專利名稱:一種基于粒子濾波器和神經(jīng)網(wǎng)絡(luò)的雙選擇性信道跟蹤方法
技術(shù)領(lǐng)域:
本發(fā)明涉及多輸入多輸出正交頻分復(fù)用(MIMO-OFDM)系統(tǒng)中的信道跟蹤方法,確切 的說是MIMO-OFDM系統(tǒng)中基于粒子濾波器和神經(jīng)網(wǎng)絡(luò)的時(shí)間-頻率雙選擇性信道跟蹤方 法,特別涉及一種基于粒子濾波器和神經(jīng)網(wǎng)絡(luò)的雙選擇性信道跟蹤方法。
背景技術(shù):
眾所周知,MIMO和OFDM技術(shù)將是下一代移動(dòng)通信的關(guān)鍵技術(shù)。兩者的結(jié)合充分利 用了空間分集、頻率分集和時(shí)間分集來改善系統(tǒng)的容量和抗噪聲性能。然而MIMO-OFDM的 高效性能依賴于接收端的信道估計(jì)的準(zhǔn)確與否。傳統(tǒng)的信道估計(jì)的方法為基于導(dǎo)頻的信道估 計(jì)算法,但是為了獲得可信的信道估計(jì),信道帶寬的相當(dāng)一部分被訓(xùn)練序列所占用。1996 年,Stuber在他的著作"Principles of mobile communication"中指出,在快衰落、高多普勒 條件下,帶寬被占用的比例可高達(dá)50%。2002年,Liu等在文章"Space time coding and Kalman filtering for time-selective fading channel"中提出利用卡爾曼濾波來進(jìn)行信道估計(jì)和跟蹤,以 此來減少訓(xùn)練信號的長度。對于時(shí)變信道的跟蹤,在線性高斯系統(tǒng)中,沒有一種算法能優(yōu)于 卡爾曼濾波。但在無線通信系統(tǒng)中,接收信號經(jīng)常被非高斯噪聲所污染。在涉及到非線性狀 態(tài)轉(zhuǎn)移與非高斯噪聲的信道跟蹤問題上,序貫蒙特卡羅濾波比擴(kuò)展卡爾曼濾波更優(yōu)越。
粒子濾波算法是序貫蒙特卡羅濾波的一種基礎(chǔ)方法,其主要思想是利用一組相關(guān)權(quán)值的 隨機(jī)變量樣本計(jì)算完成估計(jì),以逼近實(shí)際的后驗(yàn)概率密度,當(dāng)樣本數(shù)目很大時(shí),這種概率估 計(jì)可近擬于真實(shí)后驗(yàn)概率。
設(shè)<formula>formula see original document page 3</formula>表示隨機(jī)粒子,其含有后驗(yàn)概率<formula>formula see original document page 3</formula>特性,其中<formula>formula see original document page 3</formula>是與權(quán)值<formula>formula see original document page 3</formula> 相關(guān)的狀態(tài)集,且權(quán)值滿足<formula>formula see original document page 3</formula>,貝lh時(shí)刻的
后驗(yàn)概率密度可近似表示<formula>formula see original document page 3</formula>.
