高速移动通信系统中OTFS分数多普勒信道估计加窗研究

蒋占军; 刘庆达; 张鈜; 刘欢

doi:10.11999/JEIT210561

高速移动通信系统中OTFS分数多普勒信道估计加窗研究

doi: 10.11999/JEIT210561

兰州交通大学电子与信息工程学院兰州 730070

基金项目: 甘肃省无线电监测定位创新团队基金(2017C-09），兰州交通大学“百名青年优秀人才培养计划”基金(150220232)

详细信息

作者简介:
蒋占军：男，1975年生，教授，研究方向为通信与信息系统

刘庆达：男，1997年生，硕士生，研究方向为无线通信系统

张鈜：男，1997年生，硕士生，研究方向为未来无线通信

刘欢：女，1997年生，硕士生，研究方向为未来移动通信

通讯作者:
刘庆达　1570329341@qq.com

中图分类号: TN92
计量
- 文章访问数: 1586
- HTML全文浏览量: 747
- PDF下载量: 197
- 被引次数: 64
出版历程
- 收稿日期: 2021-06-10
- 修回日期: 2022-01-13
- 录用日期: 2022-01-17
- 网络出版日期: 2022-01-24
- 刊出日期: 2022-02-25

Study on OTFS Fractional Doppler Channel Estimation and Windowing in High-Speed Mobile Communication Systems

School of Electronics and Information Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China

Funds: The Foundation of Gansu Province Radio Monitoring and Positioning Innovation Team (2017C-09), The Funded by Lanzhou Jiaotong University “Hundred Young Talents Training Program” (150220232)

摘要

摘要: 针对正交时频空间(OTFS)调制系统中分数多普勒信道对应的物理路径信道状态信息估计困难及计算复杂度较高等问题，该文提出一种节省导频资源的脉冲匹配滤波(PRS-PMF)信道估计算法。该算法首先使用数据与导频联合成帧的嵌入式辅助导频方法获得等效信道的估计，然后通过互相关匹配滤波估计出各路径信道状态信息，相比于传统的脉冲导频互相关匹配滤波信道估计算法，能够在降低计算复杂度的同时减少导频资源的占用。在此基础上，对OTFS系统加窗，减少窗口响应主瓣的整数样点数量并降低旁瓣电平，有效改善了等效信道多普勒响应函数的自相关特性，从而降低了其他符号及噪声对估计符号的干扰。
- 正交时频空间调制 /
- 分数多普勒信道 /
- 信道估计 /
- 互相关匹配滤波 /
- 窗口响应
Abstract: In the Orthogonal Time-Frequency Space (OTFS) modulation system, it is difficult to estimate the Channel State Information (CSI) of physical path corresponding to fractional Doppler channel, and the computation is very complicated. To solve these problems, a channel estimation algorithm PRS-PMF (Pilot Resource Saving-Pulse Matched Filtering) for pulse matching filter which saves pilot resources is proposed. In the algorithm, the embedded auxiliary pilot is employed to obtain the equivalent channel estimation, then the CSI of each path is estimated through the cross-correlation matched filter. Compared with the traditional cross-correlation matched filter channel estimation algorithms, it can reduce the pilot resource occupy and the computational complexity. On this basis, the OTFS system is windowed to reduce the number of integer samples of the main lobe of the window response and reduce the side lobe level, which improves effectively the autocorrelation characteristics of the equivalent channel Doppler response function and thus reduces the interference of other symbols and noise on the estimated symbols.
- Orthogonal Time-Frequency-Space (OTFS) /
- Fractional Doppler channel /
- Channel estimation /
- Cross-correlation matched filtering /
- Window response

HTML全文

图 1 OTFS系统框图

下载: 全尺寸图片幻灯片

图 2 分数/整数多普勒矩形窗口多普勒域信道扩展对比

下载: 全尺寸图片幻灯片

图 3 脉冲导频图案设计

下载: 全尺寸图片幻灯片

图 4 嵌入式导频辅助导频图案设计

下载: 全尺寸图片幻灯片

图 5 不同旁瓣电平的DC窗口对加窗匹配函数 ${\bar H_{{\text{EQ,}}\upsilon }}\left( {k - {k_{p,{\text{I}}}} - {k_{p,{\text{F}}}}} \right)$ 的影响

