【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新)

这篇具有很好参考价值的文章主要介绍了【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

2023.07.10 虽说目前已经有频谱效率更高的叠加导频设计,但是这篇论文堪称OTFS嵌入式导频的经典之作,经常被其他论文引用,左思右想觉得还是有必要重新阅读并记录学习过程。(注:关于MIMO的部分暂未深入)。

一、前言

1.1 写在前面

论文题目:Embedded Pilot-Aided Channel Estimation for OTFS in Delay–Doppler Channels
论文来源:IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, VOL. 68, NO. 5, MAY 2019
论文链接:https://ieeexplore.ieee.org/document/8671740
写在前面:起初拿到这篇论文,主要想要解决两个问题:
1. 从整数扩展到分数多普勒(特别针对论文中使用的阈值估计法而言)做了哪些相应的改进与调整?
2. 不同条件下(整数/分数多普勒以及不同导频结构下)信道估计与检测的表达式分别有何不同?其不同之处所对应的原因是什么?

1.2 中心思想

该论文提出了OTFS嵌入式导频辅助的信道估计方法。简单来看,大致有三个核心工作点:
a. 提出一个新的导频结构(嵌入式导频)。
b. 在接收端采用基于阈值方法实现信道估计。
c. 在b得到信道估计的基础上,引入消息传递算法实现信号检测。最后作者将所提出的方案扩展到了MIMO以及多用户上/下行链路场景。

1.3 INTRODUCTION

  这里简要概括下该论文第一部分的基本内容:首先引入OFDM并简要介绍其不足(搞多普勒场景下不再具有鲁棒性并产生严重的性能下降),接着引入OTFS来解决这一问题。之后,介绍了OTFS的研究现状(OTFS信道估计、MIMO等)以及OTFS的调制/解调过程。最后,总结了本文的贡献点以及论文的基本结构。

二、系统模型

  系统模型方面最精彩的地方在于,作者分别建立了整数和分数多普勒下OTFS的输入输出输出关系,可以帮助我们理解将问题扩展到分数多普勒后,在系统模型方面会产生哪些不同。在讲述之前,先确定几个容易混淆的符号:
x[k,l] 时延−多普勒域信号,X[n,m] 时间−频率域信号,s(t) 时域发送信号,r(t) 通过信道后时域接收信号,h(τ,ν) 复基带信道脉冲响应。

2.1 基本OTFS概念/符号

  首先在时域和频域轴上以T和∆f为间隔进行采样将问题离散化,从而时频域平面被打散成M×N的格点。对其作SFFT变换从而得到了分辨率为时延-多普勒平面上M×N的格点,M∆f其中为带宽,NT为整个数据包的持续时间:
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读

OTFS调制/解调:这一部分没有太多公式推导,可以用一个框图来概括。
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读

2.2 OTFS输入输出分析(重头戏来了!)

时延-多普勒域信道:由于时延-多普勒域信道具有稀疏性(这也是OTFS的优势之一,见下图)
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读
因此在时延-多普勒域仅需要少量参数就可以建立出信道模型,信道的稀疏表示为:
h ( τ , ν ) = ∑ i = 1 P h i δ ( τ − τ i ) δ ( ν − ν i ) (1) \mathrm{h}\big(\tau,\nu\big)=\sum_{i=1}^{P}\mathrm{h}_{i}\delta\big(\tau-\tau_{i}\big)\delta\big(\nu-\nu_{i}\big)\tag{1} h(τ,ν)=i=1Phiδ(ττi)δ(ννi)(1)
其中P为传播路径数, h i 、 τ i 、 ν i h_i 、τ_i 、ν_i hiτiνi 为第 i i i条路径的复增益、时延和多普勒频移, l τ i l_{τ_i} lτi k ν i k_{ν_i} kνi进一步将表示为时延和多普勒抽头的形式,即: τ i = l τ i M Δ f , ν i = k ν i + κ ν i N T \tau_{i}=\frac{l_{\tau_{i}}}{M\Delta f},\nu_{i}=\frac{k_{\nu_{i}}+\kappa_{\nu_{i}}}{NT} τi=MΔflτi,νi=NTkνi+κνi − 1 / 2 < κ v i ≤ 1 / 2 −1/2<\kappa_{v_i}≤1/2 1/2<κvi1/2表示分数多普勒,其实就是在最近多普勒抽头 k ν i k_{ν_i} kνi的基础上产生的偏移。目前认为发送和接收脉冲 g t x ( t ) g_{tx} (t) gtx(t) g r x ( t ) g_{rx} (t) grx(t)是理想的,即波形满足双正交性。接下来分别讨论整数和分数多普勒两种情况下的输入输出关系:

