IEEE 802.11p 协议下基于交错导频的V2V 信道估计

方 勇， 刘 畅

(1. 上海大学上海先进通信与数据科学研究院， 上海200444;2. 上海大学特种光纤与光接入网重点实验室， 上海200444)

基于正交频分复用(orthogonal frequency division multiplexing， OFDM)的IEEE 802.11p协议起源于美国专用短距离通信(dedicated short range communications， DSRC)， 于 2010 年11 月正式颁布， 是针对车联网的主流协议之一， 以实现车到车(vehicle to vehicle， V2V)、车到基础设施(vehicle to infrastructure， V2I)之间高效安全的无线传输. 要实现OFDM 系统的实时通信， 就必须对刻画信道状态的信道冲激响应进行实时准确的估计. 尤其对于V2V 通信，信道具有两个显著特征: ①车辆的收发天线高度较低， 导致V2V 信道的散射环境异常复杂;②车车之间在通信时收发端同时处在高速移动之中， 导致V2V 信道的多普勒频移非常大. 因此， V2V 信道表现出了极强的时频双选特性[1]， 信道估计的性能好坏将变得至关重要. 本工作基于IEEE 802.11p 协议， 重点研究V2V 通信中的信道估计问题.

目前， 针对IEEE 802.11p 协议信道估计技术的研究主要可以分为保留协议导频结构和改变协议导频结构两大类. 在保留协议导频结构的基础上， 文献[2] 结合V2V 高速公路模型系统， 分析了如最小二乘(least square， LS)、最小均方误差(minimum mean square error，MMSE)等传统信道估计算法在IEEE 802.11p 中的性能， 发现由于导频数量的不足， 传统信道估计算法已经远远不能适应V2V 快时变信道的特性. 文献[3]基于广义离散长球序列(discrete prolate spheroidal， DPS)提出了一种鲁棒的迭代信道估计方案， 该方案能够缩小子空间从而最小化信道均方误差(mean square error， MSE)， 但是算法的复杂度很高， 引入额外的导频可以降低计算复杂度但同时又降低了数据传输效率. 为了减轻V2V 时变信道对IEEE 802.11p 系统性能的恶劣影响， 一系列基于判决反馈信道估计的改进方法被提出[4-7]， 其中文献[4]通过改进判决反馈信道估计提出了一种频谱时间均衡(spectral temporal averaging， STA)信道估计方案， 在时域和频域对信道估计结果分别进行加权平均， 该方案运算复杂度不高， 且性能可观，因而成为基于IEEE 802.11p 信道估计算法的主要参考方案之一. 受文献[4]的启发， 文献[5-6]采用了与STA 算法类似的思想， 利用判决反馈、频域滤波和时域跟踪等手段对判决反馈信道估计的结果进行修正. 文献[7]基于判决反馈的思想提出了一种导频数据构建(constructing data pilot， CDP)信道估计方案， 该方案利用相邻OFDM 符号间信道响应的高相关性来抵抗V2V 时变信道的影响， 削弱在判决反馈的过程中由于判决错误导致误差向后传播的影响. 文献[8]针对DPS， STA 和CDP 三种信道估计方案在两种V2V 通信场景下进行了仿真对比. 本工作将以STA 和CDP 两种判决反馈类信道估计算法作为比较对象， 分析所提出的信道估计方案的性能.

以改变IEEE 802.11p 协议导频结构从而提高信道估计准确度为出发点， 文献[9]提出了一种十字分布的导频图案， 通过在一帧符号内插入更多训练序列来跟踪时变的信道. 文献[10]提供了一种自适应导频放置的信道估计方案， 引入导频插入率c， 并通过自适应调整c 从而降低动态V2V 环境的影响. 然而， 如何根据不同车载场景选择最优的c 一直未能解决. 文献[11]通过在符号中引入纠错码来提高信道估计的精确度. 文献[12]利用后训练序列信道响应携带的信道变化信息， 提出了一种结合后训练序列的判决反馈信道估计方法. 毫无疑问， 这些方案都是以引入额外导频开销为代价， 从而降低了系统的数据传输效率. 文献[13]以最小均方误差为准则， 针对高速移动的OFDM 信道下导频如何设计进行了系统研究.