下载: 全尺寸图片幻灯片

图 6 不同旁瓣电平的DC窗口信道估计误差

下载: 全尺寸图片幻灯片

图 7 矩形窗及添加DC窗信道估计误差对比

下载: 全尺寸图片幻灯片

图 8 不同信道估计下采用MMSE检测块误码率

下载: 全尺寸图片幻灯片

图 9 不同信道估计下采用MMSE检测误码率

下载: 全尺寸图片幻灯片

表 1 导频图案资源占用率(%)比较

系统	嵌入式导频设计资源占用率 ${\eta _{{\text{PRS}}}}$	文献[]导频设计资源占用率 $\eta$
${l_{{\tau _{\max }}}} = 3,M = 16$	25.0	100
${l_{{\tau _{\max }}}} = 6,M = 32$	21.9	100
${l_{{\tau _{\max }}}} = 16,M = 64$	26.6	100

下载: 导出CSV

表 3 本文PRS-PMF信道估计算法步骤

步骤	操作	描述
1	初始化	降低导频资源的信道响应 ${{\mathbf{\hat H}}_{{\text{EQ}}}}$ ，调节系数 $\alpha$ 和 $\beta$ ，噪声方差 ${\sigma ^2}$ ， $p \Leftarrow 1$
2	遍历每个时延分量 $\tilde l$ 并初始向量 ${\mathbf{h'}}$ (1级循环)	for每个时延分量 $\tilde l$ 初始向量 ${\mathbf{h'}} \Leftarrow {{\mathbf{\hat H}}_{{\text{EQ}}}}\left[ {:,\tilde l} \right]$
3	对于第 $p$ 路径生成互相关矩阵(2级循环)	for对于每个多普勒频移离散量整数部分 ${\tilde k_{\text{I}}}$ 和小数部分 ${\tilde k_{\text{F}}}$ 计算 ${R_{{\mathbf{h'}},{H_{{\text{EQ,}}\upsilon }}\left( {{{\tilde k}_{\text{I}}} + {{\tilde k}_{\text{F}}}} \right)}}$ ，组成向量 ${{\mathbf{R}}_{{\mathbf{h'}},{{\mathbf{H}}_{{\text{EQ,}}\upsilon }}}}$
4	估算第 $p$ 路径信道参数	寻找 $\left\| {{{\mathbf{R}}_{{\mathbf{h'}},{{\mathbf{H}}_{{\text{EQ,}}\upsilon }}}}} \right\|$ 最大时的 ${\tilde k_{\text{I}}} + {\tilde k_{\text{F}}}$ ，如果 $\left\| {{{\mathbf{R}}_{{\mathbf{h'}},{H_{{\text{EQ,}}\upsilon }}\left( {{{\tilde k}_{\text{I}}} + {{\tilde k}_{\text{F}}}} \right)}}} \right\| > {\hat h_{p - 1}}$ ，跳出循环，否则根据式(14)估计各个参数
5	更新 ${\mathbf{h'}}$	${\mathbf{h'}} \Leftarrow {\mathbf{h'}} - {\hat h_p}{{\text{e}}^{{\text{j}}{{\hat \phi }_p}}}{\hat \varphi _p}\left[ {{{\hat l}_p}} \right]{H_{{\text{EQ,}}\upsilon }}\left( {{{\hat k}_{p,{\text{I}}}} + {{\hat k}_{p,{\text{F}}}}} \right)$
6	更新估计路径 $p$	$p \Leftarrow p{\text{ + }}1$
7	2级循环即关于 $p$ 迭代停止条件	当满足 $\left\| {{{\mathbf{R}}_{{\mathbf{h'}},{H_{{\text{EQ,}}\upsilon }}\left( {{{\hat k}_{p,{\text{I}}}} + {{\hat k}_{p,{\text{F}}}}} \right)}}} \right\| < \left\{ \begin{gathered} \alpha \left\| {\sum\nolimits_{d = 1}^N {{{\hat H}_{{\text{EQ}}}}\left[ {d,{{\hat l}_p}} \right]} } \right\| \hfill \\ \beta \sigma \hfill \\ \end{gathered} \right.$ ，停止迭代转到步骤2，否则转到步骤3继续迭代
8	输出所有路径信道估计量	输出所有估计路径 $p$ 的 ${\hat k_{p,{\text{I}}}} + {\hat k_{p,{\text{F}}}}$ ， ${\hat l_p}$ ， ${\hat h_p}$ ， ${\hat \varphi _p}$ ， ${{\rm{e}}^{ {\text{j} }{ {\hat \phi }_p} } }$

下载: 导出CSV

表 2 计算复杂度比较

系统	PRS-PMF算法计算复杂度	文献[10]算法计算复杂度
$N = 8,M = 16,P = 4$	$O\left( {15360} \right)$	$O\left( {40960} \right)$
$N = 16,M = 32,P = 6$	$O\left( {122880} \right)$	$O\left( {491520} \right)$
$N = 16,M = 64,P = 10$	$O\left( {409600} \right)$	$O\left( {1638400} \right)$

