一種新型的在瑞利信道下盲檢測(cè)器設(shè)計(jì)*

向　征，崔　萌，馮士民

(1.廣州軍區(qū)聯(lián)勤部第四五八醫(yī)院信息科, 廣東 廣州 510062；

2.海軍工程大學(xué)電子工程學(xué)院，湖北 武漢 430033)

?

一種新型的在瑞利信道下盲檢測(cè)器設(shè)計(jì)*

向征1，崔萌2，馮士民2

(1.廣州軍區(qū)聯(lián)勤部第四五八醫(yī)院信息科, 廣東 廣州 510062；

2.海軍工程大學(xué)電子工程學(xué)院，湖北 武漢 430033)

修回日期：2015-06-16Received date:2015-03-20；Revised date：2015-06-16

摘要：針對(duì)采用卡爾曼濾波或線性預(yù)測(cè)方案進(jìn)行信號(hào)檢測(cè)時(shí)，需要已知信道模型參數(shù)或預(yù)先估計(jì)信道參數(shù)這一局限性問(wèn)題，提出一種新型的瑞利信道下的盲檢測(cè)器。盲檢測(cè)器通過(guò)設(shè)計(jì)粒子學(xué)習(xí)算法，能夠在未知的信道衰落模型參數(shù)和噪聲模型參數(shù)條件下檢測(cè)信號(hào)。為了提升檢測(cè)器的性能，采用信號(hào)延遲判決技術(shù)。仿真結(jié)果表明，盲檢測(cè)器性能優(yōu)異，已接近在已知信道模型參數(shù)下檢測(cè)器的性能。該盲檢測(cè)器易于并行設(shè)計(jì)實(shí)現(xiàn)，具有很高的實(shí)用價(jià)值。

關(guān)鍵詞：盲信號(hào)檢測(cè)；粒子學(xué)習(xí)；瑞利平坦信道；盲檢測(cè)器

0引言

瑞利衰落信道模型是一類廣泛應(yīng)用于無(wú)線通信系統(tǒng)的衰落信道模型。在瑞利衰落信道下，最為常用的是最大似然序列檢測(cè)(maximum-likelihood sequence detector, MLSD)[1]。在信道狀態(tài)已知的情況下，常使用Viterbi算法實(shí)現(xiàn)最大似然序列檢測(cè)，這種方案也是最優(yōu)的。在信道狀態(tài)未知的情況下，常采用卡爾曼濾波或線性預(yù)測(cè)相結(jié)合的方案進(jìn)行信號(hào)檢測(cè)。這類方案比較多，常常結(jié)合先導(dǎo)序列，決定反饋(decision feedback)，遞回歸最小平方算法等估計(jì)信道。由于這些解決方案需要已知的信道模型參數(shù)或需要預(yù)先估計(jì)信道，在實(shí)際中有一定的局限性。文獻(xiàn)[2]結(jié)合混合卡爾曼濾波(mixture kalman filters, MKF)技術(shù)[3]、輔助粒子濾波和平滑核技術(shù)設(shè)計(jì)了未知信道系數(shù)的盲檢測(cè)器，在實(shí)際中有很好的效果。文獻(xiàn)[4,5]在重采樣過(guò)程中引入進(jìn)化粒子濾波，較好解決了文獻(xiàn)[2]由于樣本貧化帶來(lái)的性能下降問(wèn)題。上述兩種盲檢測(cè)器雖然信道系數(shù)未知，但通信系統(tǒng)中高斯噪聲模型參數(shù)卻是已知的。因此，為了設(shè)計(jì)一種全盲檢測(cè)器，本文引進(jìn)粒子學(xué)習(xí)算法，能在未知的信道系數(shù)和噪聲模型參數(shù)的條件下檢測(cè)信號(hào)。

1系統(tǒng)描述

考慮在瑞利平坦信道下的無(wú)線通信系統(tǒng)，假設(shè)信道中存在加性噪聲，則有：

yt=xtst+et，t=0,1,…,N

(1)

(2)

(3)

瑞利信道的建模，通常可以常用AR或者ARMA模型。其中AR(2)模型的應(yīng)用較為廣泛，該類模型同實(shí)際的物理背景相結(jié)合，有對(duì)應(yīng)的物理意義。該類模型可以表示為：

(4)

考慮潛在的物理意義，有：

(5)

其中rd為AR(2)模型極半徑，Ωd為歸一化的最大多普勒頻移，其表達(dá)為：

(6)

其中fd，v，λ，1/T分別為最大多普勒頻移，移動(dòng)速率，載波的波長(zhǎng)和符號(hào)傳輸速率。

xt=Dxt-1+gvt

(7)

yt=stg?xt+et

(8)

xt=β?xt-1+vt

(9)

2基于粒子學(xué)習(xí)算法的盲檢測(cè)器

粒子學(xué)習(xí)算法是最近新提出的一類粒子算法，一經(jīng)提出便受到了廣泛關(guān)注[6-10]。該算法推廣了輔助粒子濾波的思想以解決參數(shù)的不確定性。同時(shí)，該算法結(jié)合了序列參數(shù)學(xué)習(xí)，狀態(tài)濾波和平滑，因此可看成是混合卡爾曼濾波的一般形式。

(1)重采樣：

(10)

(11)

(12)

(13)

其中:

(14)

(15)

這里H代表厄米特轉(zhuǎn)置。

(4)通過(guò)卡爾曼濾波方法更新充分統(tǒng)計(jì)量：

(16)

(17)

(18)

