[4G/5G/6G专题基础-156]: 什么是物理层信道评估

Posted 2022-08-16 文火冰糖的硅基工坊

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了[4G/5G/6G专题基础-156]: 什么是物理层信道评估相关的知识，希望对你有一定的参考价值。

第1章什么是信道评估（Channel Estimation）

第1章什么是信道评估（Channel Estimation）

1.1 信道评估的由来

在所有通信中，信号都会通过一种介质（称为信道），信号会失真，或者在信号通过信道时，各种噪声会添加到信号中。

接收方为了正确地解码接收信号而没有太多误差，需要从接收到号中去除信道施加的失真和噪声。要做到这一点，第一步是借助导频信道/参考信号，找出导频信号/参考信号经过的通道的特性。第二步，用计算出来的信道特征，补偿其实数据信道，去除数据信道施加的失真和噪声。

表征信道的技术/过程称为“信道估计”, 即Y = H（X），该过程将如下所示。

1.2 信道评估过程

1.3 影响信道特征矩阵的因素

（1）信号在信道中传输的衰减

（2）信号在信道中传输的相位偏移

（3）信号在信道中传输中叠加的噪声

上述因素都会导致信号一定程度的失真。

1.4 信道评估的目的

接收信号的一方，从接收到号中去除信道施加的失真和噪声。还原发送方发送的原始信号。

特别注意：

接收方并不是直接使用接收到的实际信号进行数字解调的！！！！

接收方式根据接收信号和信道的特征矩阵，还原发送方的信号，

然后再对还原后的信号进行数字解调。

1.5 信道评估的实体

（1）手机的物理层：下行数据解调，如QAM解调

（2）基站的物理层：上行数据解调，如QAM解调

信道信号还原是在QAM解调之前。

1.6 接收信号的形态

IQ数据的幅度，即I路和Q路的信号的幅度。

1.7 信道信号接收的数学模型

Y = H（X）

（1）Y：接收到的实际的IQ信号的幅度

（2）X：发送端发送的原始IQ信号的幅度

（3）H：信道特征矩阵

1.8 信道评估的基本过程

信道估计有许多不同的方法，但基本概念相似。该过程如下所述。

i）设置一个数学模型，使用“信道”矩阵关联“发送信号”和“接收信号”。

ii）发送已知信号（我们通常称之为“参考信号”或“导频信号”），并检测接收信号。

iii）通过比较发射信号和接收信号，我们可以计算出信道矩阵的每个元素（参数）。

这个过程中的详细的算法可能会随着每个特定芯片组的实现而变化，然而，总体概念将是类似的。

1.9 信道评估的实现的假设

（1）导频信道：信道评估

导频信道输入是已知的：基站通过SIB或RRC信息通知UE，导频信道的信息。
输出Y是已知的：UE通过接收到信号获得当前导频信道信号
H矩阵的参数为未知得：通过Y = H(X)计算，获得信道特征矩阵H。

（2）其他数据信道：信道数据接收

其他数据信道与导频信道具备相似的无线信道特征。
输出Y是已知的：UE通过接收到信号获得当前数据信道信号
H矩阵的参数是以知的：通过同频信道计算获得。
计算：X = H’ * Y, 其中H'是H矩阵的逆矩阵

第2章信道评估详解：导频信道

2.1 导频信号与信道特征矩阵的关系

我们如何计算通道的属性，即特征矩阵？我们如何估计信道？

i）在无线信道中嵌入了一组预定义的信号（称为参考信号、导频信号）

ii）当这些参考信号通过信道时，它与其他信号一起失真（衰减、相移、噪声）

iii）我们在接收器处检测/解码接收到的参考信号

iv）比较发射的参考信号和接收的参考信号，并找到它们之间的相关性，即特征矩阵。

2.2 示意图

（1）发送端的导频信道的幅度是已知的。如上图中的红色部分。

（2）接收端的导频信号的幅度也是已知的。如上图中蓝色部分。

（3）接收端的信号受到了干扰，发生了畸变。

第3章单输入单输出SISO的信道评估

3.1 SISO模型示意图

首先考虑一下最简单的SISO的情况，看看如何估计信道特性（信道系数和噪声估计）。

由于是SISO，所以参考信号仅嵌入到一个天线端口（端口0）。

资源图中的垂直线表示频域。用f1，f2，f3…fn索引每个天线端口的参考信号。

每个参考符号可以是复数（I/Q数据），可以按上图所示绘制。

左侧（传输侧）的每个复数（参考符号）经过信道传输后，信号发生了失真，变为变为右侧（接收符号）的每个对应符号。

3.2 SISO模型的数学表达

信道估计是找到左侧复数数组和右侧复数数组之间相关性的过程。

估计的详细方法可能非常依赖于实现。这里将描述的方法是基于开源代码：SDR | ShareTechnote

由于这只是一个天线，每个发射参考信号和接收参考信号的系统模型可以表示如下：

y（）表示接收参考信号的阵列，

x（）表示发送参考信号的数组（），

h（）表示信道系数的数组。

f1，f2，…只是指数的整数。

3.3 特征矩阵的计算

我们知道x（）是什么，因为它是给定的，而y（）也是已知的，因为它由接收器测量/检测。

有了这些，我们可以很容易地计算系数数组，如下所示：

3.4 噪声矩阵的计算

下一步是估计噪声特性。理论上，噪声可按以下公式计算。

然而，我们需要的是噪声的统计特性，而不是确切的噪声值。

我们可以仅使用测量的信道系数和平均信道来估计噪声，如下所示（实际上，精确的噪声值没有多大意义，因为噪声值不断变化，使用那些特定的噪声值是没有用的）。

在srsLTE中，作者使用了这种方法：

第4章 2 x 2 MIMO的信道评估

4.1 模型示意图

假设我们有一个如下所示的通信系统。

x（t）表示发射信号，y（t）指示接收信号。

当x（t）被传输到空气（信道）中时，它会失真并产生各种噪声，并且可能相互干扰。

因此接收信号y（t）不能与发送信号x（t）相同。

4.2 2*2 MIMO的数学模型

发射信号、接收信号和信道矩阵之间的这种关系可以如下所示的数学形式建模。

在这个方程中，我们知道值x1、x2（已知发射信号）和y1、y2（检测/接收信号）。

我们不知道的部分是：H矩阵和噪声（n1，n2）.