针对IEEE 802.11p 协议中导频过少无法准确跟踪频率选择性衰落信道的不足， 本工作提出了一种基于交错导频辅助的信道估计方法. 仿真结果表明， 本工作提出的交错导频相较于原导频能够更准确地跟踪V2V 信道. 同时， 在交错导频框架下， 针对不同V2V 通信场景的特点选择合适的信道估计方案， 可以较大程度地提高IEEE 802.11p 的系统性能.

1 系统与信道模型

1.1 IEEE 802.11p 系统模型

IEEE 802.11p 是对IEEE 802.11a 的衍生， 但其系统所在频段由5.0 GHz 变为5.9 GHz，带宽由20 MHz 变为10 MHz，以克服车载通信环境下因多径时延扩展引起的符号间干扰(inter symbol interference， ISI). IEEE 802.11p 的具体系统参数可参考文献[5].

基于OFDM 的IEEE 802.11p 系统的时域信号x(n)在经过衰落信道后， 其接收信号可以表示为

式中: h(n，l)为时变多径冲激响应;L 为信道多径数;w(n)为高斯白噪声，噪声方差为σ2. 文献[4-7]的研究结果已表明， V2V 信道的多普勒频移不足以引起严重的载波间干扰(inter carrier interference， ICI)问题. 因此， 本工作忽略ICI 的影响， 接收端在去除了循环前缀并经过离散傅里叶变换后， 频域接收信号可以表示为

式中: X(k)是频域发送信号; H(k)是信道的频域冲激响应; W (k)是噪声的频域形式; N是系统子载波数.

在 IEEE 802.11p 系统中， 一个 OFDM 符号由 N = 64 个子载波构成， 若干个 OFDM 符号构成了一帧数据结构. 对于一帧内的第m 个OFDM 符号， 式(2)可以写成

1.2 信道模型

目前用于仿真的V2V 信道模型主要有两种: 基于几何的信道模型[14]和抽头延迟线(tapped delay line， TDL)模型[15]. 文献[16] 对两种建模方式作了比较， 并指出: 尽管几何模型对V2V 信道特性的描述更准确， 但复杂度过高; 而TDL 模型以较低的复杂度同样能够准确表述V2V 信道特性. 因此， 本工作将采用TDL 模型.

TDL 模型对信道冲激响应的建模基于下式展开:

式中: αl(t)= βl(t)exp(j2πfD，lt)反映了衰落特性; βl(t)是第l径的幅值; fD，l是第l径的多普勒频移; L 表示可分辨多径数. 在TDL 模型中， 每个抽头表示一条多径， 其衰落幅值统计特性以及多普勒谱确定了某个场景下信道的主要特征. 若延时束对应于一个不可视距(nonline of sight， NLOS)分量， 则该抽头服从Rayleigh 衰落; 若延时束对应于一个可视距(line of sight，LOS)分量， 则用Rician 衰落来建模该条抽头.

本工作将采用文献[16]提供的基于TDL 的信道模型. 文献[16]给出了6 种典型车辆通信场景的信道参数， 包括3 种V2V 场景和3 种V2I 场景， 已被IEEE 802.11p 标准采纳为参考信道模型. 本工作主要研究V2V 通信场景下的信道估计问题， 包括高速公路中相向行驶的车车通信(V2V-expressway oncoming， V2V-EO)、城市峡谷中相向行驶的车车通信(V2V-urban canyon oncoming， V2V-UCO)和高速公路中同向行驶且道路两旁存在大量散射体的车车通信(V2V-expressway same direction with wall， V2V-ESDW)这 3 个场景. 相关场景下的信道参数如表1 所示.

表 1 3 种V2V 通信场景的信道参数Table 1 Channel parameters of three V2V communication scenarios

2 基于交错导频辅助的信道估计

IEEE 802.11p 协议沿用了IEEE 802.11a 的导频结构， 其数据帧结构和导频分布图分别如图1 和2 所示. 由图1 可以看出， IEEE 802.11p 在每一帧的开头定义了2 个相同的长训练序列XT. 通过对这2 个训练序列分别进行LS 信道估计求平均， 可以在一定程度上削弱噪声的影响，

式中: YT1和YT2分别为2 个训练序列经过信道后的接收信号， 由式(2)得到.

