李雙志，張 喆，張建康，穆曉敏

(鄭州大學(xué) 信息工程學(xué)院，鄭州450001)

1 引言

多用戶OFDM/SDMA通信機制整合了多輸入多輸出(Multiple－Input Multiple－Output，MIMO)和正交頻分復(fù)用(Orthogonal Frequency Division Multiplexing，OFDM)兩種技術(shù)優(yōu)勢，在抗多徑衰落及提高帶寬效率和可靠性方面具有巨大潛力，是未來寬帶無線通信領(lǐng)域的關(guān)鍵技術(shù)?；贛IMO的空分多址接入(Space Division Multiple Access，SDMA)技術(shù)作為提高移動通信系統(tǒng)容量的有效手段，已成為近年來該領(lǐng)域的研究熱點。準確的信道狀態(tài)信息是MIMO－OFDM系統(tǒng)多用戶檢測、空時解碼等的必要條件，因此信道估計的準確性將影響系統(tǒng)的整體性能。

基于時域的信道估計方法[1－3]通常將信道建模為有限長脈沖響應(yīng)濾波器，忽略幅度較小的信道鏈路能夠降低系統(tǒng)計算復(fù)雜度和提高信道估計的精度[1]。已有文獻[4]證明，假設(shè)信道有效階數(shù)與實際有效階數(shù)的偏差會影響信道估計性能，偏差估計精度越高，對噪聲和信道間干擾的魯棒性越好。文獻[5]指出了信道有效階數(shù)與信噪比和實際信道階數(shù)有關(guān)，因此應(yīng)當(dāng)自適應(yīng)選擇信道有效階數(shù)，使它接近最優(yōu)值。在OFDM系統(tǒng)中，解決該問題的一個較簡單方案就是假設(shè)信道有效階數(shù)為保證不產(chǎn)生子載波和符號間干擾的信道階數(shù)最大值，即OFDM循環(huán)前綴(Cyclic Prefix，CP)長度加1。這種假設(shè)雖然簡化了問題，但在實際信道階數(shù)較低的情況下將導(dǎo)致信道估計器性能的顯著下降。文獻[6]從信道最大階數(shù)出發(fā)，逆向搜索，忽略幅度小于一定閾值的信道抽頭來確定信道有效階數(shù)，但該算法對閾值的選取敏感。應(yīng)用赤池信息量準則(Akaike's Information Criterion，AIC)[7]確定信道有效階數(shù)時，不需要進行閾值設(shè)計，以極小化AIC值來確定信道有效階數(shù)[8－9]。

在文獻[8]中，AIC應(yīng)用于信道估計中旨在最小化信道估計器造成的信息損失。直接應(yīng)用AIC準則來進行信道有效階數(shù)估計，需要進行多次信道估計、FFT/IFFT運算和歐氏距離的計算，限制了其在實際通信中的應(yīng)用。為此，尋求一種算法結(jié)構(gòu)簡單、相對計算量小、實際應(yīng)用方便的信道定階方法是很有必要的。文獻[9]研究了基于AIC對單輸入單輸出OFDM系統(tǒng)信道階數(shù)估計算法，并構(gòu)建Levinson遞推算法降低運算量，具有較高的魯棒性。在多用戶OFDM/SDMA系統(tǒng)中，假設(shè)鏈路特性互異的多個移動用戶聯(lián)合構(gòu)成輸入端，各用戶的發(fā)送信號經(jīng)歷相互獨立的信道，鏈路的信道有效階數(shù)各不相同，它們在接收天線處混疊后等效為一個統(tǒng)一的混合信道矩陣，此時必須同時獲得所有用戶的信道有效階數(shù)才能使最大似然(Maximum Likelihood，ML)信道估計器達到最佳的估計性能。因此，如何同時對多址信道有效階數(shù)進行有效且快速的估計是一個重大挑戰(zhàn)。本文針對多用戶OFDM/SDMA系統(tǒng)，以差分進化(Differential Evolution，DE)算法為輔助，提出了基于AIC準則的信道有效階數(shù)并行搜索算法。構(gòu)建基于AIC準則的多用戶信道有效階數(shù)和信道沖激響應(yīng)(Channel Impulse Response，CIR)的目標(biāo)函數(shù)作為DE算法的適應(yīng)度函數(shù)，然后利用DE在多址信道空間并行搜索有效階數(shù)，并進行CIR估計。仿真結(jié)果表明，該算法可以較好估計CIR有效階數(shù)，提高時域ML信道估計器性能。

