CN107154813B - 自适应Rake接收机及接收方法 - Google Patents

Abstract

本发明公开了一种自适应Rake接收机及接收方法，接收机包括抽头延时模块、解扩模块、信道估计模块、合并模块和判决模块；抽头延时模块用于将接收信号进行延时，作为解扩模块的输入；解扩模块将接收到的经过抽头延时的接收信号进行解扩处理，作为信道估计模块的输入；信道估计模块通过快速近似幂迭代子空间跟踪算法计算解扩后信号的信号子空间，将信号子空间作为各叉指的权重系数；合并模块将各叉指上解扩后信号与权重系数相乘后的结果进行合并，作为判决模块的输入；判决模块将合并后的信号进行抽样判决，得到符号数据。本发明不需要导频信号，可以从接收信号中经过处理提取出信道参数；本发明基于快拍处理，算法复杂度低，易于硬件实现。

Description

自适应Rake接收机及接收方法

技术领域

本发明涉及扩频通信技术领域，具体涉及一种自适应Rake接收机及接收方法。

背景技术

在无线通信领域，多径是指无线电信号从发射天线经过多个路径抵达接收天线的传播现象，大气层对电波的散射、电离层对电波的反射和折射，以及山峦、建筑等地表物体对电波的反射都会造成多径传播。多径会导致信号的衰落，衰落作为一种乘性干扰，严重影响着通信系统的性能，因此必须采取相应的措施加以克服。现有的比较有效的抗衰落措施是采用分集接收，分集接收是将在接收端分散接收到的几个衰落情况不同的合成信号，再以一定的方式将它们合并集中，使总接收信号的信噪比得到改善，衰落的影响减小；分集方式有空间分集、频率分集，角度分集、极化分集、时间分集等，Rake接收机正是一种时间分集接收技术，对抵抗多径衰落具有良好的效果。

美国QUALCOMM公司在1989年进行了首次CDMA实验，验证了DS扩频信号波形非常适合多径信道的传输，以及Rake接收机、功率控制和软切换等CDMA的关键技术。在1996年推动了窄带CDMA IS-95商用运行，让RAKE接收机产业化，同时也推动了Rake接收技术的长足发展。

目前工程上所采用的4叉指Rake接收机的虽然结构简单，但性能有限；而现有性能较高的Rake接收机算法复杂度较高，不利于工程实现。

发明内容

本发明的目的在于消除扩频通信系统中的多径干扰，提供一种自适应Rake接收机及接收方法。

实现本发明目的的技术方案为：

一种自适应Rake接收机，包括抽头延时模块、解扩模块、信道估计模块、合并模块和判决模块；

该抽头延时模块，用于将接收信号进行延时，作为解扩模块的输入；

该解扩模块，将接收到的经过抽头延时的接收信号进行解扩处理，作为信道估计模块的输入；

该信道估计模块，通过快速近似幂迭代子空间跟踪算法计算解扩后信号的信号子空间，将信号子空间作为各叉指的权重系数；

该合并模块，将各叉指上解扩后信号与权重系数相乘后的结果进行合并，作为判决模块的输入；

该判决模块，将合并后的信号进行抽样判决，得到符号数据。

一种自适应Rake接收方法，包括以下步骤：

步骤1：将接收信号进行抽头延时；

步骤2：将抽头延时后的信号进行解扩处理；

步骤3：将解扩处理后的信号作为快速近似幂迭代子空间跟踪算法的输入得到各叉指的权重系数；

步骤4：将各叉指的解扩后信号与各叉指的权重系数相乘并进行合并；

步骤5：将合并后的信号进行抽样判决，得到符号数据。

与现有技术相比，本发明具有以下优点：

(1)本发明不需要导频信号，可以从接收信号中经过处理提取出信道参数；(2)本发明基于快拍处理，算法复杂度低，易于硬件实现；(3)适用于任何正交振幅调制(QAM)调制信号；(4)对多径信道适应能力强，可解决多径数目很多的信道；有效利用多径现象，提高接收信号增益；(5)采用发明中的Rake接收机后，原接收机系统不需要专门的码同步模块，省去较多硬件资源。