對于粒子濾波跟蹤算法,跟蹤的初值是影響跟蹤性能的主要因素之一。在用粒子濾波算 法進(jìn)行跟蹤時(shí),大多假定信道的初值已知,或者采用訓(xùn)練序列的方法得到信道的初值。本發(fā) 明中我們采用徑向基神經(jīng)網(wǎng)絡(luò)對信道進(jìn)行學(xué)習(xí)訓(xùn)練以得到粒子濾波跟蹤的精確初值。
徑向基神經(jīng)網(wǎng)絡(luò)是一種三層前向局部網(wǎng)絡(luò)輸入層由信號源節(jié)點(diǎn)構(gòu)成,第二層為隱含層, 第三層為輸出層,它對輸入模式的作用做出響應(yīng)。從輸入空間到隱含空間的變換是非線性的,
而隱含空間到輸出空間的變換是線性的。隱節(jié)點(diǎn)的激活函數(shù)是徑向基函數(shù)(RBF),它是一
種關(guān)于中心點(diǎn)對稱的非負(fù)非線性函數(shù),通常我們采用高斯函數(shù)作為徑向基函數(shù)。
發(fā)明內(nèi)容
為在提高頻譜利用率的前提下,使系統(tǒng)得到良好的誤碼率性能,本發(fā)明提供一種
MMO-OFDM雙選擇性信道的跟蹤方法。為提供該跟蹤方法,首先給出MIMO-OFDM雙選
擇信道的信道模型。
設(shè)MIMO-OFDM系統(tǒng)中發(fā)送天線Z和接收天線y'間的雙選擇信道的沖激響應(yīng)設(shè)為 h,/",",其中/ = 0,l,...,Mr, / = 0,l,...,Mfl, Mr和A^分別為發(fā)送天線和接收天線的數(shù) 目。則參考Proakis在"Digital Communication (Forth Edition)"所述的抽頭延遲線模型 <formula>formula see original document page 4</formula> (1 ) 其中丄代表多徑數(shù),A,和r。分別為各徑的路徑增益和延遲擴(kuò)展,w,J")為復(fù)噪聲隨機(jī) 序列。單徑信道h。(")建模為一階自回歸AR過程,即 <formula>formula see original document page 4</formula> (2) 參考1996年Tsatasnis等發(fā)表的"Estimation and equalization of fading channels with random coefficients "將系數(shù)a確定為 <formula>formula see original document page 4</formula> (3) 其中, /。(.)是零階Bessel函數(shù),^為最大多普勒頻移,/。是載波頻偏,7;為符號時(shí)間 一種基于粒子濾波器和神經(jīng)網(wǎng)絡(luò)的MIMO-OFDM雙選擇性信道跟蹤方法,步驟如下 1) 利用徑向基神經(jīng)網(wǎng)絡(luò)對雙選信道進(jìn)行訓(xùn)練得到粒子濾波跟蹤的初始值<formula>formula see original document page 4</formula>似,權(quán)值w[(0)均置l/M; 2) 得到一個(gè)觀測值后,利用公式(1) (2)可由h^("-l)得到新的粒子集h^(n); 3) 對于每一個(gè)粒子,應(yīng)用似然函數(shù)計(jì)算粒子權(quán)值, (<formula>formula see original document page 4</formula> (4) 4) 計(jì)算歸一化權(quán)值W^("); 5) 重采樣具有大權(quán)值的樣本,重復(fù)采樣;同時(shí)小權(quán)值樣本,盡量拋棄,如此獲得M 個(gè)隨機(jī)樣本,其權(quán)值設(shè)為w;:,(")-i/M,樣本分布漸趨于后驗(yàn)分布, <formula>formula see original document page 4</formula>(5) 6) 由后驗(yàn)分布得到信道估計(jì)值為 <formula>formula see original document page 4</formula>( 6) 本發(fā)明方法的優(yōu)點(diǎn)可以對無線通信中的時(shí)間-頻率雙選擇性信道進(jìn)行良好的信道跟蹤, 跟蹤過程不再需要插入訓(xùn)練序列或者導(dǎo)頻符號, 可提高系統(tǒng)的頻譜利用率, 得到高的誤碼率性能。
圖l為本發(fā)明方法采用的基于空時(shí)分組編碼的兩發(fā)兩收MIMO-OFDM系統(tǒng)方框其中,l.STBC編碼器,2.STBC譯碼器,3.神經(jīng)網(wǎng)絡(luò)結(jié)合粒子濾波信道跟蹤模塊。
圖2是兩發(fā)兩收MIMO-OFDM系統(tǒng)空時(shí)編碼過程示意其中4.頻率,5.時(shí)間,6.空時(shí)編碼。
圖3是徑向基神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)表;
圖4是粒子濾波跟蹤算法參數(shù)表;
圖5是粒子濾波算法在不同跟蹤初值時(shí)的系統(tǒng)BER性能比較。
具體實(shí)施方式
實(shí)施例
以發(fā)射天線數(shù)為2,接受天線數(shù)為2的MIMO-OFDM系統(tǒng)為例來介紹這種算法。系統(tǒng) 模型如圖1所示信息序列經(jīng)過調(diào)制器調(diào)制,然后把這些調(diào)制符號通過空時(shí)編碼器1進(jìn)行 空時(shí)編碼(STBC),經(jīng)串并變換后經(jīng)過快速傅立葉反變換(IFFT),最后把碼字通過發(fā)射天 線發(fā)射出去。在接收端,首先對接收信號進(jìn)行快速傅立葉變換(FFT),然后經(jīng)過空時(shí)譯碼 器2譯碼和信道跟蹤模塊3,并最終譯出信息序列。
圖l所示系統(tǒng)中空時(shí)編碼的過程如下設(shè)OFDM的子載波數(shù)為A^,輸入的連續(xù)信息比
特流經(jīng)過調(diào)制后,以A^為單位進(jìn)行分組。在每兩個(gè)連續(xù)OFDM符號間隔的開始,將兩個(gè)連 續(xù)的分組經(jīng)串/并變換后得到符號向量X(") = [X(0,"),X(1,"),...,X(tV, -1,")]和
