信道估计的自适应多用户使用的卡尔曼LMS算法英文译文Word格式文档下载.docx
- 文档编号:13724078
- 上传时间:2022-10-13
- 格式:DOCX
- 页数:19
- 大小:534.67KB
信道估计的自适应多用户使用的卡尔曼LMS算法英文译文Word格式文档下载.docx
《信道估计的自适应多用户使用的卡尔曼LMS算法英文译文Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《信道估计的自适应多用户使用的卡尔曼LMS算法英文译文Word格式文档下载.docx(19页珍藏版)》请在冰豆网上搜索。
职称:
讲师
2011年6月12日
信道估计的自适应多用户使用的
卡尔曼/LMS算法
摘要本文提出了一种利用自适应多用户信道估计有卡尔曼最小均方(RK-LMS)的算法。
频率选择性衰落信道建模为一个抽头延迟线和顺利时变瑞利分布系数自来水过滤器。
多用户信道估计最小均方误差的量表(MMSE)准则是用来预测滤波器系数。
我们还提出其收敛特性和使用的跟踪性能的RK-LMS。
不同于早先的卡尔曼滤波算法的方法(陈,陈IEEE期刊信号处理49(7):
1523年至1532年,2001年),RK-LMS公司注册成立算法在码分多址无线系统中降低了多用户信道估计的计算复杂性。
计算机仿真结果证明,
关键词:
卡尔曼滤波LMS算法;
估计;
MMSE;
多径衰落
1介绍
多路访问码分(CDMA)系统是一种扩频技术,目前正广泛应用于蜂窝移动和其他高数据速率,无线通信系统的应用对带宽的有效利用。
在过去的二十年间,移动通信商业的使用增加,原因是在大容量的用户数量方面的需求。
然而,主要限制为在CDMA系统容量的因素是码间干扰(ISI)的原因是通过线性色散介质中的多径传播,多址干扰(MAI)由于非正交码的使用,并加性白高斯噪声(AWGN信道)。
在从手机到基站反向链路,接收复合信号还包括三军情报局由于其他活跃用户在过去的符号。
多重接入接口(MAI)问题是可以用使用同步系统来解决的。
然而它在接收条件下成为多因子正交码不可避免的因素,因为信号(代码分配给每个用户)为不同的用户在不同的时间序列偏移非正交在接收器。
因此,ISI和MAI的不可预测性限制了随时间变化的环境的能力和系统的性能。
用于处理时变衰落信道传统策略是设计一个自适应均衡器使用卡尔曼滤波算法[文献1]。
在文献[2],麦克劳克林(人物)已被聘请为卡尔曼算法的均衡器信道估计。
在均衡性能取决于信道估计性能指标的准确性。
陈(人物)以及其他人在文献3中提出了在多用户检测接收机参考设计技术,在该信道模型可以直接从衰落信道多普勒传播而得。
鲁棒自适应设计,这种方法考虑卡尔曼算法的信道估计误差和模型的不确定性,提高性能。
但是,它需要准确地在接收端的最大多普勒多径衰落信道传播知识。
在另一种方案[文献4],陈乙等人,提出了一个线性趋势跟踪算法和多用户检测算法,它使用自我调整计划,以跟踪时变衰落,以及非线性限制功能分为信道估计和多用户检测器嵌入减轻噪声影响。
鲁棒性实现在计算复杂度增加的成本。
正是在看到上述技术[文献3,4],接收器的整体性能在该信道估计中起着重要的作用。
卡尔曼滤波算法被认为是在随时间变化的环境中最佳的信道估计[文献5,6],但其计算复杂性和系统模型知识需求往往可能妨碍其使用。
为了避免网上的黎卡提方程,在普通卡尔曼法律适应化修改更新,提出了改进的跟踪性能维纳LMS算法[7,8]。
这项技术的主要局限是它需要对的时间变参数(超模型)动力学模型的先验信息。
此外,该算法的复杂度直接耦合到超模型选择。
因此,这项技术已经发现应用上的限制。
在另一种方案[文献9],S.Gazor简化了卡尔曼算法获得两个步长LMS-类型(G-LMS)的自适应信道估计算法的问题,其中信道系数被认为是随时间变化的根据以一阶马尔可夫过程。
该算法取代,因为它能够打击滞后噪声[10]传统的LMS算法。
