寧曉燕 宋禹良 孫志國 孫晶晶
(哈爾濱工程大學信息與通信工程學院 哈爾濱 150001)
隨著通信技術的不斷發(fā)展,信息的傳輸需要更高的速率來滿足我們的日常需求,正交頻分復用(Orthogonal Frequency Division Multiplexing,OFDM)在4G和5G通信中發(fā)揮著重要作用[1]。然而,在自由空間無線傳輸過程中,信號傳輸會受到各種干擾的影響,如多徑效應、多普勒頻移等。OFDM的子載波是余弦信號,對多普勒頻移非常敏感,當信道為雙選信道時,其性能將受到嚴重影響。
Chirp信號的自相關函數(shù)有著良好的時間分辨率,對多普勒頻移不敏感,具有脈沖壓縮和擴頻特性,在雷達和通信系統(tǒng)中發(fā)揮著重要作用[2]。結合OFDM的抗干擾特性和Chirp信號的抗多普勒特性,提出了OFDM-Chirp系統(tǒng)[3],但它占用了大量的帶寬資源,因此沒有得到廣泛的應用。
最近,正交Chirp復用(Orthogonal Chirp Division Multiplexing, OCDM)的概念被提出[4],基于菲涅爾變換的OCDM可以實現(xiàn)Chirp擴頻(Chirp Spread Spectrum, CSS)的最大頻譜效率,并通過在同一帶寬內對多個Chirp波形進行正交復用來實現(xiàn)最大的通信效率。OCDM信號可以有效地利用多徑分集,表現(xiàn)出比OFDM信號更強的抗衰落能力,提高通信數(shù)據(jù)傳輸?shù)目煽啃訹5]。OCDM系統(tǒng)已應用于光通信和水聲通信[6,7],現(xiàn)有的研究主要集中在頻率選擇性衰落信道中。文獻[4]提出了一種抵消相位的MMSE均衡算法,作為OCDM系統(tǒng)線性MMSE均衡的基礎。文獻[8]提出了基于基擴展模型(Basis Expansion Models, BEM)的近似帶狀矩陣MMSE頻域均衡算法,并且介紹了一種時域LSQR(Least Square QR)算法。
在高速移動場景下,由于多普勒效應的影響,可以對均衡算法做進一步的改進。文獻[8]介紹了一種適用于求解大型稀疏矩陣的時域LSQR算法,但其忽略了噪聲的影響,而實際系統(tǒng)中的噪聲是必須考慮的因素,需要對其進行修正,本文提出一種基于近似帶狀矩陣的阻尼LSQR(Band Damped-LSQR, BD-LSQR)算法進行均衡。為了緩解時變信道中的載波間干擾(Inter Carrier Interference,ICI),本文在近似帶狀矩陣[9]的基礎之上,結合判決反饋均衡,通過LSQR算法進行迭代計算,并借助LDLH分解簡化運算,提出一種LSQR-BDFE算法,這是該算法在OCDM系統(tǒng)中的首次應用。仿真結果表明,雙選信道下,OCDM系統(tǒng)比OFDM系統(tǒng)有著更好的BER性能,所提出的LSQR-BDFE算法和BD-LSQR算法,比MMSE均衡算法有著性能優(yōu)勢。
OFDM的核心是傅里葉變換,快速傅里葉逆變換(Inverse Fast Fourier Transform, IFFT)過程取代了N個獨立的載波源,降低了OFDM系統(tǒng)實現(xiàn)的復雜性。OCDM的核心是菲涅爾變換,它用離散菲涅爾逆變換(Inverse Discrete Fresnel Transform,IDFnT)代替IFFT過程,這使得在不同的系統(tǒng)中有著不同的子載波。在OFDM系統(tǒng)中,子載波是余弦信號,而在OCDM系統(tǒng)中,子載波是Chirp信號。