下载: 导出CSV

表 4 仿真参数设置

参数名称	参数数值
一个OTFS符号子载波数量(M)	256
OTFS符号数量(N)	32
载波频率 $\left( {{f_c}} \right)$	0.8 GHz
子载波间隔 $\left( {\Delta f} \right)$	15 kHz
CP循环前缀长度 $\left( {{M_{{\text{cp}}}}} \right)$	17(6.67%M)
调制方式	16-QAM
信道编码	Turbo(1/2码率)
信道模型	EVA
用户速度	500 km/h
迭代停止系数 $\alpha$	1/100
迭代停止系数 $\beta$	1/40
搜索分数多普勒分辨率倒数 $\left( D \right)$	10
循环次数 $\left( C \right)$	20000

下载: 导出CSV

参考文献(14)

[1]	HADANI R, RAKIB S, TSATSANIS M, et al. Orthogonal time frequency space modulation[C]. 2017 IEEE Wireless Communications and Networking Conference (WCNC), San Francisco, USA, 2017: 1–6.
[2]	解志斌, 薛同思, 田雨波, 等. 一种稀疏增强的压缩感知MIMO-OFDM信道估计算法[J]. 电子与信息学报, 2013, 35(3): 665–670. doi: 10.3724/SP.J.1146.2012.00860 XIE Zhibin, XUE Tongsi, TIAN Yubo, et al. A sparsity enhanced channel estimation algorithm based on compressed sensing in MIMO-OFDM systems[J]. Journal of Electronics &Information Technology, 2013, 35(3): 665–670. doi: 10.3724/SP.J.1146.2012.00860
[3]	SURABHI G D, AUGUSTINE R M, and CHOCKALINGAM A. On the diversity of uncoded OTFS modulation in doubly-dispersive channels[J]. IEEE Transactions on Wireless Communications, 2019, 18(6): 3049–3063. doi: 10.1109/TWC.2019.2909205
[4]	DAS S and SCHNITER P. Max-SINR ISI/ICI-shaping multicarrier communication over the doubly dispersive channel[J]. IEEE Transactions on Signal Processing, 2007, 55(12): 5782–5795. doi: 10.1109/TSP.2007.901660
[5]	SHEN Wenqian, DAI Linglong, AN Jianping, et al. Channel estimation for orthogonal time frequency space (OTFS) massive MIMO[J]. IEEE Transactions on Signal Processing, 2019, 67(16): 4204–4217. doi: 10.1109/TSP.2019.2919411
[6]	RAVITEJA P, PHAN K T, JIN Qianyu, et al. Low-complexity iterative detection for orthogonal time frequency space modulation[C]. 2018 IEEE Wireless Communications and Networking Conference (WCNC), Barcelona, Spain, 2018: 1–6.
[7]	FISH A, GUREVICH S, HADANI R, et al. Delay-Doppler channel estimation in almost linear complexity[J]. IEEE Transactions on Information Theory, 2013, 59(11): 7632–7644. doi: 10.1109/TIT.2013.2273931
[8]	RAVITEJA P, PHAN K T, and HONG Yi. Embedded pilot-aided channel estimation for OTFS in delay-Doppler channels[J]. IEEE Transactions on Vehicular Technology, 2019, 68(5): 4906–4917. doi: 10.1109/TVT.2019.2906357
[9]	MURALI K R and CHOCKALINGAM A. On OTFS modulation for high-Doppler fading channels[C]. 2018 Information Theory and Applications Workshop (ITA), San Diego, USA, 2018: 1–10.
[10]	HASHIMOTO N, OSAWA N, YAMAZAKI K, et al. Channel estimation and equalization for CP-OFDM-based OTFS in fractional Doppler channels[C]. 2021 IEEE International Conference on Communications Workshops (ICC Workshops), Montreal, Canada, 2021: 1–7.
[11]	卢明飞, 彭思愿, 陈霸东. 最大互相关熵多凸组合自适应滤波算法[J]. 电子与信息学报, 2021, 43(2): 263–269. doi: 10.11999/JEIT200288 LU Mingfei, PENG Siyuan, and CHEN Badong. Convex combination of multiple adaptive filters under the maximum correntropy criterion[J]. Journal of Electronics &Information Technology, 2021, 43(2): 263–269. doi: 10.11999/JEIT200288
[12]	WEI Zhiqiang, YANG Weijie, LI Shuangyang, et al. Transmitter and receiver window designs for orthogonal time-frequency space modulation[J]. IEEE Transactions on Communications, 2021, 69(4): 2207–2223. doi: 10.1109/TCOMM.2021.3051386
[13]	WEI Zhiqiang, NG D W K, and YUAN Jinhong. NOMA for hybrid mmWave communication systems with beamwidth control[J]. IEEE Journal of Selected Topics in Signal Processing, 2019, 13(3): 567–583. doi: 10.1109/JSTSP.2019.2901593
[14]	惠永涛, 李兵兵, 同钊, 等. 时频双选信道OFDM系统的低复杂度MMSE-SD算法[J]. 电子与信息学报, 2013, 35(2): 261–266. doi: 10.3724/SP.J.1146.2012.00805 HUI Yongtao, LI Bingbing, TONG Zhao, et al. Low-complexity MMSE-SD algorithm for OFDM systems over doubly-selective channels[J]. Journal of Electronics &Information Technology, 2013, 35(2): 261–266. doi: 10.3724/SP.J.1146.2012.00805