附图说明

图1为本发明的自适应Rake接收机结构图。

图2为本发明的自适应Rake接收机电路图。

图3为本发明的自适应Rake接收方法流程图。

图4为本发明实施例中基于FAPI算法的Rake接收机与基于SVD算法的Rake接收机误码率性能比较示意图。

图5为本发明实施例中叉指数4至12条时新型Rake接收机的误码率性能示意图。

图6为本发明实施例中误码率随多径数目增加的变化情况示意图。

具体实施方式

结合图1、图2，一种自适应Rake接收机，包括抽头延时模块、解扩模块、信道估计模块、合并模块和判决模块；

该抽头延时模块，用于将接收信号进行延时，作为解扩模块的输入；

该解扩模块，将接收到的经过抽头延时的接收信号进行解扩处理，作为信道估计模块的输入；

该信道估计模块，通过快速近似幂迭代子空间跟踪算法计算解扩后信号的信号子空间，将信号子空间作为各叉指的权重系数；

该合并模块，将各叉指上解扩后信号与权重系数相乘后的结果进行合并，作为判决模块的输入；

该判决模块，将合并后的信号进行抽样判决，得到符号数据。

结合图3，本发明的自适应Rake接收方法，包括以下步骤：

步骤1：将接收信号进行抽头延时；具体过程为：

无噪的抽头延时线信道模型如下式表示：

其中，r_l(t)为接收到的信号，h_l(t,n)为延时线权重系数，s_l(t)为发送的信号，W为发送信号的带宽，L为抽头延时线模型的长度，

T_m为多径延时；

假设用户j的信息序列为b_j，其中j＝1...J，J为总的用户数，用户j的扩频序列为C_j,则扩频后的信号为

s_j＝b_jC_j

其中s_j为用户j的发送信号；

用户j的发送信号通过信道后，得到用户j的接收信号：

接收信号r(t)为所有用户接收信号的总和：

假设Rake接收机由K+1个叉指，并且K＝2L，对接收信号进行抽头延时，得到抽头延时后的信号Z(t)：

步骤2：将抽头延时后的信号进行解扩处理；具体过程为：

步骤2-1、通过P个Z(t)构成一个K+1行P列的矩阵X_K+1,P(t)：

其中，P为扩频增益；

目标用户为用户i，i∈[1,J]，上式写成：

其中

步骤2-2、将X_K+1,P(t)进行解扩处理得到解扩后信号y(t)：

其中，C_i为用户i的扩频序列，N(t)为来自于其它用户和信道的噪声。

步骤3：将解扩处理后的信号作为快速近似幂迭代子空间跟踪算法的输入得到各叉指的权重系数；具体包括以下步骤：

采用快速近似幂迭代子空间跟踪算法计算各叉指的权重系数

其中迭代系数Θ(t)为(K+1)×1维的矩阵，

为上一时刻各叉指的权重系数；

首先初始化三个中间变量W(t)，V(t)和g(t)：

W(t)＝h^H(t-1)y(t)

V(t)＝D(t-1)W(t)

其中β是窗函数的参数，0＜β≤1，β＝1时表示一个矩形窗，ε(t)为||y(t)||²-||W(t)||²的平方根，即

ε²(t)＝||y(t)||²-||W(t)||²

其中，||y(t)||表示对y(t)进行取模运算；

按照下式计算中间变量τ(t)，η(t)和D(t)：

η(t)＝1-τ(t)g²(t)

其中矩阵W′(t)，V′(t)和δ(t)按照以下方法计算：

W′(t)＝η(t)W(t)+τ(t)g(t)

V′(t)＝Z(t-1)W′(t)