为简单起见，假设该信道中没有噪声，这意味着我们可以设置n1，n2为0。（当然，在真实信道中总是存在噪声，估计噪声是信道估计的一个非常重要的部分，但在本例中，我们假设没有噪声只是为了简化。稍后，当我有更好的知识用简单的语言描述情况时，我们将添加噪声情况）。

由于我们有一个数学模型，下一步是传输一个已知信号（参考信号），并从参考信号中计算出信道参数。

假设我们只通过一个天线发送了一个振幅为1的已知信号，而另一个天线现在已关闭。因为信号通过空气传播并且它将被接收器侧的两个天线检测到。现在让我们假设第一个天线接收到的参考信号的振幅为0.8，第二个天线接收的参考信号幅度为0.2。根据这个结果，我们可以算出一行信道矩阵（H），如下所示。

假设我们只通过另一个（第二个）天线发送了一个振幅为1的已知信号，第一个天线现在关闭。因为信号通过空气传播并且它将被接收器侧的两个天线检测到。现在让我们假设第一个天线接收到的参考信号的振幅为0.3，第二个天线接收的参考信号幅度为0.7。根据这个结果，我们可以算出一行信道矩阵（H），如下所示。

够简单吗？

我想（希望）你在理解这个基本概念方面没有任何问题。

但如果您完全按照上述方法使用此方法，则会有一些低效。根据上面解释的概念，当您仅传输参考信号而不传输实际数据以估计信道信息时，应该会有一个时刻，这意味着由于信道估计过程，数据速率会降低。为了消除这种低效率，实际通信系统同时传输参考信号和数据。

现在的问题是“我们如何在同时传输参考信号和数据的同时实现上述概念？”。有几种不同的方法可以做到这一点，不同的通信系统会使用一些不同的方法。

以LTE为例，我们使用如下所示的方法。在LTE中的2 x 2 MIMO的情况下，每个子帧对于每个天线的参考信号具有不同的位置。天线0的子帧发送了分配给天线0的参考信号，并且在分配给天线1的参考信号处不发送任何信号。天线1的子帧传输了分配给了天线1的基准信号，并且不在分配给了传感器0的参考信号处发送任何信号。因此，如果您在两个接收器天线处解码为天线0的参考信号分配的资源元素，您可以估计h11，h12。（为了简单起见，这里我们还假设没有噪声）。如果您在两个接收器天线处解码为天线1的参考信号分配的资源元素，您可以估计h21，h22。（为了简单起见，这里我们还假设没有噪声）。

4.3 特征矩阵的计算

上述过程是测量LTE OFDMA符号中频域中一个特定点的H矩阵。如果在对符号的其他部分进行解码的过程中应用测量的H值，解码符号的精度可能不如实际情况，因为上一步中使用的测量数据将包含一定程度的噪声。因此，在实际应用中，对通过上述方法测量的H值进行某种后处理，在此后处理过程中，我们可以计算出噪声的总体统计特性（例如，噪声的均值、方差和统计分布）。需要记住的一件事是，在此过程中获得的特定噪声值本身没有多大意义。从参考信号获得的特定值将与解码其他数据（非参考信号）的噪声值不同，因为噪声值随机变化。然而，这些随机噪声的总体特性可能是一个重要信息（例如，用于SNR估计等）。

在继续之前，让我们再次简要思考一下数学模型。即使我们将包含噪声项的系统方程描述如下，但这并不意味着可以直接测量噪声。这是不可能的。该方程仅表明检测信号（y）包含噪声分量的特定部分。

因此，当我们测量信道系数时，我们使用了没有噪声项的设备，如下所示

在LTE的特定应用中，我们在OFDM符号内具有多个测量点（多个参考信号）。这些测量点在频域上表示。因此，让我们重写通道矩阵如下，以指示每个通道矩阵的测量点。

现在让我们假设您已经测量了整个OFDM符号的H矩阵，您将有多个H矩阵，如下所示，每个H矩阵表示一个特定频率下的H矩阵。

现在你有了一个H矩阵的数组。

该阵列由四个不同的组组成，每个组都用不同的颜色高亮显示，如下所示：

应用后处理算法时，该算法需要分别应用于这些组中的每个组。

为了简单起见，我将H矩阵的数组重新排列为多个独立数组（本例中为4个数组），如下所示。

对于这些数组中的每一个，我将执行与下面所示相同的处理。（每个芯片组制造商可能会采用稍微不同的方法，但总体思路是相似的）。在下面所示的方法中，数据（每个频率点中的信道系数阵列）应用IFFT，这意味着dta被转换为时域，从而产生标记为（2）的时域数据阵列。实际上，这是特定信道路径的脉冲响应。然后我们对该时域数据应用特定的滤波（或窗口）。在本例中，将某个点的数据替换为零，并创建标记为（3）的结果。您可以应用更复杂的过滤器或窗口，而不是这种简单的调零。然后，通过将滤波后的信道脉冲数据转换回频域，我得到滤波后的通道系数，并在解码其他接收信号（即解码非参考数据）的过程中使用该值作为“估计通道系数”。