施引文献

期刊类型引用(21)

1.	李民，郭琳，姚雄. 优化高斯过程回归在太阳能集热效率预测上的应用. 电网与清洁能源. 2023(08): 127-131+138 . 百度学术
2.	Han-shan Li. Recognition model and algorithm of projectiles by combining particle swarm optimization support vector and spatial-temporal constrain. Defence Technology. 2023(09): 273-283 . 必应学术
3.	何旭，席佩瑶，辛云宏. 基于代价敏感思想和自适应增强集成的SVM多分类算法. 微型电脑应用. 2023(09): 1-3 . 百度学术
4.	徐红先，张书玮. 基于极限学习机及多姿态信息融合的步态识别. 机械. 2023(11): 72-80 . 百度学术
5.	陈晓禾，曹旭刚，陈健生，胡春华，马羽. 基于三维卷积的帕金森患者拖步识别. 电子与信息学报. 2021(12): 3467-3475 . 本站查看
6.	雷建超，刘栋博，房玉，庄祖江，刘俊豪. 基于表面肌电信号的性别差异性手势识别. 中国医学物理学杂志. 2020(03): 337-341 . 百度学术
7.	金鑫，冯毅，尤雪汐，王佳欣. 基于机器学习的信息安全设备调配保障技术研究. 电子科技. 2020(08): 80-86 . 百度学术
8.	孟明，闫冉，高云园，佘青山. 基于多元变分模态分解的脑电多域特征提取方法. 传感技术学报. 2020(06): 853-860 . 百度学术
9.	王志芳，王书涛，王贵川. 粒子群优化BP神经网络在甲烷检测中的应用. 光子学报. 2019(04): 147-154 . 百度学术
10.	邹倩颖，王小芳. 粒子群优化BP神经网络在步态识别中的研究. 实验技术与管理. 2019(08): 130-133+138 . 百度学术
11.	郭海山，高波涌，陆慧娟. 基于Boruta-PSO-SVM的股票收益率研究. 传感器与微系统. 2018(03): 51-53+57 . 百度学术
12.	周长林，钱志升，王勤民，余道杰，程俊平. 基于PSO-SVM方法的电源线传导泄漏信号识别与还原. 电子与信息学报. 2018(09): 2206-2211 . 本站查看
13.	赵荣建，汤敏芳，陈贤祥，杜利东，曾华林，赵湛，方震. 基于光纤传感的生理参数监测系统研究. 电子与信息学报. 2018(09): 2182-2189 . 本站查看
14.	胡长俊，袁树杰. 煤矿井下WSN中基于自适应粒子群聚类算法的多sink节点部署. 计算机科学. 2018(11): 103-107+123 . 百度学术
15.	王秀娟，相从斌. 基于累积量的DoS攻击检测算法. 北京工业大学学报. 2017(09): 1328-1334 . 百度学术
16.	杜必强，孙立江. 基于PSO-SVM模型的焊接转子环焊缝超声缺陷识别. 动力工程学报. 2017(05): 379-385 . 百度学术
17.	赵湛，韩璐，方震，陈贤祥，杜利东，刘正奎. 基于可穿戴设备的日常压力状态评估研究. 电子与信息学报. 2017(11): 2669-2676 . 本站查看
18.	董广宇. 基于多特征融合的复杂路况步态识别方法. 科学技术与工程. 2017(08): 202-207 . 百度学术
19.	韩笑，佘青山，高云园，罗志增. 基于NA-MEMD和互信息的脑电特征提取方法. 传感技术学报. 2016(08): 1140-1148 . 百度学术
20.	黄成泉，王士同，蒋亦樟，董爱美. v-软间隔罗杰斯特回归分类机. 电子与信息学报. 2016(04): 985-992 . 本站查看
21.	徐超立，林科，杨晨，吴超华，高小榕. 基于小腿表面肌电的智能机器人协同控制方法. 中国生物医学工程学报. 2016(04): 385-393 . 百度学术