更新权重系数：

其中中间变量e′(t)为

步骤4：将各叉指的解扩后信号与各叉指的权重系数相乘并进行合并，得到合并后的信号O(t)：

其中，

为各叉指的权重系数。

步骤5：将合并后的信号抽取一个点进行符号判决，得到符号数据。

下面结合具体实施例对本发明做进一步说明。

实施例

本实施例中接收机的仿真参数如下表所示：

表1仿真参数

当多径数为20，Rake接收机叉指数为10，基于快速幂迭代子空间跟踪算法(FAPI算法)的Rake接收机和基于SVD算法的Rake接收机性能比较如图4所示。从图4可以看出，对于盲自适应Rake接收机，FAPI算法比SVD算法的误码率要低。这是由于FAPI算法可以使用每一帧的数据并且利用每一帧的数据将权重系数调整的越来越好，而SVD算法只会使用当前帧的数据，并没有将之前的结果加以利用，所以FAPI算法的性能更优。

当多径数为20，新型Rake接收机的叉指数从4到12，叉指数不同时对新型Rake接收机性能的影响如图5所示。从图5可以看出，随着叉指数的增加，新型Rake接收机的误码率性能得到改善；并且当叉指数在9到12条时，误码率几乎相同，这也验证了K≈2L是合理的设计准则。

当新型Rake接收机叉指数为10，发射信号信噪比为-5dB,多径数目从1变化到451时，新型Rake接收机误码率性能如图6所示，其中横坐标为多径数目，纵坐标为误码率。可以看出无论多径数目为多少，误码率均在10^-5附近；所以基于FAPI算法的新型Rake接收机适用于各种多径数，其误码率性能不会随着多径数的增加而恶化。

Claims (1)

1.一种自适应Rake接收方法，其特征在于，包括以下步骤：

步骤1：将接收信号进行抽头延时；具体为：

无噪的抽头延时线信道模型如下式表示：

其中，r_l(t)为接收到的信号，h_l(t,n)为延时线权重系数，s_l(t)为发送的信号，W为发送信号的带宽，L为抽头延时线模型的长度，

T_m为多径延时；

假设用户j的信息序列为b_j，其中j＝1...J，J为总的用户数，用户j的扩频序列为C_j,则扩频后的信号为

s_j＝b_jC_j

其中s_j为用户j的发送信号；

用户j的发送信号通过信道后，得到用户j的接收信号：

接收信号r(t)为所有用户接收信号的总和：

假设Rake接收机有K+1个叉指，并且K＝2L，对接收信号进行抽头延时，得到抽头延时后的信号Z(t)：

步骤2：将抽头延时后的信号进行解扩处理；具体为：

步骤2-1、通过P个Z(t)构成一个K+1行P列的矩阵X_K+1,P(t)：

其中，P为扩频增益；

目标用户为用户i，i∈[1,J]，上式写成：

其中

步骤2-2、将X_K+1,P(t)进行解扩处理得到解扩后信号y(t)：

其中，C_i为用户i的扩频序列，N(t)为来自于其它用户和信道的噪声；

步骤3：将解扩处理后的信号作为快速近似幂迭代子空间跟踪算法的输入得到各叉指的权重系数；具体为：

采用快速近似幂迭代子空间跟踪算法计算各叉指的权重系数

其中迭代系数Θ(t)为(K+1)×1维的矩阵，

为上一时刻各叉指的权重系数；

首先初始化三个中间变量W(t)，V(t)和g(t)：

W(t)＝h^H(t-1)y(t)

V(t)＝D(t-1)W(t)

其中β是窗函数的参数，0＜β≤1，β＝1时表示一个矩形窗，ε(t)为||y(t)||²-||W(t)||²的平方根，即

ε²(t)＝||y(t)||²-||W(t)||²

其中，||y(t)||表示对y(t)进行取模运算；

按照下式计算中间变量τ(t)，η(t)和D(t)：

η(t)＝1-τ(t)g²(t)

其中矩阵W′(t)，V′(t)和δ(t)按照以下方法计算：

W′(t)＝η(t)W(t)+τ(t)g(t)

V′(t)＝Z(t-1)W′(t)

更新权重系数：

其中中间变量e′(t)为

步骤4：将各叉指的解扩后信号与各叉指的权重系数相乘并进行合并，得到合并后的信号O(t)：

其中，

为各叉指的权重系数；

步骤5：从合并后的信号中O(t)抽取一个点进行符号判决，得到符号数据。

Images