传统算法对噪声敏感, 新方案合理地设置了导频, 充分利用了子载波相关性.MSE和BER的仿真曲线是一致的, 表明新算法在不同场景下明显优于其他算法.

	Figure Option View Download New Window
	图6 ITU-PA 和ITU-VA信道下新方法与传统算法的MSE对比Fig.6 MSE comparisons of new method and traditional algorithm in ITU-PA and TU-VA channel

4 结论

滤波器组多载波/正交幅度调制(FBMC/OQAM)作为未来通信系统多载波调制重要的候选方案, 有必要对其相关关键技术进行深入的研究.

1)针对滤波器组多载波/正交幅度调制(FBMC/OQAM)通信系统, 提出了一种改进的基于前导码的信道估计方法, 通过利用相邻子载波间相关性来进一步提高信道估计性能.

2) 与传统的IEM和IAM方法相比, 提出的信道估计方法可以节省三分之一的前导开销, 同时前导功率明显低于传统方法, 可以大大延长终端设备的电池寿命, 适用于未来高数据速率的无线移动通信系统.

参考文献

文献列表

[1]	MHEDHBI M, BOUKOUR F E. Analysis and evaluation of pattern division multiple access scheme jointed with 5G waveforms[J]. IEEE Access, 2019, 7: 21826-21833. [本文引用:2]
[2]	AL-JAWHAR Y A, RAMLI K N, MUSTAPHA A, et al. Reducing PAPR with low complexity for 4G and 5G waveform designs[J]. IEEE Access, 2019, 7: 97673-97688. [本文引用:1]
[3]	JI B F, SONG K, LI C G, et al. Energy harvest and information transmission design in Internet-of-things wireless communication systems[J]. International Journal of Electronics and Communications, 2018, 87: 124-127. [本文引用:1]
[4]	FARHANG-BOROUJENY B. OFDM versus filter bank multicarrier[J]. IEEE Signal Processing Magazine, 2011, 28(3): 92-112. [本文引用:1]
[5]	LIU M Q, WANG J, LI B B. Non-data aided joint estimation of symbol timing offset and carrier frequency offset for OFDM/OQAM systems[J]. AEU - International Journal of Electronics and Communications, 2018, 87: 164-172. [本文引用:1]
[6]	VUCIC D, VUKOTIC S, ERIC M. Cyclic spectral analysis of OFDM/OQAM signals[J]. International Journal of Electronics and Communications, 2017, 73: 139-143. [本文引用:1]
[7]	LI Y S, JIN Z, WANG Y Y. Adaptive channel estimation based on an improved norm-constrained set-membership normalized least mean square algorithm[J]. Wireless Communications and Mobile Computing, 2017(1): 1-8. [本文引用:1]
[8]	LI Y S, WANG Y Y, JIANG T. Sparse least mean mixed-norm adaptive filtering algorithms for sparse channel estimation applications[J]. International Journal of Communication Systems, 2017, 30: 1-14. [本文引用:1]
[9]	卢艳萍, 陶成, 刘留, 等. 基于测量的大规模多天线无线信道时间色散特性分析[J]. 北京交通大学学报, 2017, 41(2): 59-66. LU Yanping, TAO Cheng, LIU Liu, et al. Analyses of temporal dispersion of wireless channel for Massive MIMO based on channel measurements[J]. Journal of Beijing Jiaotong University, 2017, 41(2): 59-66. (in Chinese) [本文引用:1]
[10]	VUCIC N, SCHELLMANN M. A simplified scattered pilot for FBMC/OQAM in highly frequency selective channels[C]// 11th International Symposium on Wireless Communications Systems. Barcelona, 2014: 819-823. [本文引用:1]
[11]	JAMAL B, WEITKEMPER P, KUSUME K. Power efficient scattered pilot channel estimation for FBMC/OQAM[C]// IEEE International Itg Conference on Systems, Communications and Coding. Hamburg, 2015: 1-6. [本文引用:1]
[12]	YU B, HU S, SUN P F, et al. Channel estimation using dual-dependent pilots in FBMC/OQAM systems[J]. IEEE Communications Letters, 2016, 20(11): 2157-2160. [本文引用:1]
[13]	FUHRWERK M, MOGHADDAMNIA S, PEISSIG J. Scattered pilot-based channel estimation for channel adaptive FBMC-OQAM systems[J]. IEEE Transactions on Wireless Communications, 2017, 16(3): 1687-1702. [本文引用:1]
[14]	LÉLÉ C, JAVAUDIN J P, LEGOUABLE R, et al. Channel estimation methods for preamble-based OFDM/OQAM modulations[J]. European Transactions on Telecommunications, 2008, 19(7): 741-750. [本文引用:1]
[15]	KOFIDIS E, KATSELIS D. Improved interference approximation method for preamble-based channel estimation in FBMC/ OQAM[C]// European Signal Processing Conference. Barcelona, 2011: 1603-1607. [本文引用:1]
[16]	KOFIDIS E, KATSELIS D, RONTOGIANNIS A, et al. Preamble-based channel estimation in OFDM/OQAM systems: a review[J]. Signal Processing, 2013, 93(7): 2038-2054. [本文引用:2]
[17]	ABOULDAHAB M A, FOUAD M M, ROSHDY R A. A proposed preamble based channel estimation method for FBMC in 5G wireless channels[C]//35th National Radio Science Conference. Cairo, 2018: 140-148. [本文引用:1]
[18]	SINGH V K, FLANAGAN M F, CARDIFF B. Generalized least squares based channel estimation for high data rate FBMC-OQAM[C]// 25th International Conference on Telecommunications. Saint Malo, 2018: 26-28. [本文引用:2]
[19]	WANG J C, ZHAO H, ZHANG Y Y, et al. Intrinsic interference elimination for preamble-based channel estimation in FBMC systems[C]// IEEE Globecom Workshops. Washington D C, 2016: 1-5. [本文引用:1]
[20]	凌琪琪, 罗志年. 基于数据相关叠加训练序列的载波频偏与信道联合估计[J]. 计算机工程, 2017, 43(9): 138-143. LING Qiqi, LUO Zhinian. Joint estimation of carrier frequency offset and channel based on data dependent superimposed training sequence[J]. Computer Engineering, 2017, 43(9): 138-143. (in Chinese) [本文引用:1]