它不需要对时间变化的真正的系统的先验信息。
然而,它需要相对较长的训练期,在此期间,算法的振动行为占有较高价值的的残余MMSE。
在这项工作中,自适应多用户信道估计的开发使用了两步的RK-LMS算法,它的信道变化战斗介绍了非平稳性。
此外,在顺利实现时变信道跟踪过程中减少,其中传统的LMS基础的方法以及不履行滞后更好的性能。
建议的多用户信道估计的卡尔曼滤波算法利用,以减少与文献上提出的计算方法比较复杂。
[文献3,4]。
本文的结构如下。
在第2节,我们首先描述了CDMA系统模型,并提供有关的频率选择性信道模型的多径衰落环境下的数学公式的细节。
在顺利时变瑞利衰落信道系数被认为是自回归(AR)的过程。
第3节,包括拟议的RK-LMS自适应算法的多用户信道估计和其适应特性分析结果(见[11])。
仿真结果载于第4节。
最后,结论和未来的方向将在第5节给出。
2.系统模型
下面,我们考虑一个二进制扩频通信系统,归一化调制波形(t),(t),...,(t),令
(1)
其中,中,j是K的传播码元序列(),Tc是芯片的周期,N是芯片周期传播码元序列的长度,1N是归一化因素,ψ(t)是实传输芯片波形,其中t的范围是0≤t≤Tc,例如t不在[0,Tc]内时,ψ(t)=0。
k传输带通信号如下
(2)
的实值传输的数据符号±
1,是k的传播信号序列,是振幅(),是周期(),是载波频率,每个用户发送信号(与信号功率电平),是假设通过一个独立的频率选择瑞利衰落信道,通频带K信号带K如下:
(3)
=Re
其中,其中,(t)是低通信号,是多径信道K的值,L路径的衰落因素是(t)=|(t)|,系统要经历很严格的ISI标准,N的值接近(−1),因此,命令通道(−1)是保持小于增益处理N。
(例如:
信道的最大延迟分散小于相关符号的周期),我们可以设想反应的衰落信道符号速率变化。
设定时延总数为=+,是关于时延的函数,是传播时延,通过
(1)和(3)调制等效低通信号在接收端可以写成:
其中,(t;
τ)=,等效低通脉冲响应多径衰退信道,低通滤波波形ψ(τ),因此,这种衰落信道模型是类似于线性滤波器模型,分别是在多径传输和ISI中的时变频率选择通道。
抽头延迟线的系数Lk假定是时变根据一项基于“增大化”的技术过程。
对于简单的数学,在(4)中,用(iN+j)代替(i),在0≤j≤N–1的范围内,得到:
如果K存在于系统,那么等效低通复合收到信号后解调是被描绘成
其中,,z(t)是在AWGN低通棒和双边功率谱密度(由于热噪声接收机),不包括干扰因其他用户。
这种解调信号滤的使用芯片波形匹配滤波器,随后在传播取样限制(隐性)在芯片速度上可以给出
=(7)
由于在上面描述的CDMA系统中使用的短码的循环性质,因此,接收到的信号样本(iN+n)是一个循环平稳过程,此外,传输通过多径衰落信道定期变性。
对K而言,收到数据符号间隔的第n个芯片的信号表示为:
令n=0,1,2,…N-1
其中,表达式N表示“×
模N“,而且
我们可以重新给出上述的方程式如下:
(11)
在上面的方程试中,假设通道系数对于为数据符号持续时间来说为常数,则如下:
在0≤n≤N−1.范围内,(i)=(iN)=(iN+1)=·
·
=(iN+n),如果z(n)的自相关函数为1/2E[z(n)z∗(m)]=δ(n−m),那么由此产生的平均信号噪比(SNR)的第k个值为:
其中,()∗表示共轭复数,没有一般性,我们假定所有的值都活跃在相同的信号发射功率水平,那么==·
==1,如=1。
接收到的信号向量(i)由连续的N组成,其中i是索引的数据符号。
在N×
1维向量(i)可写为,N×
2L维的自然信号序列矩阵为(i),2L×
2L的三维数据符号矩阵(i),2L×
维多径信道系数为k个向量(i)的第i个数据符号可以被定义为
其中,是L×
L维单位矩阵,,使用公式(8),接收信号向量可写成矩阵形式如下:
其中,(i)是N×
2L的三维芯片的数据矩阵。
混合信号矢量(i)可写为:
