一種移動終端速度的自適應估計算法研究

李 旋

（92281 部隊，山東 諸城 262200）

0 引 言

移動終端的速度是無線通信系統中的重要參數之一。基站會估計終端速度，得到實時、準確的終端速度值，根據當前的終端速度選擇不同的模式切換，以提高下行鏈路質量[1]。通常檢測終端速度的方法包括3 種：第一，采用微傳感技術和全球定位系統（Global Positioning System，GPS）等附加設備輔助，精確度較高，但開銷較大；第二，基于蜂窩網絡的檢測，方法簡單，但精確度低；第三，基于多普勒頻移的檢測。終端移動會產生多普勒頻偏，速度越高，多普勒頻偏越大，因此可以通過估計移動終端的多普勒頻偏來估計終端速度[2-5]。通常多普勒頻偏估計方法包括基于瞬時信道參數包絡的算法、基于接收信號的電平通過率的算法以及協方差近似法等。這些經典算法的主要思想為接收一段時間的終端發射信號，利用該段時間內接收的信號中的導頻信號做信道估計，進而利用得到的信道響應值計算終端速度值。這些算法能夠準確估計較高的速度（大于50 km/h），速度較小時，估計準確性降低。

文章基于瞬時信道參數包絡算法提出了一種改進的自適應估計終端速度算法，可以改善上述情況，既能實時估計高速下的終端速度，也能準確估計低速下的終端速度。

1 基于瞬時信道參數包絡的速度估計算法

基于瞬時信道參數包絡的速度估計算法主要是根據接收信號的信道響應值的包絡來估計多普勒頻偏fd，然后根據多普勒頻偏計算終端速度[6]。

1.1 信道估計

基站通過終端發送信號的導頻信號做信道估計。這里終端發送的導頻信號參考文獻[6]第三代合作伙伴計劃（3rd Generation Partnership Project，3GPP）中的上行子幀中的導頻信號結構。其中，每個上行子幀（時間長度為1ms）中包含2 個導頻信號，2 個導頻信號之間的采樣間隔為0.5 ms，信道估計可采用最小二乘法。

1.2 多普勒頻移

移動終端會產生多普勒頻移，與基站的夾角為θ(t)，終端以速度v運動，θ(t)隨著時間的變化而變化，如圖1 所示。

圖1 移動終端與基站示意

根據可以通過多普勒頻移公式計算終端移動速度。多普勒頻移公式表示為

式中：v為終端移動速度；fd為多普勒頻移；λc=vc/fc為光波長，vc=3×108m/s，fc=2×109Hz 為頻率；θ為信號發送端移動方向與發送端和接收端的連線夾角，默認為0。則公式可簡化為

1.3 基于瞬時信道參數包絡的速度估計算法實現

基于瞬時信道參數包絡的速度估計算法實現步驟如下文所述。

（1）計算包絡α(n)，根據接收導頻的信道響應序列g(n)計算相應的包絡，即α(n)=|g(n)|。

（2）構造變量G：

N是進行一次速度估計所用g(n)序列的長度，N值越大，可估計的最低終端速度越小，即可估計的速度范圍越大。變量G可以反映出信道參數變化的快慢：終端速度越快，信道變化就越快，分子中[α(n+1)-α(n)]2就越大，G就越大。

（3）由文獻[7]推導得到：

式中：fd為最大多普勒頻移，Ts為包絡x(n)2 個采樣點之間的時間間隔[7]。根據1.1 節和式（4），可以求出最大多普勒頻移fd。

（4）根據式（2），由fd和λc求出終端速度V。

原始基于瞬時信道參數包絡的速度估計算法保存長度為N、采樣間隔為Ts=0.5 ms 的信道響應值來估計終端速度。由于N為一個固定值，即在統計時間長度相等的情況下，對不同速度估計的準確性不同。當N較小時，對高速情況下的終端速度估計更準確，對低速情況下的終端速度估計準確性下降，對于一定低的速度甚至無法估計；當N較大時，可以對較低速度進行估計，若終端速度較高，估計時間短，但N值過大會降低檢測的實時性。

2 改進的優化自適應估計終端速度算法

原始基于瞬時信道參數包絡的速度估計算法會選擇固定長度的信道響應序列，不能保證準確的估計各種速度，因此文章提出了一種自適應估計終端速度算法。利用基于瞬時信道參數包絡的速度估計算法，根據估計速度的差值大小，自適應修改N的長度，因此可以自適應估計不同的終端速度，提高速度估計的準確性。

自適應估計終端速度算法的實現步驟如下文所述。

步驟1：基站對每次接收到的終端導頻信號進行信道估計，獲取時域信道響應g(n)，保存在緩存器1 中。

步驟2：當緩存器1 中的g(n)序列長度達到N1時，開始用緩存器1 中的N1長度的g(n)序列按照瞬時信道參數包絡的速度估計算法估計當前的終端速度，并保存在緩存器2 中。之后緩存器1 中每增加N1長度的g(n)序列，就用最新的N1長度的g(n)序列估計當前終端速度，并將估計的當前終端速度保存在緩存器2 中。

步驟3：當緩存器2 中的估計速度序列長度達到N2時，發現緩存器2 中任意2 個速度的差值均大于第一閾值，則判斷終端處于低速狀態，采用緩存器1中的全部N1×N2長度的g(n)序列估計當前終端速度。若小于第一閾值并大于第二閾值，則判斷終端處于中速狀態，采用緩存器1 中最新的N1×N2×2/3 長度的g(n)序列估計當前終端速度；若小于第二閾值，則判斷終端處于高速狀態，采用緩存器1 中最新的N1長度的g(n)序列估計當前終端速度。其中，第一閾值和第二閾值根據實際情況確定。刪除緩存器1 中最早的N1長度的g(n)序列和緩存器2 中第一個速度估計值。

步驟4：繼續接收移動終端的上行子幀，重復步驟2 和步驟3，直至終止速度估計。

3 仿真結果

利用原始基于瞬時信道參數包絡的速度估計算法和改進的自適應估計終端速度算法仿真不同終端速度情況下的估計性能，分別在低速（10 km/h）、中速（80 km/h）以及高速（140 km/h）進行仿真。對于原始基于瞬時信道參數包絡的速度估計算法，設置緩存器長度為120，對于改進的自適應估計終端速度算法，N1=120，N2=9，低速時緩存器采用的g(n)序列長度為N1×N2=120×9=1080，中速時采用緩存器中最新的g(n)序列長度為N1×N2×2/3=120×9×2/3=720，高速時采用緩存器中最新的g(n)序列長度為N1=120。信道為衰落信道擴展步行模型（Extended Pedestrian A model，EPA）。仿真性能如圖2、圖3、圖4 所示。

圖2 速度為10 km/h 時改進算法與原始算法性能對比

圖3 速度為80 km/h 時改進算法與原始算法性能對比

由仿真結果可知，高速時2 種算法使用的信道響應序列長度相同，性能也相同；中速和低速情況下，改進算法自適應增加了使用的信道響應序列長度，因此性能相對于原始基于瞬時信道參數包絡的速度估計算法有所提高。

4 結 論

文章提出了一種優化自適應估計終端速度算法，通過緩存終端發送的上行子幀中的時域信道響應計算終端速度，根據其中兩兩估計速度的差值大小，自適應修改估計速度使用的信道響應序列的長度，因此可以自適應估計不同的終端速度，提高了中低速情況下速度估計的準確性，并保證了高速情況下檢測的實時性。