(19)

(20)

3仿真與分析

圖1　盲檢測(cè)器的誤碼率性能(Ωd=0.05)

圖2　盲檢測(cè)器的誤碼率性能(Ωd=0.03)

4結(jié)論

在未知瑞利信道下的信號(hào)檢測(cè)和估計(jì)問(wèn)題，可以歸結(jié)為在高斯數(shù)據(jù)中檢測(cè)高斯數(shù)據(jù)。以往盲檢測(cè)器建立于未知的信道衰落模型系數(shù)條件下，噪聲模型參數(shù)是已知。本文提出了一種新型的瑞利信道下的盲檢測(cè)器，通過(guò)引入粒子學(xué)習(xí)算法，能在未知信道衰落模型系數(shù)和噪聲模型參數(shù)的條件下對(duì)信號(hào)進(jìn)行盲檢測(cè)。仿真實(shí)驗(yàn)表明，盲檢測(cè)器具有優(yōu)良的性能，特別是在高信噪比環(huán)境中。粒子學(xué)習(xí)算法是一類基于仿真的高效粒子算法，這類算法易于具體硬件實(shí)現(xiàn)(如DSP、FPGA等)，也易于超大規(guī)模集成電路設(shè)計(jì)實(shí)現(xiàn)，在使用大規(guī)模并行算法的條件下能大大縮短時(shí)間消耗。

參考文獻(xiàn)：

[1]Viteta G M, Taylor D P. Maximum Likelihood Decoding of Uncoded and Coded PSK Signal Sequences Transmitted over Rayleigh Flat-Fading Channels[J], IEEE Transactions on Communications,1995,43:2750-2758.

[2]HUNG Yu-fei, Djuric P M. A Blind Particle Filtering Detector of Signals Transmitted over Flat Fading Channels[J]. IEEE Transactions on Signal Processing,2004,52(7):1891-1900.

[3]CHEN R, LIU J. Mixture Kalman Filters[J], Journal of the Royal Statistical Society, 2000, 62(3): 493-508.

[4]張紅燕, 謝躍雷, 歐陽(yáng)繕. 平坦衰落信道下一種基于進(jìn)化粒子濾波的盲檢測(cè)器[J]. 電子與信息學(xué)報(bào), 2008, 30(6): 1413-1415.

ZHANG Hong-yan, XIE Yue-lei, OUYANG Shan. A Blind Evolutionary Particle Filtering Detector in Flat Fading Channels[J]. Journal of Electronics & Information Technology,2008,30(6):1413-1415.

[5]張紅燕, 謝躍雷, 樊東紅. 非高斯噪聲環(huán)境的進(jìn)化粒子濾波盲檢測(cè)器[J]. 通信技術(shù), 2010, 43(7): 49-51.

ZHANG Hong-yan,XIE Yue-lei, FAN Dong-hong.Evolutionary Particle Filtering-based Blind Detector with Non-Gaussian Noise[J]. Communications Technology, 2010, 43(7): 49-51.

[6]Davis L M, Collings I B, and Hoeher P. Joint Map Equalization and Channel Estimation for Frequency-Selective and Frequency-Flat Fast-Fading Channels[J], IEEE Transactions on Communications,2001,49(6):2106-2114.

[7]Carlos M C, Michael S J. Particle Learning and Smoothing[J]. Statistical Science, 2010, 25(3): 88-106.

[8]Raquel P, Hedibert F L. Sequential Parameter Learning and Filtering in Structured Autoregressive State-Space Models [J], Statistics and Computing,2011,43(7):1-15.

[9]WANG X, CHEN R. Adaptive Bayesian Multiuser Detection for Synchronous CDMA With Gaussian and Impulsive Noise[J], IEEE Transactions on Signal Processing, 2000, 47: 2013-2027.

[10]HUANG Y F, Prtar M D. A Blind Particle Filtering Detector of Signals Transmitted Over Flat Fading Channels[J]. IEEE Transactions on Signal Processing,2004,52(7):1891-1900.

向征(1983—)，女，助理工程師，主要研究方向?yàn)樾畔⒐こ蹋?/p>

崔萌(1987—)，女，助教，主要研究方向?yàn)橄到y(tǒng)工程；

馮士民(1987—)，男，博士，主要研究方向?yàn)橥ㄐ判盘?hào)處理。

A Novel Blind Detector over Rayleigh Channels

XIANG Zheng1，CUI Meng2，F(xiàn)ENG Shi-min2

(1.Information Center,the 458th Hospital of PLA, Guangzhou Guangdong 510062,China;

2.School of Electronic Engineering, Naval University of Engineering, Wuhan Hubei 430033,China)

Abstract：Aiming at the limitation that the channel model parameters need to be known or estimated beforehand when adopting Kalman filtering or linear prediction to detect signals, a novel blind detector over Rayleigh flat-fading channels is proposed. The detector can detect the signals through particle learning algorithm and with unknown parameters of the fading channel model and noisy model. Meanwhile, decision delay of signals is adopted to improve the performance of the detector. Simulation results show that the blind detector enjoys excellent performance, quite close to that of the detector with known channel model parameters. This blind detector is liable to concurrent design implementation and of fairly high applicable value.

Key words：blind signal detection; particle learning; Rayleigh flat-fading channels; blind detector

作者簡(jiǎn)介：

中圖分類號(hào)：TN911.7

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-0802(2015)07-0795-04

收稿日期：*2015-03-20；

doi:10.3969/j.issn.1002-0802.2015.07.009