X(" + l) = [X(0," + l),X(l," + lV..,X(iV, -l,"十l)]。將符號向量對應(yīng)的分量進(jìn)行Alamouti空
時(shí)分組編碼,如圖2所示,其中縱向4表示頻率,橫向5表示時(shí)間,經(jīng)空時(shí)編碼6編碼后得 到4個(gè)向量X。(w)、 Xj(")、 X。(" + l)、 X,(" + l),即4個(gè)OFDM符號,其中n代表第"個(gè)
OFDM符號間隔,而下標(biāo)代表天線索引。在第"個(gè)OFDM符號間隔內(nèi),編碼結(jié)果X。("),
X,(w)分別經(jīng)過IFFT變換后由第1和第2個(gè)天線同時(shí)發(fā)射出去,在第n + l個(gè)OFDM符號間
隔內(nèi),X。(n + 1)、 X,(n + 1)分別經(jīng)過IFFT變換后由第1和第2個(gè)天線同時(shí)發(fā)射出去。
假設(shè)信道在一個(gè)OFDM符號間隔內(nèi)不變,則接收端經(jīng)過解調(diào)(FFT變換)后,每個(gè)子載 波上的接收信號是兩個(gè)畸變發(fā)送信號的迭加,可表示為
<formula>formula see original document page 5</formula>
其中X,("A), Y,(",yfc)分別是第"個(gè)OFDM符號的第A個(gè)子載波的在第/個(gè)發(fā)送天線 和第y個(gè)接收天線上的的發(fā)送信號和接收信號;W/n,A:)是第j'個(gè)接收天線在第"個(gè)OFDM 符號期間第A:個(gè)子載波上的隨機(jī)噪聲。Hy(","是從第/個(gè)發(fā)射天線到第j'個(gè)接收天線在第"
個(gè)OFDM符號期間第A:個(gè)子載波上的信道頻率響應(yīng)系數(shù),
<formula>formula see original document page 6</formula>
其中11,/(",0 / = 0,1; j'-O,l為兩發(fā)兩收MIMO-OFDM系統(tǒng)中雙選擇信道的沖激響應(yīng)。
對于該信道的跟蹤算法步驟如下
1) 利用徑向基神經(jīng)網(wǎng)絡(luò)對雙選信道進(jìn)行訓(xùn)練得到粒子濾波跟蹤的初始值<formula>formula see original document page 6</formula>權(quán)值(0)均置1 /M 。
2) 得到一個(gè)觀測值后,利用公式(i) (2)可由^("-1)得到新的粒子集h^(")。
3) 對于每一個(gè)粒子,應(yīng)用似然函數(shù)計(jì)算粒子權(quán)值,
<formula>formula see original document page 6</formula>
4) 計(jì)算歸一化權(quán)值w^(");
5) 重采樣具有大權(quán)值的樣本,重復(fù)采樣;同時(shí)小權(quán)值樣本,盡量拋棄。如此獲得 M個(gè)隨機(jī)樣本,其權(quán)值設(shè)為W:.("):1/M 。樣本分布漸趨于后驗(yàn)分布,
<formula>formula see original document page 6</formula>
6) 由后驗(yàn)分布得到信道估計(jì)值為
<formula>formula see original document page 6</formula>
圖3給出了徑向基神經(jīng)網(wǎng)絡(luò)對雙選信道進(jìn)行學(xué)習(xí)訓(xùn)練時(shí)的參數(shù)列表G04丄為網(wǎng)絡(luò)輸出
值與目標(biāo)值的均方誤差,CT,為徑向基函數(shù)的寬度,C為隱層神經(jīng)元的個(gè)數(shù)。參數(shù)的取得根據(jù)
經(jīng)驗(yàn)值得到。圖4給出了粒子濾波算法對MIM0-0FDM雙選擇性信道進(jìn)行跟蹤時(shí)的參數(shù)列 表。在采用粒子濾波算法進(jìn)行信道跟蹤時(shí),粒子數(shù)的多少會(huì)影響跟蹤的性能,本發(fā)明中采用 粒子數(shù)^ = 50對信道進(jìn)行跟蹤。圖5給出了粒子濾波算法在不同跟蹤初值時(shí)的系統(tǒng)誤碼率性 能比較。從圖中可以看出用徑向基神經(jīng)網(wǎng)絡(luò)獲得跟蹤初值的系統(tǒng)誤碼率性能與跟蹤初值已知 時(shí)的誤碼率性能非常接近。證明了徑向基神經(jīng)網(wǎng)絡(luò)結(jié)合粒子濾波算法的高效性。
權(quán)利要求
1.一種基于粒子濾波器和神經(jīng)網(wǎng)絡(luò)的雙選擇性信道跟蹤方法,步驟如下1)利用徑向基神經(jīng)網(wǎng)絡(luò)對雙選信道進(jìn)行訓(xùn)練得到粒子濾波跟蹤的初始值hi,jm(0),i=0,1,...,MT;j=0,1,...,MR;m=1,...,M,權(quán)值wi,jm(0)均置1/M;2)得到一個(gè)觀測值后,利用公式<maths id="math0001" num="0001" ><math><![CDATA[ <mrow><msub> <mi>h</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow></msub><mrow> <mo>(</mo> <mi>n</mi> <mo>,</mo> <mi>τ</mi> <mo>)</mo></mrow><mo>=</mo><msubsup> <mi>Σ</mi> <mrow><mi>l</mi><mo>=</mo><mn>0</mn> </mrow> <mrow><mi>L</mi><mo>-</mo><mn>1</mn> </mrow></msubsup><msub> <mi>A</mi> <mi>l</mi></msub><msubsup> <mi>h</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow> <mi>l</mi></msubsup><mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <msubsup><mi>τ</mi><mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi></mrow><mi>l</mi> </msubsup> <mo>)</mo></mrow><mo>+</mo><msub> <mi>w</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow></msub><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow> </mrow>]]></math> id="icf0001" file="A2008100167480002C1.tif" wi="67" he="6" top= "60" left = "31" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>i=0,1,...,MT;j=0,1,...,MR和公式<maths id="math0002" num="0002" ><math><![CDATA[ <mrow><msubsup> <mi>h</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow> <mi>l</mi></msubsup><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow><mo>=</mo><mi>α</mi><msubsup> <mi>h</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow> <mi>l</mi></msubsup><mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow>]]></math> id="icf0002" file="A2008100167480002C2.tif" wi="34" he="5" top= "72" left = "31" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>l=0,1,...,L-1可由hi,jm(n-1)得到新的粒子集hi,jm(n);3)對于每一個(gè)粒子,應(yīng)用似然函數(shù)計(jì)算粒子權(quán)值,<maths id="math0003" num="0003" ><math><![CDATA[ <mrow><msubsup> <mi>lik</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow> <mi>m</mi></msubsup><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow><mo>=</mo><mi>p</mi><mrow> <mo>(</mo> <mi>y</mi> <mrow><mo>(</mo><mi>n</mi><mo>)</mo> </mrow> <mo>|</mo> <msubsup><mi>h</mi><mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi></mrow><mi>m</mi> </msubsup> <mrow><mo>(</mo><mi>n</mi><mo>)</mo> </mrow> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mrow><msub> <mi>σ</mi> <mi>n</mi></msub><msqrt> <mn>2</mn> <mi>π</mi></msqrt> </mrow></mfrac><msup> <mi>e</mi> <mrow><mo>-</mo><mfrac> <mrow><mo>(</mo><mi>y</mi><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow><mo>-</mo><msubsup> <mi>h</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow> <mi>m</mi></msubsup><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow><mover> <mi>x</mi> <mo>^</mo></mover><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow><mo>)</mo> </mrow> <mrow><mn>2</mn><msubsup> <mi>σ</mi> <mi>n</mi> <mn>2</mn></msubsup> </mrow></mfrac> </mrow></msup> </mrow>]]></math></maths>4)計(jì)算歸一化權(quán)值wi,jm(n);5)重采樣具有大權(quán)值的樣本,重復(fù)采樣;同時(shí)小權(quán)值樣本,盡量拋棄,如此獲得M個(gè)隨機(jī)樣本,其權(quán)值設(shè)為<maths id="math0004" num="0004" ><math><![CDATA[ <mrow><msubsup> <mover><mi>w</mi><mo>~</mo> </mover> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow> <mi>m</mi></msubsup><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow><mo>=</mo><mn>1</mn><mo>/</mo><mi>M</mi><mo>,</mo> </mrow>]]></math> id="icf0004" file="A2008100167480002C4.tif" wi="26" he="4" top= "123" left = "79" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>樣本分布漸趨于后驗(yàn)分布,<maths id="math0005" num="0005" ><math><![CDATA[ <mrow><mi>p</mi><mrow> <mo>(</mo> <msubsup><mi>h</mi><mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi></mrow><mi>m</mi> </msubsup> <mrow><mo>(</mo><mi>n</mi><mo>)</mo> </mrow> <mo>|</mo> <mi>y</mi> <mrow><mo>(</mo><mn>1</mn><mo>:</mo><mi>n</mi><mo>)</mo> </mrow> <mo>)</mo></mrow><mo>≈</mo><msubsup> <mover><mi>w</mi><mo>~</mo> </mover> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow> <mi>m</mi></msubsup><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow><msubsup> <mi>Σ</mi> <mrow><mi>m</mi><mo>=</mo><mn>1</mn> </mrow> <mi>M</mi></msubsup><msub> <mi>δ</mi> <mrow><msubsup> <mi>h</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow> <mi>m</mi></msubsup><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow> </mrow></msub><mrow> <mo>(</mo> <mi>dh</mi> <mrow><mo>(</mo><mi>n</mi><mo>)</mo> </mrow> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mi>M</mi></mfrac><msubsup> <mi>Σ</mi> <mrow><mi>m</mi><mo>=</mo><mn>1</mn> </mrow> <mi>M</mi></msubsup><msub> <mi>δ</mi> <mrow><msubsup> <mi>h</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow> <mi>m</mi></msubsup><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow> </mrow></msub><mrow> <mo>(</mo> <mi>dh</mi> <mrow><mo>(</mo><mi>n</mi><mo>)</mo> </mrow> <mo>)</mo></mrow> </mrow>]]></math></maths>6)由后驗(yàn)分布得到信道估計(jì)值為<maths id="math0006" num="0006" ><math><![CDATA[ <mrow><mover> <mi>h</mi> <mo>^</mo></mover><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow><mo>=</mo><mi>E</mi><mrow> <mo>(</mo> <mi>h</mi> <mrow><mo>(</mo><mi>n</mi><mo>)</mo> </mrow> <mo>)</mo></mrow><mo>=</mo><mo>∫</mo><mi>h</mi><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow><mi>p</mi><mrow> <mo>(</mo> <mi>h</mi> <mrow><mo>(</mo><mi>n</mi><mo>)</mo> </mrow> <mo>|</mo> <mi>y</mi> <mrow><mo>(</mo><mn>1</mn><mo>:</mo><mi>n</mi><mo>)</mo> </mrow> <mo>)</mo></mrow><mi>dh</mi><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow><mo>≈</mo><mfrac> <mn>1</mn> <mi>M</mi></mfrac><msubsup> <mi>Σ</mi> <mrow><mi>m</mi><mo>=</mo><mn>1</mn> </mrow> <mi>M</mi></msubsup><msubsup> <mi>h</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow> <mi>m</mi></msubsup><mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo></mrow><mo>.</mo> </mrow>]]></math></maths>
全文摘要
本發(fā)明涉及一種基于粒子濾波器和神經(jīng)網(wǎng)絡(luò)的雙選擇性信道跟蹤方法,其特征在于,采用基于粒子濾波和神經(jīng)網(wǎng)絡(luò)的方法對無線通信中的時(shí)間-頻率雙選擇性信道進(jìn)行良好的信道跟蹤,跟蹤過程不再需要插入訓(xùn)練序列或者導(dǎo)頻符號,可提高系統(tǒng)的頻譜利用率,得到高的誤碼率性能。本發(fā)明具有重要的實(shí)際應(yīng)用價(jià)值。
文檔編號H04L1/06GK101340266SQ200810016748
公開日2009年1月7日 申請日期2008年6月6日 優(yōu)先權(quán)日2008年6月6日
發(fā)明者波 劉, 劉彥君, 劉玉龍, 麗 彭, 李海燕, 江銘炎, 程永明 申請人:山東大學(xué)