2019

0.0

... 为了实现这些需求,业界研究并提出了各种层次的信号处理新技术以及新的候选波形^[1] ...

... 滤波器组多载波/正交幅度调制(FBMC/OQAM)作为第五代移动通信以及未来第六代移动通信系统的候选波形,是目前无线通信领域一个研究热点^[1,2,3] ...

2019

0.0

... 滤波器组多载波/正交幅度调制(FBMC/OQAM)作为第五代移动通信以及未来第六代移动通信系统的候选波形,是目前无线通信领域一个研究热点^[1,2,3] ...

2018

0.0

... 滤波器组多载波/正交幅度调制(FBMC/OQAM)作为第五代移动通信以及未来第六代移动通信系统的候选波形,是目前无线通信领域一个研究热点^[1,2,3] ...

2011

0.0

... 与传统的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)相比,由于不需要循环前缀,FBMC/OQAM具有更高的频谱效率^[4,5] ...

2018

0.0

... 与传统的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)相比,由于不需要循环前缀,FBMC/OQAM具有更高的频谱效率^[4,5] ...

2017

0.0

... 另一方面,由于特殊设计的时频滤波器,FBMC/OQAM具有较低的带外干扰泄漏,在抵抗符号间干扰(Inter-Symbol Interference,ISI)和载波间干扰(Inter-Carrier Interference,ICI)方面具有良好的性能^[6] ...

0.0

... 然而信道估计的好坏会直接影响到通信系统的整体性能^[7,8] ...

