Nr中基于trs的pdp估计方法及系统
阅读说明：本技术 Nr中基于trs的pdp估计方法及系统 (TRS-based PDP estimation method and system in NR ) 是由 王志旭 于 2021-01-20 设计创作，主要内容包括：本发明提供了一种NR中基于TRS的PDP估计方法及系统,涉及功率时延谱估计技术领域,该方法包括：步骤1：根据系统指示,获取频域信道估计值；步骤2：得到频域信道估计值后,再获取观测矩阵Π；步骤3：用N维DFT矩阵作为稀疏矩阵,通过压缩感知算法得到具体的多径位置和多径功率,从而得到准确的PDP估计；步骤4：通过步骤2所选取观测矩阵Π之后,其余的导频可以再次通过随机生成的方法得到观测矩阵Π,再一次重复步骤2和步骤3,得到PDP估计,并对两次估计结果平均,得到更好的估计结果；最终步骤4选取观测矩阵Π,来实现PDP估计次数视性能要求而定。本发明能够提高PDP估计的精确性,且具有更强的鲁棒性,降低了复杂度。(The invention provides a TRS-based PDP estimation method and system in NR, relating to the technical field of power delay spectrum estimation, wherein the method comprises the following steps: step 1: acquiring a frequency domain channel estimation value according to system instructions; step 2: obtaining an observation matrix pi after obtaining a frequency domain channel estimation value; and step 3: an N-dimensional DFT matrix is used as a sparse matrix, and specific multipath positions and multipath powers are obtained through a compressed sensing algorithm, so that accurate PDP estimation is obtained; and 4, step 4: after the observation matrix Π is selected in the step 2, the rest pilot frequencies can obtain the observation matrix Π again through a random generation method, the step 2 and the step 3 are repeated again to obtain PDP estimation, and the estimation results of the two times are averaged to obtain a better estimation result; and finally, selecting an observation matrix pi in the step 4 to realize that the PDP estimation times are determined according to the performance requirement. The invention can improve the accuracy of PDP estimation, has stronger robustness and reduces the complexity.)
技术领域
本发明涉及功率时延谱估计技术领域，具体地，涉及一种NR中基于TRS的PDP估计方法及系统。
背景技术
在基于正交频分复用(OFDM)的NR下行通信中，信道状态信息的估计至关重要。
基于信道的稀疏特性，利用NR系统中全带宽分布的TRS信号，可以利用压缩感知算法估计出准确的信道功率时延谱，从而通过傅里叶变换获得频域相关性信息，用于频域滤波和频域信道估计，以优良的性能。
下面简述PDP与频域相关性之间关系。
PDP与频域相关性：