2 系統(tǒng)模型

假設(shè)U個單天線用戶聯(lián)合構(gòu)成輸入端，基站處使用Q根接收天線的多用戶OFDM/SDMA上行鏈路系統(tǒng)。第 q根接收天線處第 s個 OFDM符號為Yq[s](q=1，…，Q)可表示為不同用戶接收信號與AWGN的疊加，即

式中，Xu[s]∈CK×K為對角陣，表示第 s個 OFDM 符號周期內(nèi)用戶u(u=1，2，…，U)的頻域發(fā)送信號，其對角線上元素為 Xu[s，k]，k=1，2，…，K，K 為子載波個數(shù)為用戶u到為F的前列，即

從式(2)中可以看出，F(xiàn)uq的維數(shù)隨著多址用戶的信道有效階數(shù)變化，因此文獻[1]提出的ML信道估計算法具有一定的局限性。文獻[2]中提出一種空間交替的廣義期望最大化算法，能夠把多天線發(fā)射信道分解為若干單發(fā)送－接收天線對的參數(shù)估計問題，避免了文獻[1]中ML估計過程中的矩陣求逆運算，最終得到信道沖激響應(yīng)的ML解。因此本文將采用該算法對信道有效階數(shù)互異的多址信道進行估計。

3 多址信道有效階數(shù)和CIR聯(lián)合估計算法

在AWGN情形下，時域CIR的ML估計[3]可以表示為

本文基于式(3)提出一種新的多址信道有效階接收天線 q信道階數(shù))和Wq[s]∈CK×1分別為頻域接收信號 Yq[s，k]、信道沖激響應(yīng) huq[s，l]以及AWGN wq[s，k]的列向量表示;wq[s，k]滿足均值為0、協(xié)方差為σ2n的高斯分布;F∈CK×K為DFT變換矩陣數(shù)和CIR聯(lián)合估計框架，算法的基本思想是利用DE并行搜索信道有效階數(shù)并聯(lián)合迭代進行CIR估計，并在DE迭代過程中引入AIC準則進行定階，最終得出多址信道有效階數(shù)及CIR的ML估計。

3.1 基于AIC的定階算法描述

赤池弘次(H.Akaike)在文獻[7]中提出了AIC準則，用于在有限集中選擇最佳模型。

在接收天線q處，根據(jù)文獻[9]，可建立多用戶系統(tǒng)的信道有效階數(shù)估計問題為

其中，M為發(fā)射端做導(dǎo)頻的序列個數(shù)，σ2m是接收端第m個OFDM符號的殘差平方和。對多址信道有效階數(shù)進行遍歷性搜索時，需要進行CPU次CIR最大似然估計，其中CP為OFDM符號的循環(huán)前綴長度，計算量大，操作復(fù)雜，限制了其在實際中的應(yīng)用。

3.2 基于DE的聯(lián)合估計算法實現(xiàn)步驟

DE算法是一種基于群體智能理論的全局算法，是通過群體之間的合作和競爭，產(chǎn)生群體智能理論的全局算法，具有較強的全局收斂能力和魯棒性[10]。DE算法主要由初始化、變異、交叉和選擇4個基本操作表征，算法步驟如下，算法流程圖見圖1。

(1)初始化

利用Np個維數(shù)為U的信道有效階數(shù)向量作為每一代的種群，U為用戶數(shù)，t表示進化代數(shù)，i為種群中個體的標(biāo)號。初始化時，種群中的每個個體在解空間內(nèi)隨機產(chǎn)生?！浮?為上取整操作。

