一种移动终端速度的自适应估计算法研究

2023-08-04李旋

通信电源技术 2023年8期

李旋

（92281 部队，山东诸城 262200）

0 引言

移动终端的速度是无线通信系统中的重要参数之一。基站会估计终端速度，得到实时、准确的终端速度值，根据当前的终端速度选择不同的模式切换，以提高下行链路质量[1]。通常检测终端速度的方法包括3 种：第一，采用微传感技术和全球定位系统（Global Positioning System，GPS）等附加设备辅助，精确度较高，但开销较大；第二，基于蜂窝网络的检测，方法简单，但精确度低；第三，基于多普勒频移的检测。终端移动会产生多普勒频偏，速度越高，多普勒频偏越大，因此可以通过估计移动终端的多普勒频偏来估计终端速度[2-5]。通常多普勒频偏估计方法包括基于瞬时信道参数包络的算法、基于接收信号的电平通过率的算法以及协方差近似法等。这些经典算法的主要思想为接收一段时间的终端发射信号，利用该段时间内接收的信号中的导频信号做信道估计，进而利用得到的信道响应值计算终端速度值。这些算法能够准确估计较高的速度（大于50 km/h），速度较小时，估计准确性降低。

文章基于瞬时信道参数包络算法提出了一种改进的自适应估计终端速度算法，可以改善上述情况，既能实时估计高速下的终端速度，也能准确估计低速下的终端速度。

1 基于瞬时信道参数包络的速度估计算法

基于瞬时信道参数包络的速度估计算法主要是根据接收信号的信道响应值的包络来估计多普勒频偏fd，然后根据多普勒频偏计算终端速度[6]。

1.1 信道估计

基站通过终端发送信号的导频信号做信道估计。这里终端发送的导频信号参考文献[6]第三代合作伙伴计划（3rd Generation Partnership Project，3GPP）中的上行子帧中的导频信号结构。其中，每个上行子帧（时间长度为1ms）中包含2 个导频信号，2 个导频信号之间的采样间隔为0.5 ms，信道估计可采用最小二乘法。

1.2 多普勒频移

移动终端会产生多普勒频移，与基站的夹角为θ(t)，终端以速度v运动，θ(t)随着时间的变化而变化，如图1 所示。

图1 移动终端与基站示意

根据可以通过多普勒频移公式计算终端移动速度。多普勒频移公式表示为

式中：v为终端移动速度；fd为多普勒频移；λc=vc/fc为光波长，vc=3×108m/s，fc=2×109Hz 为频率；θ为信号发送端移动方向与发送端和接收端的连线夹角，默认为0。则公式可简化为

1.3 基于瞬时信道参数包络的速度估计算法实现

基于瞬时信道参数包络的速度估计算法实现步骤如下文所述。

（1）计算包络α(n)，根据接收导频的信道响应序列g(n)计算相应的包络，即α(n)=|g(n)|。

（2）构造变量G：

N是进行一次速度估计所用g(n)序列的长度，N值越大，可估计的最低终端速度越小，即可估计的速度范围越大。变量G可以反映出信道参数变化的快慢：终端速度越快，信道变化就越快，分子中[α(n+1)-α(n)]2就越大，G就越大。

（3）由文献[7]推导得到：

式中：fd为最大多普勒频移，Ts为包络x(n)2 个采样点之间的时间间隔[7]。根据1.1 节和式（4），可以求出最大多普勒频移fd。

（4）根据式（2），由fd和λc求出终端速度V。

原始基于瞬时信道参数包络的速度估计算法保存长度为N、采样间隔为Ts=0.5 ms 的信道响应值来估计终端速度。由于N为一个固定值，即在统计时间长度相等的情况下，对不同速度估计的准确性不同。当N较小时，对高速情况下的终端速度估计更准确，对低速情况下的终端速度估计准确性下降，对于一定低的速度甚至无法估计；当N较大时，可以对较低速度进行估计，若终端速度较高，估计时间短，但N值过大会降低检测的实时性。

2 改进的优化自适应估计终端速度算法

原始基于瞬时信道参数包络的速度估计算法会选择固定长度的信道响应序列，不能保证准确的估计各种速度，因此文章提出了一种自适应估计终端速度算法。利用基于瞬时信道参数包络的速度估计算法，根据估计速度的差值大小，自适应修改N的长度，因此可以自适应估计不同的终端速度，提高速度估计的准确性。

自适应估计终端速度算法的实现步骤如下文所述。

步骤1：基站对每次接收到的终端导频信号进行信道估计，获取时域信道响应g(n)，保存在缓存器1 中。

步骤2：当缓存器1 中的g(n)序列长度达到N1时，开始用缓存器1 中的N1长度的g(n)序列按照瞬时信道参数包络的速度估计算法估计当前的终端速度，并保存在缓存器2 中。之后缓存器1 中每增加N1长度的g(n)序列，就用最新的N1长度的g(n)序列估计当前终端速度，并将估计的当前终端速度保存在缓存器2 中。

步骤3：当缓存器2 中的估计速度序列长度达到N2时，发现缓存器2 中任意2 个速度的差值均大于第一阈值，则判断终端处于低速状态，采用缓存器1中的全部N1×N2长度的g(n)序列估计当前终端速度。若小于第一阈值并大于第二阈值，则判断终端处于中速状态，采用缓存器1 中最新的N1×N2×2/3 长度的g(n)序列估计当前终端速度；若小于第二阈值，则判断终端处于高速状态，采用缓存器1 中最新的N1长度的g(n)序列估计当前终端速度。其中，第一阈值和第二阈值根据实际情况确定。删除缓存器1 中最早的N1长度的g(n)序列和缓存器2 中第一个速度估计值。

步骤4：继续接收移动终端的上行子帧，重复步骤2 和步骤3，直至终止速度估计。

3 仿真结果

利用原始基于瞬时信道参数包络的速度估计算法和改进的自适应估计终端速度算法仿真不同终端速度情况下的估计性能，分别在低速（10 km/h）、中速（80 km/h）以及高速（140 km/h）进行仿真。对于原始基于瞬时信道参数包络的速度估计算法，设置缓存器长度为120，对于改进的自适应估计终端速度算法，N1=120，N2=9，低速时缓存器采用的g(n)序列长度为N1×N2=120×9=1080，中速时采用缓存器中最新的g(n)序列长度为N1×N2×2/3=120×9×2/3=720，高速时采用缓存器中最新的g(n)序列长度为N1=120。信道为衰落信道扩展步行模型（Extended Pedestrian A model，EPA）。仿真性能如图2、图3、图4 所示。