图 1 IEEE 802.11p 帧结构Fig.1 Frame structure of IEEE 802.11p

图 2 IEEE 802.11p 导频分布图Fig.2 Pilot pattern of IEEE 802.11p

在利用训练序列得到一帧信号的初始信道估计结果后， 还需要在导频的辅助下对时变信道进行实时跟踪， 以抵抗信道冲激响应在一帧内的变化所带来的影响. IEEE 802.11p 协议在每一个数据符号 53 个子载波的 -21， -7， 7， 21 号子载波插入 4 个导频， 导频子载波间隔为2.187 5 MHz， 如图 2 所示.

通过训练序列(式(5))得到初始信道估计值后， 在数据符号的传送过程中， 提取出4 个导频位置的接收信号， 记为Yp= [Y(-21)，Y(-7)，Y(7)，Y(21)]T. 由于发送导频已知， 记为Xp= [X(-21)，X(-7)，X(7)，X(21)]T， 那么利用 LS 算法就可以得到如下导频处的信道估计结果:

接着， 利用插值算法即可得到所有子载波位置的信道跟踪结果. 在插值过程中， 还涉及边界载波的取值问题， 多次试验结果表明边界值取Hp的平均值优于对Hp进行外推. 因此， 最终的插值将基于下式进行:

式中:Hp为Hp的平均值， 插值后的结果记为Hupdate. 接下来， 第m 个OFDM 符号上的信道估计结果可以由下式得到:

式中: α 决定了信道的更新系数， α 越大对信道的更新速度越快; m 表示时刻， 显然当m = 0时， H0为由式(5)得到的初始信道估计值.

然而， IEEE 802.11p 协议中导频间隔过大， 无法准确跟踪频率选择性信道， 针对这一问题，本工作提出了一种基于交错导频辅助的信道估计方法(见图3).

图3 交错导频分布图Fig.3 Staggered-layered pilot pattern

本方案对IEEE 802.11p 协议的导频结构进行了一定的调整， 在数据符号中设置了2 种导频并以交错的形式循环插入， 其中导频 1 在数据符号中的第-24， -10， 4， 18 位插入， 记为Xp1= [X(-24)，X(-10)，X(4)，X(18)]T， 导频 2 在数据符号中的第-18， -4， 10， 24 位插入， 记为Xp2= [X(-18)，X(-4)，X(10)，X(24)]T. 从图中可以看出， 本导频方案在每个OFDM 符号中依旧插入了4 个导频， 因此数据的传输效率没有改变. 同时， 导频的插入只有2 种导频交替进行， 复杂度较低.

基于交错导频的信道估计与跟踪方案的细节如下.

首先， 通过训练序列(式(5))得到初始信道估计值. 在数据符号的传送过程中， 提取出第m 个OFDM 符号4 个导频位置的接收信号， 记为

式中: i = 1，2 分别代表采用导频1 和导频2时导频处的接收信号. 由于第m个符号的导频Xpi，m已知， 利用LS算法可以得到该OFDM 符号导频处的信道估计结果为

然后是本方案的核心， 由于相邻符号的信道具有高度的相关性[7]， 可以将前一个符号导频处的信道估计结果Hpi，m-1作为当前符号对应子载波位置的信道频域冲激响应. 而相邻符号的导频是交错且近似均匀放置的， 这样相当于得到了该OFDM 符号内8 个导频处的信道采样结果， 记为Hp，m. 对于采用导频 1 的符号，

对于采用导频2 的符号，

接着， 利用插值算法即可得到所有子载波位置的信道跟踪结果Hupdate， 其中插值时的边界值取Hp，m的平均值， 同式(7). 将Hupdate代入式(8)对信道进行实时估计. 这里需要注意的是，对于数据位的第一个符号， 其前一个符号为第二个训练序列T2， 因此该符号位置的信道跟踪结果Hupdate需要通过对第一个符号和T2 在对应导频位置的信道估计结果进行插值来获得.

3 仿真分析

下面将以误码率(bit error rate， BER)为衡量标准来分析本工作提出的基于交错导频辅助的信道估计方法的性能. 在以下仿真中， IEEE 802.11p 的系统参数参考文献[5]， 一帧数据由100 个经过正交相移键控(quadrature phase shift keying， QPSK)调制的 OFDM 符号构成， 信道参数如表1 所示.