其中，BU和BL分別表示解空間搜索上界和下界，BL=1，BU=CP。rand(0，1)表示在(0，1)區(qū)間內(nèi)均勻分布的隨機數(shù)。

(2)變異

隨機選取兩個個體，并以它們的差分來擾動第三個隨機選取的向量，判斷邊界條件(步驟1和步驟2)，得到變異個體Lv(t+1)i:

其中，變異因子 F 在區(qū)間(0，1)內(nèi)均勻分布，r1，r2，r3∈{1，2，…，Np}互不相同，并且與標(biāo)號i也不相同。

(3)交叉

通過式(10)的交叉操作生成試驗個體Lu(t+1)i

來增加種群的多樣性。randj(0，1)∈[0，1]為均勻分布的隨機數(shù)。

其中，CR 為交叉因子，randn(i)∈[1，2，…，U]為隨機選擇的維數(shù)變量索引。

(4)選擇

按式(11)進行選擇操作，生成t+1代個體Lt+1i，進入下一代進化。

上述過程反復(fù)迭代，直到DE算法終止條件得到滿足。終止時最優(yōu)即為信道有效階數(shù)估計值，計算 AIC時與對應(yīng)的CIR估計值即為CIR的ML估計。

圖1 本文所提基于DE的聯(lián)合算法流程圖Fig.1 The flowchart of the proposed joint algorithm based on DE

4 仿真分析

為評估所提算法的估計性能，本文考慮2×2 OFDM/SDMA系統(tǒng)。參照 IEEE802.11n WLAN的參數(shù)設(shè)置，每個用戶所采用的子載波個數(shù)K=64，循環(huán)前綴長度CP=16。每幀的前兩個OFDM符號(M=2)為導(dǎo)頻序列，用于搜索信道有效階數(shù)和CIR估計。在實際的通信系統(tǒng)中，不同的用戶可以采用不同的調(diào)制方式，為了簡化設(shè)定所有用戶采用4－QAM調(diào)制。信道模型采用多徑瑞利衰落信道模型，各徑的幅度衰落服從指數(shù)衰落，相位偏移在[0，2π]內(nèi)均勻分布。DE操作中，種群規(guī)模NP=20，變異因子F=0.1，交叉因子CR=0.1。定義歸一化均方誤差函數(shù)(Normalized Mean Square Error，NMSE)表達式為

4.1 DE算法搜索性能

圖2為DE搜索算法性能曲線，縱坐標(biāo)表示DE算法估計多用戶CIR有效階數(shù)為該階的概率。從圖中可以看出，隨著信噪比的增加，信道有效階數(shù)收斂于實際信道階數(shù)，在Eb/N0=30 dB時，收斂到實際信道階數(shù)的概率近90%。這是因為隨著信噪比的增加，信道各鏈路信號功率大于噪聲功率的概率增加，從而使得它們成為有效信道階數(shù)。具有不同信道階數(shù)的發(fā)送用戶在相同的發(fā)射信噪比下，信道階數(shù)較小的用戶信道各鏈路的信號功率大于噪聲功率的概率較大，實際信道階數(shù)更易成為有效階數(shù)，因此被檢測到的概率更大。

圖2 不同Eb/N0下DE搜索算法性能Fig.2 The search performance of DE algorithmunder different Eb/N0

4.2 系統(tǒng)NMSE和誤比特率性能

圖3 為不同信噪比下使用本文所提算法進行信道估計的NMSE性能曲線，用戶實際信道階數(shù)隨機產(chǎn)生。通過比較可以看出，低信噪比時，基于本文所提算法估計得到信道有效階數(shù)，信道估計NMSE性能最優(yōu);隨著信噪比的增加，趨近基于實際信道階數(shù)下的NMSE性能。與采用固定信道階數(shù)的方案相比，本文所提算法能獲得約4.5 dB的性能提升。這是因為本文所提算法以信道有效階數(shù)為基準，在低信噪比時，忽略噪聲功率較大的實際信道鏈路，能夠更好地抑制噪聲干擾，改善信道估計的NMSE性能。在高信噪比時，信道有效階數(shù)收斂于實際信道階數(shù)，信道估計性能收斂于實際信道階數(shù)下的NMSE性能。圖4給出了上述3種方案下系統(tǒng)誤比特率(Bit Error Rate，BER)性能的比較。從仿真結(jié)果可以看出，本文所提算法能夠有效地改善系統(tǒng)的信道估計性能。BER=10－5時，與固定信道階數(shù)的方案相比，本文所提算法能夠獲得約1.5 dB的性能增益。