case1:整数多普勒频移

从时延-多普勒域来看,信号的输入输出关系为:
y [ k , l ] = ∑ k ′ = − k v k v ∑ l ′ = 0 l τ b [ k ′ , l ′ ] h [ k ′ , l ′ ] x [ [ k − k ′ ] N [ l − l ′ ] M ] + ν [ k , l ] (2) y[k,l]=\sum_{k'=-k_v}^{k_v}\sum_{l'=0}^{l_{\tau}}b[k^{\prime},l^{\prime}]h[k^{\prime},l^{\prime}]x[[k-k^{\prime}]_{N}[l-l^{\prime}]_{M}]+\nu[k,l]\tag{2} y[k,l]=k=kvkvl=0lτb[k,l]h[k,l]x[[kk]N[ll]M]+ν[k,l](2)
其中, b [ k ′ , l ′ ] b[k^{\prime},l^{\prime}] b[k,l]可以看作路径指示器, b [ k ′ , l ′ ] = 1 b[k^{\prime},l^{\prime}]=1 b[k,l]=1表明,有一条多普勒抽头为 k ′ k' k时延抽头为 l ′ l' l的路径,否则,就认为不存在这样的路径即 b [ k ′ , l ′ ] = h [ k ′ , l ′ ] = 0 b[k^{\prime},l^{\prime}]=h[k^{\prime},l^{\prime}]=0 b[k,l]=h[k,l]=0 h [ k ′ , l ′ ] h[k^{\prime},l^{\prime}] h[k,l]为第 ( k ′ , l ′ ) (k',l') (k,l)条路径所对应的幅度值;总路径数为时延与多普勒两个维度路径指示器数量的总和,即:
∑ k ′ = − k ν k ν ∑ l ′ = 0 l τ b [ k ′ , l ′ ] = P (3) \sum_{k^{\prime}=-k_{\nu}}^{k_{\nu}}\sum_{l^{\prime}=0}^{l_{\tau}}b[k^{\prime},l^{\prime}]=P\tag{3} k=kνkνl=0lτb[k,l]=P(3)