2017

0.0

... 然而信道估计的好坏会直接影响到通信系统的整体性能^[7,8] ...

2017

0.0

... 很多学者针对信道估计做了广泛而又深入的研究^[9] ...

2014

0.0

... 文献[10,11,12,13]提出基于散状导频结构的信道估计算法 ...

2015

0.0

... 文献[10,11,12,13]提出基于散状导频结构的信道估计算法 ...

2016

0.0

... 文献[10,11,12,13]提出基于散状导频结构的信道估计算法 ...

2017

0.0

... 文献[10,11,12,13]提出基于散状导频结构的信道估计算法 ...

2008

0.0

... 文献[14]提出了干扰近似(Interference Approximation,IAM)和导频对(Pairs of Pilots,POP)两种基于前导码信道估计算法,但IAM导频开销过大,POP算法信道估计性能较差 ...

2011

0.0

... 文献[15,16]在IAM基础上,提出了改进的信道估计算法 ...

2013

0.0

... 文献[15,16]在IAM基础上,提出了改进的信道估计算法 ...

... 同时文献[16]还提出了干扰消除方法(Interference Elimination Method,IEM),其主要原理是选择合适的前导序列,将中心符号位置处的固有干扰降至最小,但数据传输速率相比于IAM没有提升 ...

2018

0.0

... 文献[17]提出了最优前导信道估计算法 ...

2018

0.0

... 文献[18]提出广义最小二乘(Generalized Least Square,GLS)的信道估计算法,此算法通过考虑子载波之间的噪声和干扰的相关特性来实现改进的性能,但是此算法的复杂度较高 ...

... 1 传统的信道估计算法为了消除前导码之间的内在固有干扰,文献[18]提出了IIE算法 ...

2016

0.0

... 文献[19]提出了固有干涉消除(Intrinsic Interference Elimination,IIE)算法,该算法在前导码中使用反向滤波器来消除固有干扰 ...

2017

0.0

凌琪琪, 罗志年. 基于数据相关叠加训练序列的载波频偏与信道联合估计[J]. 计算机工程, 2017, 43(9): 138-143.

LING

Qiqi

, LUO

Zhinian

. Joint estimation of carrier frequency offset and channel based on data dependent superimposed training sequence[J]. Computer Engineering, 2017, 43(9): 138-143. (in Chinese)

Focusing on the sensitivity to carrier frequency offset in the Orthogonal Frequency Division Multiplexing(OFDM) system,a joint estimation algorithm of carrier frequency offset and channel is proposed in this paper.The frequency offset is estimated through the phase difference between two adjacent OFDM symbols,and the accuracy of estimation is improved by an iteration algorithm.Meanwhile,referring the characteristics of Data Dependent Superimposed Training(DDST) at the frequncy domain are used to estimate two consecutive OFDM channels,and the Basis Expansion Model(BEM) fitting channel is employed to improve the estimation performance.The simulation results show that the proposed algorithm can robustly estimate the carrier frequency offset and channel without increasing system complexity and sacrificing the bandwidth.

(College of Computer Science and Electronic Engineering,Hunan University,Changsha 410082,China)

针对正交频分复用(OFDM)系统对载波频偏敏感的问题,提出一种载波频偏与信道的联合估计算法。通过相邻2个OFDM符号间的相位差进行频偏估计,使用迭代算法提高估计精度。利用数据相关叠加训练序列在频域的特性,对2个连续的OFDM符号进行信道估计,并且采用基扩展模型拟合信道提高估计性能。仿真结果表明,该算法可在不增加系统复杂度及带宽的情况下实现载波频偏及信道的稳健估计。

... 文献[20]提出了一种利用数据相关叠加训练序列的OFDM系统信道估计方法,可在不增加系统复杂度及带宽的情况下,实现载波频偏及信道的稳健估计,但为了提高信道估计的准确度,采用了基扩展模型拟合方法,增加了算法的复杂度 ...