根据3GPP TS 38.101-4协议所示，NR信道在时域是抽头延迟线(TDL)模型，多径功率落在对应的采样点上。对于不同的采样率可以根据TR 38.901
中所示方式进行功率调整，使得多径功率落在采样点上。为不失一般性，我们令信道PDP表示为：
其中，N为总采样点数，Θ为多径位置集合，大小为L，表示仅有L个非0值，根据3GPPTS 38.101-4协议，在200M采样率时，有12个非0值。
那么频域相关性表示为：
在实际应用时，由于PDP无法直接通过观测获得，往往通过预设功率谱的方式来进行频域滤波和估计。当预设谱为矩形谱时，估计步骤如下：
将频域信道粗估计值通过IFFT转换得到时域值；
对时域值取绝对值，然后通过预设门限和snr等，进行搜索得到矩形窗的长度；
在将得到的矩形窗进行FFT变换得到频域相关性。
通过上述步骤可以看到其缺点主要在于：1、有预设门限等经验值，鲁棒性不强；2、窗长搜索复杂度很高；3、受非理想因素影响较大，在此情况下性能不太好。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种NR中基于TRS的PDP估计方法及系统，能够提高PDP估计的精确性，且具有更强的鲁棒性，降低了复杂度。
根据本发明提供的一种NR中基于TRS的PDP估计方法及系统，所述方案如下：
第一方面，提供了一种NR中基于TRS的PDP估计方法，所述方法包括：
步骤1：根据系统指示，获取频域信道估计值；
步骤2：得到频域信道估计值后，再获取观测矩阵Π；
步骤3：用N维DFT矩阵作为稀疏矩阵，通过压缩感知算法得到具体的多径位置和多径功率，从而得到准确的PDP估计；
步骤4：通过步骤2所选取观测矩阵Π之后，其余的导频可以再次通过随机生成的方法得到观测矩阵Π，再一次重复步骤2和步骤3，得到PDP估计，并对两次估计结果平均，得到更好的估计结果；最终步骤4选取观测矩阵Π，来实现PDP估计次数视性能要求而定。
优选的，所述步骤1包括：
根据系统指示，产生本地导频序列，与接收到的导频序列作相关，得到频域信道估计Hls；
由于初始导频位置可能在子载波{0，1，2，3}，需要对信道估计进行补偿，如下：
Hls＝Hlsexp{j2πi/N}，其中i是子载波偏移数。
优选的，所述步骤2包括：
NR系统中每个子载波间隔为30kHz，总子载波数为3276，每12个子载波称为1个rb，每个rb有三个trs导频，那么总导频数为819；压缩感知算法需要的观测数M一版为稀疏度K的4至6倍，信道多径数较小，选取M为50，其位置随机，且预先产生。
优选的，所述步骤3包括：
产生稀疏矩阵为1024点DFT矩阵，传感矩阵为对应位置不为0的M行所产生的矩阵；
选用合适的压缩感知算法，为了节省计算复杂度，使用gOMP算法，且令每次选择原子数为S；
估计得到的位置信息就是多径位置，对估计的幅度值取绝对值得到多径功率值。
优选的，所述步骤4包括：
如果选择观测矩阵次数为1，则跳过此步骤，否则在排除步骤2所选M个位置后，再剩下的位置中再次选取M个位置，进行步骤2和步骤3，得到另外一组估计值θ1，对得到的所有估计值平均，进一步提高估计的精确度。
第二方面，提供了一种NR中基于TRS的PDP估计系统，所述系统包括：
模块M1：根据系统指示，获取频域信道估计值；
模块M2：得到频域信道估计值后，再获取观测矩阵Π；
模块M3：用N维DFT矩阵作为稀疏矩阵，通过压缩感知算法得到具体的多径位置和多径功率，从而得到准确的PDP估计；
模块M4：通过模块M2所选取观测矩阵Π之后，其余的导频可以再次通过随机生成的方法得到观测矩阵Π，再一次重复模块M2和模块M3，得到PDP估计，并对两次估计结果平均，得到更好的估计结果；最终模块M4选取观测矩阵Π，来实现PDP估计次数视性能要求而定。
优选的，所述模块M1包括：
根据系统指示，产生本地导频序列，与接收到的导频序列作相关，得到频域信道估计Hls；
由于初始导频位置可能在子载波{0，1，2，3}，需要对信道估计进行补偿，如下：
Hls＝Hlsexp{j2πi/N}，其中i是子载波偏移数。
优选的，所述模块M2包括：
NR系统中每个子载波间隔为30kHz，总子载波数为3276，每12个子载波称为1个rb，每个rb有三个trs导频，那么总导频数为819；压缩感知算法需要的观测数M一版为稀疏度K的4至6倍，信道多径数较小，选取M为50，其位置随机，且预先产生。
优选的，所述模块M3包括：
产生稀疏矩阵为1024点DFT矩阵，传感矩阵为对应位置不为0的M行所产生的矩阵；