case2:分数多普勒频移

类似地,分数多普勒下DD域的输入输出关系为:
y [ k , l ] = ∑ k ′ = − k ν k ν ∑ l ′ = 0 l v b [ k ′ , l ′ ] ∑ q = − N / 2 N / 2 − 1 h ‾ [ k ′ , l ′ , k ′ , q ] x [ [ k − k ′ + q ] N , [ l − l ′ ] M ] + v [ k , l ] (4) {y[k,l]=\sum_{k^{\prime}=-k_{\nu}}^{k_{\nu}}\sum_{l^{\prime}=0}^{l_{v}}b[k^{\prime},l^{\prime}]\sum_{q=-N/2}^{N/_{2}-1}\overline{h}[k^{\prime},l^{\prime},k^{\prime},q]x[[k-k^{\prime}+q]_{N},[l-l^{\prime}]_{M}]+v[k,l]}\tag{4} y[k,l]=k=kνkνl=0lvb[k,l]q=N/2N/21h[k,l,k,q]x[[kk+q]N,[ll]M]+v[k,l](4)
其中,路径增益 : h ˉ [ k ′ , l ′ , κ ′ , q ] :\bar{h}[k^{\prime},l^{\prime},\kappa^{\prime},q] :hˉ[k,l,κ,q]为:
h ‾ [ k ′ , l ′ , κ ′ , q ] = ( e j ⋅ 2 π ( − q − κ ′ ) − 1 N e j 2 π N ( − q − κ ′ ) − N ) h [ k ′ , l ′ ] e − j ⋅ 2 π k ′ + κ ′ N T l ′ M Δ f = α ( q , κ ′ ) h [ k ′ , l ′ ] e − j ⋅ 2 π k ′ + κ ′ N T l ′ M Δ f ′ (5) \overline{\mathrm{h}}[k^{\prime},l^{\prime},\kappa^{\prime},q]=\left(\frac{e^{j\cdot2\pi(-q-\kappa^{\prime})}-1}{Ne^{j\frac{2\pi}N(-q-\kappa^{\prime})}-N}\right)\mathrm{h}[k^{\prime},l^{\prime}]e^{-j\cdot2\pi\frac{k^{\prime}+\kappa^{\prime}}{NT}\frac{l^{\prime}}{M\Delta f}}=\alpha\left(q,\kappa^{\prime}\right)\mathrm{h}[k^{\prime},l^{\prime}]e^{-j\cdot2\pi\frac{k^{\prime}+\kappa^{\prime}}{NT}\frac{l^{\prime}}{M\Delta f^{\prime}}}\tag{5} h[k,l,κ,q]=(NejN2π(qκ)Nej2π(qκ)1)h[k,l]ej2πNTk+κMΔfl=α(q,κ)h[k,l]ej2πNTk+κMΔfl(5)从上述公式可以看出,在分数多普勒的作用下路径增益主要产生了两方面的影响:幅度由冲激响应近似为sinc函数,相位在整数多普勒的基础上进一步偏移产生IDI。其中令幅度的变化为 ∣ α ( q , κ ′ ) ∣ |\alpha\left(q,\kappa^{\prime}\right)| α(q,κ),该项可以看作是狄拉克sinc函数的等效抽样版本,其中q表示用于近似分数多普勒产生的多普勒间干扰所需要的额外抽头数量(简单理解为多普勒偏移量),图像为:
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读
从图像可以看出,当多普勒的偏移量q为零时,取到最大抽样值,构造该图像的代码如下:

clc
clear
q = -10:1:10;
N = 128;
fra_1 = 0.1;
fra_2 = 0.5;
amp_alpha1 = abs((exp(1i*2*pi*(-q-fra_1))-1)./(N*exp(1i*2*pi/N*(-q-fra_1))-N)); %如果仅为“/”则无法表示成多个向量的形式而是一个数
amp_alpha2 = abs((exp(1i*2*pi*(-q-fra_2))-1)./(N*exp(1i*2*pi/N*(-q-fra_2))-N));
figure(3)
semilogy(q,amp_alpha1,'b-*','Linewidth',1);
xlabel('q','FontSize',12);
ylabel('|α(q,k)|','FontSize',12);
hold on
semilogy(q,amp_alpha2,'r-X','Linewidth',1);
grid on

三、嵌入式信道估计(SISO)

本节将会回答前言中提到的第二个问题“不同条件下(整数/分数多普勒以及不同导频结构下)信道估计与检测的表达式分别有何不同?其不同之处所对应的原因是什么?”

case1:整数多普勒频移

1. 导频方案设计

论文在导频方面设置了三种符号:导频信号 x p x_p xp 、空白保护间隔、待发送的信号 x d x_d xd,其中,保护间隔的区域大小是由最大时延和最大多普勒决定的,排列方式如下式所示:
x [ k , l ] = { x p k = k p , l = l p , 0 k p − 2 k ν ≤ k ≤ k p + 2 k ν , l p − l τ ≤ l ≤ l p + l τ , x d [ k , l ] otherwise . (6) x[k,l]=\begin{cases}&x_p&k=k_p,l=l_p,\\&0&k_p-2k_\nu\leq k\leq k_p+2k_\nu,\\&&l_p-l_\tau\leq l\leq l_p+l_\tau,\\&x_d[k,l]&\text{otherwise}.\end{cases}\tag{6} x[k,l]= xp0xd[k,l]k=kp,l=lp,kp2kνkkp+2kν,lplτllp+lτ,otherwise.(6)
接着将接收到的符号分成两部分,分别用于信道估计与信号检测,用于信道估计的区域比保护间隔更小是因为导频符号的弥散值只可能在 ± k v ±k_v ±kv l τ l_\tau lτ的范围内。由于保护间隔是根据最大时延和多普勒设定的,因此可以保证数据符号与导频符号之间不会相互干扰 :
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读