3.1 IEEE 802.11p 原始导频下的信道估计性能分析

首先， 基于 IEEE 802.11p 原始导频， 在 V2V-EO， V2V-UCO和 V2V-ESDW 3 种场景下对基于训练序列的LS 信道估计、基于导频辅助的信道估计与跟踪、STA 信道估计[4]和CDP 信道估计[7]4 个方案进行仿真对比. 在基于训练序列的LS 信道估计中， 由长训练序列得到的信道估计结果将用于一帧中所有接收信号的信道补偿; 在基于导频辅助的信道估计中， 取α = 2，插值方式为线性插值; 在STA 信道估计中， 文献[4]建议取α = β = 2. 仿真结果如图4～6 所示， 图中SNR(signal noise ratio)为信噪比.

图4 V2V-EO场景下4 种信道估计方案的BERFig.4 BER of the system with the four channel estimation schemes in V2V-EO scenario

图5 V2V-UCO 场景下4 种信道估计方案的BERFig.5 BER of the system with the four channel estimation schemes in V2V-UCO scenario

图 6 V2V-ESDW 场景下4 种信道估计方案的BERFig.6 BER of the system with the four channel estimation schemes in V2V-ESDW scenario

通过对上述3 种场景下4 种信道估计方案的仿真对比可以看出: 基于IEEE 802.11p 原始导频， 在V2V-EO 和V2V-UCO 场景下基于导频辅助的信道估计与跟踪方案要远远优于判决反馈类信道估计方案; 在V2V-ESDW 场景下， 判决反馈类信道估计方案优势更加明显， 其中STA 算法和CDP 算法的性能各有优势. 原因在于， 在V2V-EO和V2V-UCO 场景下， 车辆所处环境相对空旷， 信道的多径时延扩展相对较小， IEEE 802.11p 协议提供的4 个导频足以跟踪时变信道; 而在V2V-ESDW 场景下， 复杂的多径环境导致4 个导频难以准确跟踪具有频率选择性的时变V2V 信道， 其性能甚至不如基于训练序列的LS 信道估计， 而STA 算法和CDP算法通过优化判决反馈信道估计降低了时频双选信道造成的影响. 综上所述， 针对V2V 通信场景的特点选择合适的信道估计方案， 可以在较大程度上提高系统性能.

3.2 基于交错导频辅助的信道估计性能分析

接下来在V2V-EO 和V2V-UCO 两种通信场景下对基于IEEE 802.11p 原始导频辅助的信道估计和基于交错导频辅助的信道估计进行仿真对比(见图7 和8)， 插值方式选择线性插值和三次样条插值， 信道更新系数均取α=2. 对于V2V-ESDW 环境， 判决反馈类信道估计方案是更好的选择， 因此不作比较.

图7 V2V-EO 场景下基于不同导频辅助信道估计方案的BERFig.7 BER of the system with different pilot aided channel estimation schemes in V2V-EO scenario

图8 V2V-UCO 场景下基于不同导频辅助信道估计方案的BERFig.8 BER of the system with different pilot aided channel estimation schemes in V2V-UCO scenario

通过仿真分析可以看出， 本工作提出的基于交错导频辅助的信道估计在V2V-EO 和V2V-UCO 场景下都要优于基于IEEE 802.11p 原始导频辅助的信道估计. 原因在于交错导频充分利用了相邻符号间信道的高度相关性， 将前一符号导频位置的信道估计结果作为当前符号对应导频位置的信道估计结果， 从而在一定程度上克服了信道频率选择性带来的影响.

4 结束语

本工作首先通过仿真对比了IEEE 802.11p 协议下的4 种信道估计方案， 包括基于训练序列的LS信道估计、基于导频辅助的信道估计与追踪、STA 信道估计和CDP 信道估计. 结果表明: 当V2V 通信的车辆处在较空旷的环境下， 采用基于导频辅助的信道估计明显优于判决反馈类信道估计; 当车辆处在复杂的多径环境下， 判决反馈类信道估计方案是更好的选择.

针对基于导频辅助的信道估计， 本工作提出了一种新颖的交错导频方案. 本方案在未改变IEEE 802.11p 数据传输效率以及较低复杂度的前提下， 克服了信道频率选择性带来的影响，在空旷的通信场景下性能明显优于原导频辅助下的信道估计. 值得一提的是， 判决反馈类信道估计方案并不依赖于导频图案， 在本工作提出的交错导频下依然可以工作. 在接下来的研究中， 将基于本工作提出的交错导频， 针对更多不同V2V 通信场景的特点设计更高效的信道估计方案， 从而提高IEEE 802.11p 的系统性能.