其中,=是一个N×
2KL的二维矩阵,ˆ是2KL×
2KL的,(i)=是2KL×
1的,(i)=[{}]是N×
2KL的二维矩阵,(i)=表示噪声采样向量。
在下一节中,公式(14)将用于估计多径衰落信道响应。
3.自适应多值信道估计
在文献中,未知的通道系数通常假设为以一阶马尔可夫最小均方(LMS)自适应算法为基础的跟踪性能分析过程如公司[3,9,10]。
因此,多通道的第k个用户系数向量都可以通过使用模拟的AR
(1)程序,如下:
其中,L×
L维通道相关系数的矩阵是=diag]。
上述模型,如果足够大,他是唯一有效的衰落信道信道相干时间以估计信道响应,下标()o表示最优值。
比例因子表示第k个值l个路径系数,据杰克模型[文献14],这一因素可能被定义为相关系数。
如公式15:
=是零均值白噪声过程的协方差矩阵向量,这导致在多径衰落信道(广义平稳非相关散射通道)不相关的自来水系数。
如果我们考虑一阶增重向量(i-1)(i)-(i-1)与相关矢量(i),那么这多余的信息可能被用来预测向量(i),因为(i){-}其中的L×
L维缩放矩阵是[],同样,第二阶增重向量-可用于近似时变衰落环境下的状态方程。
下面,我们假设=a,也就是说,所有的衰落信道的相关系数相等。
在多用户情况下,状态方程可以被定义为:
因此若A=aI,则其中是零均值白噪声过程载体,I是一个2KL×
2KL维矩阵。
3.1的RK-LMS算法的信道估计
卡尔曼滤波算法的应用[文献15-17]对于多用户信道估计是基于以下方程式为基础:
在这里,卡尔曼增益或混合因素是P(i|i-1)*,估计信号矢量表示为:
我们注意到,被认为是在卡尔曼算法的发展过程确定的,但它被认为是在对算法[文献9]分析的随机过程。
协方差的预测误差(在时域更新)矩阵是P(i|i−1)=AP(i−1|i−1)+,协方差的估计错误(测量更新)矩阵是P(i|i)=I−(i)(i)P(i|i−1),其中=E和=E分别是是测量噪声和过程噪声协方差矩阵。
很明显,上面描述的卡尔曼自适应算法的方法是计算复杂。
因此,卡尔曼算法降低运算效率,让一两个步长LMS型算法,排除了更新方程中的i矩阵求逆操作。
拟议的RK-LMS算法的多用户信道估计如下:
其中,标量参数μ为步长,它控制的收敛性和稳定性的自适应算法。
卡尔曼增益(i)改为由和先验估计(i)的(i|i−1)被定义为:
在上面的方程,一阶增重向量估计是:
其中
其中,0≤α<
1是一个平滑参数,可控制滞后跟踪时变系统[9]。
估计一阶体重增加向量是真正有价值相控制参数0≤β<
1,它控制振动算法。
分析和模拟的结果提出参考振荡行为。
[文献11]表明,β值应低于阈值(对α和μ值而定),以确保在融合模式的稳定性调整。
进一步,它已被证明是由计算机模拟,对于一个单用户系统,该算法提供了比传统LMS算法〜14分贝的性能优势,通过降低信道估计在跟踪模式下的平均误差。
然而,我们曾考虑在目前的工作多用户系统。
设E是在[10,11]内的总体平均。
估计多值通道系数向量都可以定义为最佳的通道系数向量,跟踪噪声向量,和滞后噪声向量,那么
对于上述程序,第一阶增重向量估计(21)在降低噪音的滞后,也就是,在跟踪,但在传统的LMS中的步骤(19)算法的应用和(21)有助于除了轻微的梯度噪声滞后的残余噪声。
噪声中的滞后结果由于随时间变化的非平稳环境的改善跟踪减少。
因此,公式18-21用于估计为K个用户的多径信道响应,减少卡尔曼LMS算法在计算上是可比的公约的LMS自适应算法。
此外,RK-LMS算法不需要相关知识的渠道系数A,此外,用变步长μ(i)代替一两步长LMS型的自适应信道是估计算法的新型家庭发展的结果。
3.2多用户信道估计分析
在本节中,我们研究了平均收敛行为
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 信道 估计 自适应 多用户 使用 卡尔 LMS 算法 英文 译文