OCDM利用菲涅爾變換形成一組正交的線性Chirp信號,將通信信息加載到該組Chirp信號的幅度和相位中。在相同帶寬上,多個Chirp波形之間正交復用,形成一串在時間和頻譜上重疊的Chirp信號,如圖1所示。
圖1 數(shù)字實現(xiàn)的OCDM信號
Chirp信號的頻率是線性的,相位隨時間呈2次變化
x(l)是 第l個子載波上的符號,與菲涅爾變換獲得的Chirp信號組合,表示OCDM信號。
OCDM信號通過離散菲涅爾變換實現(xiàn),離散OCDM信號可以表示為
其中,ΦH是 IDFnT矩陣,x是調制符號,接收機可以通過DFnT恢復符號。
在下面的推導過程中,N取偶數(shù)。根據(jù)式(2),DFnT矩陣有式(7)形式
經(jīng)典的DFT矩陣的表達式為
通過以上分析,結合OFDM系統(tǒng)結構,OCDM系統(tǒng)基帶結構圖如圖2所示。
圖2 OCDM系統(tǒng)基帶結構圖
在發(fā)射端,輸入數(shù)據(jù)由串行轉換為并行,并映射成通信符號。然后,將并行通信符號通過IDFnT矩陣,得到OCDM符號。添加循環(huán)前綴(Cyclic Prefix, CP)后,通過并行/串行轉換將其傳輸至信道進行傳輸。在接收端,通過串行/并行變換,去除CP,通過DFnT矩陣恢復通信符號。最后,經(jīng)過均衡、解映射和并行/串行轉換,得到最終數(shù)據(jù)。通過和OFDM系統(tǒng)的比較,發(fā)現(xiàn)這兩種系統(tǒng)的結構框架基本相似,主要區(qū)別在于符號調制方式。
傳統(tǒng)的多載波技術,在頻率選擇性衰落信道中,可以通過簡單的增益和相位的調整,對每個獨立子信道中的失真進行補償[11]。然而,在快衰落信道中,傳統(tǒng)的傅里葉變換方法不適用,由于信道頻率響應快且時變,許多傳統(tǒng)的多載波系統(tǒng)失去了最佳性。因此,我們選擇Chirp型正交信號作為基函數(shù),其分析和合成方法可以與傳統(tǒng)傅里葉變換復雜度相同。
在這篇文章中,以時域循環(huán)矩陣H來描述信道模型。假設調制后的發(fā)送信號為s(n),經(jīng)過時變信道后的接收信號為y(n),它們之間有式(9)關系:
其中
如2.2節(jié)所述,OCDM系統(tǒng)和OFDM系統(tǒng)有著相似的結構框架。因此,OFDM系統(tǒng)的常用的均衡方法,經(jīng)過適當?shù)母倪M之后可以用于OCDM系統(tǒng)之中,這一部分重點介紹應用于OCDM系統(tǒng)中的均衡算法。首先,介紹抵消相位的MMSE均衡算法(Minimum Mean Square Error-Offset Phase,MMSE-OP),記作方法A。經(jīng)過修正后的BDLSQR算法,記作方法B。在近似帶狀矩陣的基礎之上,結合判決反饋均衡,提出了LSQR-BDFE算法,記作方法C,并給出結構圖和詳細的公式推導過程。
DFnT矩陣具有特征分解的特性,均衡過程可以對其進行相位抵消來降低復雜度。文獻[4]中,使用了MMSE-OP算法,在頻率選擇性衰落信道中,這種方法十分簡便。
根據(jù)式(5)和式(11),接收端為
G表示均衡器,采用MMSE均衡時,GMMSE(k)=Λ?(k)/|Λ(k)|2+ρ?1,ρ是SNR。