圖3 不同定階方法下發(fā)射用戶NMSE性能Fig.3 The NMSE of transmitting users under different order determination scheme

圖4 不同定階方法下多用戶OFDM/SDMA系統(tǒng)BER性能曲線Fig.4 The BER performance of multi－user OFDM/SDMA system under different order determination scheme

5 結(jié)論

本文在分析多用戶OFDM/SDMA系統(tǒng)多址信道時域ML信道估計算法對信道有效階數(shù)存在依賴性的基礎(chǔ)上，提出了一種新的多址信道有效階數(shù)估計算法。該算法從實際通信環(huán)境出發(fā)，考慮多址用戶信道鏈路特性的互異性，引入AIC準則作為搜索最優(yōu)階數(shù)的評價準則，以提高信道有效階數(shù)和CIR

的估計精度;構(gòu)建了基于DE算法并行搜索信道有效階數(shù)并進行CIR估計的聯(lián)合框架，以提高搜索速度。仿真結(jié)果表明，該方案能夠有效估計信道有效階數(shù)，提高系統(tǒng)的ML信道估計精度，改善估計器性能，降低系統(tǒng)的誤比特率。與傳統(tǒng)基于固定信道階數(shù)的方案相比，BER=10－5時，本文所提算法能夠獲得約1.5 dB的性能增益。

[1]Li Y，Seshadri N，Ariyavisitakul S.Channel estimation for OFDM systems with transmitter diversity in mobile wireless channels[J].IEEE Journal on Selected Areas in Communications，1999，17(3):461－471.

[2]Xie Y Z，Georghiades C N.Two EM－type channel estimation algorithm for OFDM with transmitter diversity[J].IEEE Transactions on Wireless Communications，2003，51(1):106－115.

[3]Zhang J K，Hanzo L，Mu X M.Joint decision－directed channel and noise－variance estimation for MIMO OFDM/SDMA systems based on expectation－conditional maximization[J].IEEE Transactions on Vehicular Technology，2011，60(5):2139－2151.

[4]Liavas A P，Regalia P A，Delmas J P.On the robustness of the linear prediction method for blind channel identification with respect to effective channel undermodeling/overmodeling[J].IEEE Transactions on Signal Processing，2000，48(5):1477－1481.

[5]Wang Z，Mathew G，Xin Y，et al.A robust maximum likelihood channel estimator for OFDM systems[C]//Proceedings of 2007 Wireless Communications and Networking Conference.Hongkong:IEEE，2007:169－174.

[6]Jia M，Wang Z Y，Gu X M.Joint time domain channel and channel length estimation for OFDM system[C]//Proceedings of 2007 International Conference on Communications，Computers and Signal Processing.Victoria，Canada:IEEE，2007:605－608.

[7]Hirotugu A.A new look at the statistical model identification[J].IEEE Transactions on Automatic Control，1974，19(6):716－723.

[8]Larrsson E G，Liu G Q，Li J，et al.Joint symbol timing and channel estimation for OFDM based WLANs[J].IEEE Communications Letters，2001，5(8):325－327.

[9]Tomasoni A，Gatti D，Bellini S，et al.Efficient OFDM channel estimation via an information criterion[J].IEEE Transactions on Wireless Communications，2013，12(3):1352－1362.

[10]Zhang J K，Chen S，Mu X M，et al.Turbo multi－user detection for OFDM/SDMA systems relying on differential evolution aided iterative channel estimation[J].IEEE Transactions on Wireless Communications，2012，60(6):1621－1633.