一种新型的在瑞利信道下盲检测器设计*

向　征，崔　萌，冯士民

(1.广州军区联勤部第四五八医院信息科, 广东 广州 510062；

2.海军工程大学电子工程学院，湖北 武汉 430033)



一种新型的在瑞利信道下盲检测器设计*

向征1，崔萌2，冯士民2

(1.广州军区联勤部第四五八医院信息科, 广东 广州 510062；

2.海军工程大学电子工程学院，湖北 武汉 430033)

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

摘要：针对采用卡尔曼滤波或线性预测方案进行信号检测时，需要已知信道模型参数或预先估计信道参数这一局限性问题，提出一种新型的瑞利信道下的盲检测器。盲检测器通过设计粒子学习算法，能够在未知的信道衰落模型参数和噪声模型参数条件下检测信号。为了提升检测器的性能，采用信号延迟判决技术。仿真结果表明，盲检测器性能优异，已接近在已知信道模型参数下检测器的性能。该盲检测器易于并行设计实现，具有很高的实用价值。

关键词：盲信号检测；粒子学习；瑞利平坦信道；盲检测器

0引言

瑞利衰落信道模型是一类广泛应用于无线通信系统的衰落信道模型。在瑞利衰落信道下，最为常用的是最大似然序列检测(maximum-likelihood sequence detector, MLSD)[1]。在信道状态已知的情况下，常使用Viterbi算法实现最大似然序列检测，这种方案也是最优的。在信道状态未知的情况下，常采用卡尔曼滤波或线性预测相结合的方案进行信号检测。这类方案比较多，常常结合先导序列，决定反馈(decision feedback)，递回归最小平方算法等估计信道。由于这些解决方案需要已知的信道模型参数或需要预先估计信道，在实际中有一定的局限性。文献[2]结合混合卡尔曼滤波(mixture kalman filters, MKF)技术[3]、辅助粒子滤波和平滑核技术设计了未知信道系数的盲检测器，在实际中有很好的效果。文献[4,5]在重采样过程中引入进化粒子滤波，较好解决了文献[2]由于样本贫化带来的性能下降问题。上述两种盲检测器虽然信道系数未知，但通信系统中高斯噪声模型参数却是已知的。因此，为了设计一种全盲检测器，本文引进粒子学习算法，能在未知的信道系数和噪声模型参数的条件下检测信号。

1系统描述

考虑在瑞利平坦信道下的无线通信系统，假设信道中存在加性噪声，则有：

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)模型的应用较为广泛，该类模型同实际的物理背景相结合，有对应的物理意义。该类模型可以表示为：

(4)

考虑潜在的物理意义，有：

(5)

其中rd为AR(2)模型极半径，Ωd为归一化的最大多普勒频移，其表达为：

(6)

其中fd，v，λ，1/T分别为最大多普勒频移，移动速率，载波的波长和符号传输速率。

xt=Dxt-1+gvt

(7)

yt=stg†xt+et

(8)

xt=β†xt-1+vt

(9)

2基于粒子学习算法的盲检测器

粒子学习算法是最近新提出的一类粒子算法，一经提出便受到了广泛关注[6-10]。该算法推广了辅助粒子滤波的思想以解决参数的不确定性。同时，该算法结合了序列参数学习，状态滤波和平滑，因此可看成是混合卡尔曼滤波的一般形式。

(1)重采样：

(10)

(11)

(12)

(13)

其中:

(14)

(15)

这里H代表厄米特转置。

(4)通过卡尔曼滤波方法更新充分统计量：

(16)

(17)

(18)

(19)

(20)

3仿真与分析

图1　盲检测器的误码率性能(Ωd=0.05)

图2　盲检测器的误码率性能(Ωd=0.03)

4结论

在未知瑞利信道下的信号检测和估计问题，可以归结为在高斯数据中检测高斯数据。以往盲检测器建立于未知的信道衰落模型系数条件下，噪声模型参数是已知。本文提出了一种新型的瑞利信道下的盲检测器，通过引入粒子学习算法，能在未知信道衰落模型系数和噪声模型参数的条件下对信号进行盲检测。仿真实验表明，盲检测器具有优良的性能，特别是在高信噪比环境中。粒子学习算法是一类基于仿真的高效粒子算法，这类算法易于具体硬件实现(如DSP、FPGA等)，也易于超大规模集成电路设计实现，在使用大规模并行算法的条件下能大大缩短时间消耗。

参考文献：

[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]张红燕, 谢跃雷, 欧阳缮. 平坦衰落信道下一种基于进化粒子滤波的盲检测器[J]. 电子与信息学报, 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]张红燕, 谢跃雷, 樊东红. 非高斯噪声环境的进化粒子滤波盲检测器[J]. 通信技术, 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，助理工程师，主要研究方向为信息工程；

崔萌(1987—)，女，助教，主要研究方向为系统工程；

冯士民(1987—)，男，博士，主要研究方向为通信信号处理。

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

作者简介：

中图分类号：TN911.7

文献标志码：A

文章编号：1002-0802(2015)07-0795-04

收稿日期：*2015-03-20；

doi:10.3969/j.issn.1002-0802.2015.07.009