基于神经网络的OFDM系统信道估计方法

本技术提供的是一种基于OMP

信道估计的OFDM

系统性能分析方法。针对基于OMP

信道估

计的OFDM

通信系统，有效信噪比ESNR

需要成功解码后才能获取这一限制。本技术主要通

过建立各个信噪比与系统参数关系的模型，通过系统参数如(

导频数量、ICI

、信道多径条数

与输入信噪比等)

获得有效信噪比与导频信噪比，并得到各个信噪比之间的关系。针对水声

信道条件的复杂性带来的输入信噪比无法准确指导解码性能的问题，本技术利用已知典型水

声通信系统和信道设定简化问题。本技术所公开的方法能够有效通过估计系统参数估计系统

各个信噪比性能指标。

权利要求书

1.

一种基于OMP

信道估计的OFDM

系统性能分析方法，其特征是：

(1)

信号预处理1)

对接收的通带信号进下降频、低通滤波，得到时域上的高斯白噪声平均能量，设其等效于

频域子载波平均噪声能量

2)

同步，利用循环前缀估计多普勒频移，然后补偿一致、非一致多普勒；

3)

利用空子载波与时域平均噪声估计平均子载波间干扰；

4)

采用OMP

算法进行信道估计，得到导频数量NP

与信道参数、包括：信道多径条数S

、第l

条路径的时延τl

与幅值系数β[l]

、以及信道能量

(2)

根据系统参数估计系统性能

1)

利用公式估计系统的有效信噪比γE

，VICI

为子载波间平均干扰；

2)

利用公式估计系统的导频信噪比γP

。

2.

根据权利要求1

所述的基于OMP

信道估计的OFDM

系统性能分析方法，其特征是子载波间

平均干扰VICI

通过导频上的子载波间干扰Vk

得到：

VICI

＝minVk

B-(DI,k,K)

＝{n|n

＝(n+q)K,-DI≤q≤DI,n≠k}其中，表示信道第i

条路径的能量，s

表示发送的频域向量，K

代表一个OFDM

符号包含的子

载波数量，α

代表残留的多普勒因子，fc

代表载波频率，T

是一个OFDM

符号的持续时间。

技术说明书

基于OMP

信道估计的OFDM

系统性能分析方法

技术领域

本技术涉及的是一种正交频分复用(OFDM)

通信系统性能分析方法。

背景技术

OFDM系统的信道估计与信号检测研究与实现

摘 要

21世纪即将进入5G的时代，移动通信正在朝着更高的传输速率、更低的延迟、更

宽的带宽、更高的频谱利用率的方向快速发展。OFDM技术作为5G通信领域的一项关

键技术，在移动通信的应用领域发挥着重要的作用。

本文主要研究了OFDM系统的信道估计与信号检测技术，设计并实现了基于

AD9361的同步信号检测系统。首先研究了OFDM系统中传统的信道估计算法，并通过

仿真，分析不同导频方案设计的传统信道估计算法的局限性。

其次将深度学习的神经网络模型引入到OFDM系统中，打破传统模块化的通信系

统设计模式，建立联合信道估计与信号检测的端到端网络模型，基于神经网络模型根据

接收数据直接恢复出原始数据流。与传统算法相比，基于深度学习的端到端信号检测算

法无需信道的统计信息，通过大量数据学习信道特性并用于信号检测。本文提出一种基

于滑动双向门控循环单元模型(SBGRU)的端到端序列检测算法，仿真表明，所提的端到

端序列检测算法在较少的导频占用率、较大的多普勒频移、较大的时延等恶劣的信道条

件下相较传统信道估计算法有明显的误码率性能提升，由于充分利用序列中蕴含的信

息，本文提出的SBGRU算法比基于深度神经网络模型(DNN)的符号检测算法的性能更

好，且在不同信噪比条件下的泛化能力更强。

最后设计了同步信号检测系统，在两发两收天线的射频系统中，通过发射一组ZCZ

码，利用其正交性克服不同天线间的相互干扰问题，在接收端，使用基于匹配滤波器的

互相关检测实现同步信号的快速捕获。基于FPGA和AD9361搭建完整的射频收发平台，

通过配置AD9361完成特定参数的射频系统设计，并对射频收发链路进行调试，在此平

台上，对同步信号检测方案进行测试，验证同步方案的合理性和可靠性。

关键词：OFDM；信道估计；信号检测；深度学习；AD9361 OFDM系统的信道估计与信号检测研究与实现

ABSTRACT

OFDM系统的信道估计技术讨论

引言

正交频分复用（OFDM）是一种广泛应用于无线通信系统的调制技术，其具有带宽利用率高、抗多径衰落的能力强、抗多径干扰的能力强等优点。在OFDM系统中，信道估计是一项重要的技术，它对系统的性能和稳定性有着至关重要的影响。本文将对OFDM系统的信道估计技术进行深入讨论，探讨其原理和方法，以及存在的问题和挑战。

