一種新型的在瑞利信道下盲檢測器設計*

向　征，崔　萌，馮士民

(1.廣州軍區聯勤部第四五八醫院信息科, 廣東 廣州 510062；

2.海軍工程大學電子工程學院，湖北 武漢 430033)

?

一種新型的在瑞利信道下盲檢測器設計*

向征1，崔萌2，馮士民2

(1.廣州軍區聯勤部第四五八醫院信息科, 廣東 廣州 510062；

2.海軍工程大學電子工程學院，湖北 武漢 430033)

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

摘要：針對采用卡爾曼濾波或線性預測方案進行信號檢測時，需要已知信道模型參數或預先估計信道參數這一局限性問題，提出一種新型的瑞利信道下的盲檢測器。盲檢測器通過設計粒子學習算法，能夠在未知的信道衰落模型參數和噪聲模型參數條件下檢測信號。為了提升檢測器的性能，采用信號延遲判決技術。仿真結果表明，盲檢測器性能優異，已接近在已知信道模型參數下檢測器的性能。該盲檢測器易于并行設計實現，具有很高的實用價值。

關鍵詞：盲信號檢測；粒子學習；瑞利平坦信道；盲檢測器

0引言

瑞利衰落信道模型是一類廣泛應用于無線通信系統的衰落信道模型。在瑞利衰落信道下，最為常用的是最大似然序列檢測(maximum-likelihood sequence detector, MLSD)[1]。在信道狀態已知的情況下，常使用Viterbi算法實現最大似然序列檢測，這種方案也是最優的。在信道狀態未知的情況下，常采用卡爾曼濾波或線性預測相結合的方案進行信號檢測。這類方案比較多，常常結合先導序列，決定反饋(decision feedback)，遞回歸最小平方算法等估計信道。由于這些解決方案需要已知的信道模型參數或需要預先估計信道，在實際中有一定的局限性。文獻[2]結合混合卡爾曼濾波(mixture kalman filters, MKF)技術[3]、輔助粒子濾波和平滑核技術設計了未知信道系數的盲檢測器，在實際中有很好的效果。文獻[4,5]在重采樣過程中引入進化粒子濾波，較好解決了文獻[2]由于樣本貧化帶來的性能下降問題。上述兩種盲檢測器雖然信道系數未知，但通信系統中高斯噪聲模型參數卻是已知的。因此，為了設計一種全盲檢測器，本文引進粒子學習算法，能在未知的信道系數和噪聲模型參數的條件下檢測信號。

1系統描述

考慮在瑞利平坦信道下的無線通信系統，假設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)模型的應用較為廣泛，該類模型同實際的物理背景相結合，有對應的物理意義。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，其表達為：

(6)

其中fd，v，λ，1/T分別為最大多普勒頻移，移動速率，載波的波長和符號傳輸速率。

xt=Dxt-1+gvt

(7)

yt=stg?xt+et

(8)

xt=β?xt-1+vt

(9)

2基于粒子學習算法的盲檢測器

粒子學習算法是最近新提出的一類粒子算法，一經提出便受到了廣泛關注[6-10]。該算法推廣了輔助粒子濾波的思想以解決參數的不確定性。同時，該算法結合了序列參數學習，狀態濾波和平滑，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代表厄米特轉置。

(4)通過卡爾曼濾波方法更新充分統計量：

(16)

(17)

(18)

(19)

(20)

3仿真與分析

圖1　盲檢測器的誤碼率性能(Ωd=0.05)

圖2　盲檢測器的誤碼率性能(Ωd=0.03)

4結論

在未知瑞利信道下的信號檢測和估計問題，可以歸結為在高斯數據中檢測高斯數據。以往盲檢測器建立于未知的信道衰落模型系數條件下，噪聲模型參數是已知。本文提出了一種新型的瑞利信道下的盲檢測器，通過引入粒子學習算法，能在未知信道衰落模型系數和噪聲模型參數的條件下對信號進行盲檢測。仿真實驗表明，盲檢測器具有優良的性能，特別是在高信噪比環境中。粒子學習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現(如DSP、FPGA等)，也易于超大規模集成電路設計實現，在使用大規模并行算法的條件下能大大縮短時間消耗。

參考文獻：

[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, 歐陽繕. 平坦衰落信道下一種基于進化粒子濾波的盲檢測器[J]. 電子與信息學報, 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. 非高斯噪聲環境的進化粒子濾波盲檢測器[J]. 通信技術, 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，主要研究方向為信息工程；

崔萌(1987—)，女，助教，主要研究方向為系統工程；

馮士民(1987—)，男，博士，主要研究方向為通信信號處理。

A Novel Blind Detector over Rayleigh Channels

XIANG Zheng1，CUI Meng2，FENG 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

作者簡介：

中圖分類號：TN911.7

文獻標志碼：A

文章編號：1002-0802(2015)07-0795-04

收稿日期：*2015-03-20；

doi:10.3969/j.issn.1002-0802.2015.07.009