选用合适的压缩感知算法，为了节省计算复杂度，使用gOMP算法，且令每次选择原子数为S；
估计得到的位置信息就是多径位置，对估计的幅度值取绝对值得到多径功率值。
优选的，所述模块M4包括：
如果选择观测矩阵次数为1，则跳过此模块，否则在排除模块M2所选M个位置后，再剩下的位置中再次选取M个位置，进行模块M2和模块M3，得到另外一组估计值θ1，对得到的所有估计值平均，进一步提高估计的精确度。
与现有技术相比，本发明具有如下的有益效果：
1、本发明能够提高PDP估计的精确性；
2、增强PDP估计的鲁棒性；
3、降低窗长搜索复杂度。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的方法流程图；
图2为本发明的具体实施图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明实施例提供了一种NR中基于TRS的PDP估计方法，利用压缩感知算法的PDP估计可以克服前述存在的缺点，压缩感知：
压缩感知的原理是存在信号Nx1维信号x，和Mx1维度的观测向量y，M＜＜N，满足：
y＝Πx
其中，观测矩阵Π维度是M×N。x是非稀疏的，但是在变换域Φ是稀疏的，结合上式，可以表示为：
y＝ΠΦθ＝Aθ
其中，测量矩阵Φ维度是N×K，θ维度是k×1，那么传感矩阵A维度是M×K。
对于y＝Πx来说通过y解出x是不定方程，未知数个数大于方程个数，无法得到唯一解，通过寻找合适的稀疏矩阵，得到y＝Aθ，就可以得到准确的解。
参照图1和图2所示，首先，步骤1：根据系统指示，获取频域信道估计值，具体如下：
在NR下行TRS估计PDP过程中，根据系统指示，产生本地导频序列，与接收到的导频序列作相关，得到频域信道估计Hls，由于初始导频位置可能在子载波{0，1，2，3}，需要对信道估计进行补偿，具体的：
Hls＝Hlsexp{j2πi/N}，其中i是子载波偏移数。
其次，步骤2：得到频域信道估计值后，再获取观测矩阵Π：NR系统中每个子载波间隔为30kHz，总子载波数为3276，每12个子载波称为1个rb，每个rb有三个trs导频，那么总导频数为819；压缩感知算法需要的观测数M一版为稀疏度K的4至6倍，信道多径数较小，选取M为50，其位置随机，可以根据re位置预先产生，产生一例如下{7，59，62，76，80，89，103，107，109，115，121，126，132，135，136，147，158，169，175，202，203，227，248，255，256，272，297，312，314，315，346，409，432，442，444，484，492，513，530，535，536，561，562，588，589，675，715，726，768，779}。
再次，步骤3：用N维DFT矩阵作为稀疏矩阵，通过压缩感知算法得到具体的多径位置和多径功率，从而得到准确的PDP估计。
产生稀疏矩阵为1024点DFT矩阵，传感矩阵为对应位置不为0的M行所产生的矩阵，选用合适的压缩感知算法，为了节省计算复杂度，使用gOMP算法，且令每次选择原子数S为3，gOMP实现方式简述如下：
1、初始化：多径位置集合对应稀疏向量集合观测值r0＝y；
2、计算传感矩阵每列和观测矩阵的内积，ε＝＜Ai，y＞，1≤i≤N，选择最大的S个值；
3、将对应位置和向量加入到集合Γ和Ψ；
4、得到本次估计值
5、更新残差
6、如果满足预设条件，则到7，否则返回2；
7、最后一次迭代的就是估计的最终结果；
最后，估计得到的位置信息就是多径位置，对估计的幅度值取绝对值得到多径功率值。
最后，步骤4：通过步骤2所选取观测矩阵Π之后，其余的导频可以再次通过随机生成的方法得到观测矩阵Π，再一次重复步骤2和步骤3，得到PDP估计，并对两次估计结果平均，得到更好的估计结果；最终步骤4选取观测矩阵Π，来实现PDP估计次数视性能要求而定。
如果选择观测矩阵次数为1，则跳过此步骤，否则在排除步骤2所选M个位置后，再剩下的位置中再次选取M个位置，进行步骤2和步骤3，得到另外一组估计值θ1，对得到的所有估计值平均，进一步提高估计的精确度。
本发明实施例提供了一种NR中基于TRS的PDP估计方法，该方法能够提高PDP估计的精确性，同时还能够增强PDP估计的鲁棒性，以及降低窗长搜索复杂度。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种基于2维簇结构的稀疏贝叶斯学习信道估计方法