在雙選信道下,頻域信道矩陣不再對角,而是一個滿元素的矩陣。此時,MMSE-OP算法的求逆過程變得十分復雜,為了降低復雜度,我們只考慮對角矩陣來進行頻域均衡。
多普勒頻移對于信道的頻率響應大部分集中在對角以及其附近,將信道的頻域矩陣近似為帶寬為Q的帶狀矩陣,Q表示由ICI導致的符號能量泄露寬度。LSQR算法是一種適合求解大型稀疏矩陣的最小二乘迭代方法,具有很大的優(yōu)勢,阻尼LSQR算法是考慮到實際系統(tǒng)中的噪聲因素,對其進行的修正。結合以上兩點,提出一種基于近似帶狀矩陣的阻尼LSQR算法,下面對BD-LSQR算法的實現(xiàn)過程進行推導。
首先,近似帶狀矩陣可以看作圖3所示[14]。帶狀近似處理后的信道矩陣為
圖3 近似帶狀矩陣圖
接下來,對LSQR算法的實現(xiàn)過程進行簡單介紹,如式(12)所示,忽略噪聲的影響,接收機和發(fā)射機之間可以形成一個線性系統(tǒng)。
迭代之后,實現(xiàn)最小殘差的模為//Hsk ?r//2。當?shù)蟮妮敵鼋Y果滿足最小殘差時,求解過程完成。否則,重置容差大小和迭代次數(shù),將其輸入式(17)中進行求解運算。
阻尼LSQR算法考慮到實際系統(tǒng)中的噪聲因素,其接收機和發(fā)射機之間的關系和式(12)一致,MMSE均衡算法可以表示為
式(18)描述的是修正后的阻尼LSQR算法,構造出矩陣H′和向量r′
其中,參數(shù)σ2和 噪聲n功率有關,信號功率為1時,等效為ρ?1,σ=0時,阻尼LSQR算法可以退化為LSQR算法。當進行頻域均衡時,H可以進行帶狀矩陣近似,用Bc替換。
在方法B中,我們提出了BD-LSQR的均衡算法。在雙選信道下,由于其帶狀矩陣的近似特性,表現(xiàn)出優(yōu)于方法A的性能。為了進一步緩解快速時變信道中的ICI,在近似帶狀矩陣的基礎上,結合判決反饋均衡,通過LSQR算法進行迭代計算,提出LSQR-BDFE算法。文獻[17]中,提出了應用于OFDM系統(tǒng)中的LSQR-BDFE算法,它將LSQR算法與MMSE-DFE相結合,獲得更好的性能。我們首次提出將LSQR-BDFE算法應用于OCDM系統(tǒng)中,下面給出該算法的推導過程。
關于近似帶狀矩陣的過程和LSQR算法的基本原理,在3.2節(jié)已經(jīng)做了詳細的推導和說明,這里不贅述。對OCDM系統(tǒng)中LSQR-BDFE均衡過程進行推導,BDFE的實現(xiàn)過程如下,其結構框圖見圖4。
圖4 BDFE結構圖
這種方法通過構造前饋濾波FF和反饋濾波器FB,使得誤差e有式(20)形式:對式(24)進行LSQR求解運算,得到經(jīng)過前饋濾波器FF的輸出結果。
接下來進行判決反饋,需要注意的是,在判決反饋過程中,F(xiàn)B為嚴格的上三角矩陣,x?F是數(shù)據(jù)估計值。假設數(shù)據(jù)估計的結果x?F都是正確的,判決的順序從第N個子載波到第1個子載波,將數(shù)據(jù)估計的x?F經(jīng) 過反饋濾波器FB,最后一列上進行加權計算,在y中將反饋后的結果減去,這樣第N個子載波對其他子載波產(chǎn)生的ICI可以去除。接下來對第N?1個子載波上的數(shù)據(jù)進行檢測,重復上述過程,最終得到所有子載波的反饋結果后輸出。
對第3節(jié)所述3種均衡算法的復雜度進行簡要分析。
方法A的MMSE-OP算法,DFnT是由DFT矩陣附加2個相位變化得到的,復雜度為N2,抵消相位避免了DFnT運算過程。單抽頭MMSE均衡的復雜度為N[18],F(xiàn)FT和IFFT的復雜度為Nlog2N,均衡過程需要1次FFT和IFFT運算,總復雜度為N+2Nlog2N。