一、OFDM系统的信道估计原理

在OFDM系统中，由于信道的复杂性和多普勒效应等原因，信道估计是必不可少的技术。其原理是利用已知的导频信号对信道进行估计，以便接收端能够正确解调和解码接收到的信号。在OFDM系统中，常用的信道估计技术有时域估计和频域估计两种方法。

1. 时域估计

时域估计是利用导频信号在时域上的变化来估计信道的技术，主要包括基于最小均方误差（MMSE）准则的线性插值方法、基于最小二乘（LS）准则的非线性插值方法、基于Lagrange插值多项式的方法等。时域估计的优点是计算简单、实现方便，但受到多普勒频移等因素的影响较大，精度较低。

二、OFDM系统的常用信道估计方法

针对上述两种信道估计原理，常用的信道估计方法主要包括最小均方误差（MMSE）估计、最大似然（ML）估计、贝叶斯估计等。下面将分别介绍这些方法的特点和应用。

1. 最小均方误差（MMSE）估计

最小均方误差（MMSE）估计是一种常用的信道估计方法，其原理是在已知导频信号的情况下，利用均方误差最小化的准则来估计信道的参数。MMSE估计的优点是计算简单、实现方便，对噪声和多径等干扰有一定的抵抗能力，但存在较大的计算复杂度和信道时变性较大的问题。

三、OFDM系统信道估计存在的问题和挑战

在实际的OFDM系统中，信道估计存在着许多问题和挑战，主要包括以下几个方面：

1. 多径干扰

由于无线信道的复杂性，其存在多径效应等问题，导致信号的传输路径不确定，从而影响信道估计的准确性和精度。 2. 多普勒频移

高速场景下基于OFDM的信道估计算法

OFDM（正交频分多路复用）技术是一种广泛应用于高速场景下的无线通信技术，它通过将信号分为多个子载波来传输数据，并利用正交性来减小子载波之间的干扰。在高速场景下，信道估计是OFDM系统中的一个重要环节，它用于估计无线信道的特性，以便在接收端对信号进行解调和解码。本文将介绍一种基于OFDM的信道估计算法。

在高速场景下，由于传播环境的复杂性以及多径信道的存在，信号在传输过程中会受到多径效应的影响，信号的传播路径较多和更复杂，导致信号的时域和频域衰落。因此，在接收端需要对信道进行估计，以便在信号解码时进行补偿。

基于OFDM的信道估计算法主要包括两个步骤：导频发送和信道估计。

首先，发送端将导频序列插入到OFDM符号中，并将其发送给接收端。导频序列是由已知的信号构成，接收端可以直接通过接收到的导频序列来估计信道。

接下来，接收端收到信号后，可以通过以下步骤来进行信道估计。

1.提取导频序列：接收端首先需要提取出接收到的OFDM符号中的导频序列。这可以通过接收到的符号的位置信息来实现，因为导频序列的位置是固定的。

2.信号去除：接收端可以利用提取出的导频序列对接收到的OFDM符号进行信号去除。对于每个子载波上的数据符号，将其与对应子载波上的导频符号相除，可以消除掉信号的幅度和相位，从而得到纯净的导频序列。 3.插值：由于多普勒效应的存在，导频序列的采样点可能不对齐。因此，在估计之前，需要对导频序列进行插值，以便获得更准确的信道估计结果。

4.信道估计：接收端可以利用插值后的导频序列进行信道估计。这可以通过将接收到的导频序列与已知的导频序列进行对比来实现，从而得到信道的特性。

5.信道补偿：通过信道估计，接收端可以得到信道的特性。在信号解码之前，接收端需要对信号进行补偿，以消除信道带来的失真。这可以通过将接收到的信号与估计得到的信道特性相乘来实现。

需要注意的是，基于OFDM的信道估计算法是一种基于导频的估计方法，导频序列的选择对信道估计的准确性有着重要的影响。因此，在设计导频序列时，需要考虑导频序列的长度以及分布等因素。