方法B的BD-LSQR算法,近似帶狀矩陣過程的復雜度與帶寬Q有關[19]。Damped-LSQR算法的復雜度與子載波個數(shù)N和迭代次數(shù)i有關[20],其中i 從表1可以看出,3種均衡算法的復雜度與N均為線性關系,具有低復雜度的特性。 表1 3種均衡算法的計算復雜度 在OCDM系統(tǒng)中,考慮子載波個數(shù)N=128,采用QAM映射,每個OCDM符號攜帶256 bit信息。多徑衰落信道的參數(shù)為時延delay=[0 3 15 3137 51 71 73 109] ns,相對功率pdb=[0 –1.5 –1.4–3.6 –0.6 –9.1 –7.0 –12.0 –16.9] dB,此模型為EVA信道模型。 在多徑信道下,頻域信道矩陣為對角矩陣,近似帶狀矩陣和頻域矩陣相同,此時3種均衡方法的BER性能基本一致。由于OCDM信號可以有效地利用多徑分集,表現(xiàn)出比OFDM信號更強的抗衰落能力[5],如圖5所示。 圖5 多徑信道下OCDM系統(tǒng)和OFDM系統(tǒng)BER曲線圖 在高速移動的場景下,以歸一化頻移fd=0.08加入,3種均衡算法的BER曲線如圖6所示。隨著信噪比的提高,在OFDM系統(tǒng)中,單抽頭MMSE均衡算法和LSQR算法會出現(xiàn)誤差下限[17]。取帶狀近似矩陣Q=4,LSQR-BDFE算法中迭代次數(shù)i=20??梢钥闯?,在OCDM系統(tǒng)中,方法B和方法C相比方法A,有著更好的性能。 圖6 雙選信道下OCDM系統(tǒng)和OFDM系統(tǒng)BER曲線圖(f d =0.08) 圖7為歸一化頻移fd=0.16時,OCDM系統(tǒng)中3種不同均衡算法的BER曲線。當信道的時變衰落增加時,方法A的性能變差,取帶狀近似矩陣Q=2和Q=4,和不做近似的信道矩陣3種情況作比較,迭代次數(shù)i=20。可以看出,方法B和方法C相比于方法A來說,具有一定的性能優(yōu)勢。隨著Q值增大,對于信道信息的還原也更準確,BER性能提升。 圖7 雙選信道下OCDM系統(tǒng)BER曲線圖(f d =0.16) 最后,比較LSQR算法的不同迭代次數(shù)對于BER性能的影響,以方法C的LSQR-BDFE算法為例,取帶狀近似矩陣Q=4,迭代次數(shù)分別為5,10和20次,如圖8所示。當i=5時,方法C的BER性能不如方法A,此時LSQR算法的迭代次數(shù)較少,不滿足求解的最小殘差值,因而誤差較大;隨著迭代次數(shù)i的增加,其性能有著明顯的提升。 圖8 不同迭代次數(shù)下的BER曲線圖 本文以OCDM系統(tǒng)為框架,重點研究了OCDM系統(tǒng)的低復雜度均衡算法。針對雙選信道下,傳統(tǒng)MMSE均衡算法性能下降的現(xiàn)象,提出帶狀阻尼LSQR算法。為了緩解時變信道中的ICI,提出LSQR-BDFE算法,并給出兩種算法的公式推導過程。最終,通過復雜度分析和BER性能曲線,驗證了所提出的帶狀阻尼LSQR算法和LSQR-BDFE算法,相比于現(xiàn)有的MMSE均衡算法的性能優(yōu)勢。基于菲涅爾變換的OCDM系統(tǒng),和OFDM系統(tǒng)相比,有著更強的抗衰落能力,因此OCDM系統(tǒng)具有廣泛的應用前景和價值。4.2 BER性能曲線
5 結束語