2. 基于阈值信道估计

将用于信道估计的接收符号表示为(由于不存在分数多普勒且仅有一个导频符号因此不需要求和累加):
y [ k , l ] = b [ k − k p , l − l p ] h ^ [ k − k p , l − l p ] x p + v [ k , l ] (7) y[k,l]=b[k-k_{p},l-l_{p}]\hat{h}[k-k_{p},l-l_{p}]x_{p}+v[k,l]\tag{7} y[k,l]=b[kkp,llp]h^[kkp,llp]xp+v[k,l](7)基本思想:
  若接收到的信号幅度高于门限时,即 ∣ y [ k , l ] ∣ ≥ Γ |y[k,l]|\geq\Gamma y[k,l]Γ,其中 Γ \Gamma Γ为正值检测门限,我们将认为路径指示项 b [ k − k p , l − l p ] = 1 b[k-k_p,l-l_p]=1 b[kkp,llp]=1,对应的路径幅值为: h ^ [ k − k p , l − l p ] = y [ k , l ] / x p \hat{h}[k-k_p,l-l_p]=y[k,l]/x_p h^[kkp,llp]=y[k,l]/xp。反之,则认为 b [ k − k p , l − l p ] = h ^ [ k − k p , l − l p ] = 0 b\big[k-k_{p},l-l_{p}\big]=\hat{h}\big[k-k_{p},l-l_{p}\big]=0 b[kkp,llp]=h^[kkp,llp]=0。因此可以得到类似下图的结果:
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读
  由于门限值的确定对于信道估计效果的准确程度密切相关,在后文论述中,门限值设定为 3 σ p 3\sigma_{p} 3σp(其中, σ p = 1 / S N R p = σ 2 / ∣ x p ∣ 2 \sigma_{p}=1/SNR_p=\sigma^2/|x_p|^2 σp=1/SNRp=σ2/∣xp2表示导频信号的有效噪声功率),关于门限值如何取这一问题,论文是通过实验仿真得到的,图10展示了全保护间隔下分数多普勒不同信道估计门限值对于误码性能的影响:
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读

3. 信号检测

在信道信息已知时,我们将用于检测的接收符号表示为式 ( 8 ) (8) (8),并引入MP算法进行信号检测(算法细节未详述,感兴趣的同学可参考文献[1])
y [ k ⋅ l ] = ∑ k ′ = − k V k V ∑ l ′ = 0 l T b [ k ′ , l ] h ^ [ k ′ , l ] x [ [ k − k ′ ] N ′ [ l − l ′ ] M ] + v [ k , l ] (8) y[k\cdot l]=\sum_{k^{\prime}=-k_{V}}^{k_{V}}\sum_{l^{\prime}=0}^{l_{T}}b[k^{\prime}, l]\hat{h}[k^{\prime}, l]x\left[\left[k-k^{\prime}\right]_{N^{\prime}}\left[l-l^{\prime}\right]_{M}\right]+v[k,l]\tag{8} y[kl]=k=kVkVl=0lTb[k,l]h^[k,l]x[[kk]N[ll]M]+v[k,l](8)

case2:分数多普勒频移

根据频谱效率的不同,分数多普勒频移下主要考虑了两种导频设计:全保护符号以及部分保护符号。

⭐全保护符号

1. 导频结构设计

  由于分数多普勒的存在,论文在多普勒维度上设置了全保护符号,而在时延维度只设置了部分保护符号。与整数多普勒不同的是,为了保证用于信道估计和符号检测的信号之间没有干扰,保护间隔需要在多普勒维度上扩展到更大的范围(对比整数多普勒下导频设计方案)其排列如下图所示:
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读
通过信道后,将接收到的符号分成两部分,“田”部分用于信道估计,“▲”部分用于信号检测。

2. 基于阈值信道估计

用于信道估计的接收符号 y [ k , l ] y[k,l] y[k,l]为:
y [ k , l ] = ∑ k ′ = − k v k v b [ k ′ , l − l p ] h ˉ [ k ′ , l − l p , k ′ , [ k p + k ′ − k ] N ] x p + v [ k , l ] (9) y[k,l]=\sum_{k^{\prime}=-k_{v}}^{k_{v}}b\left[k^{\prime},l-l_{p}\right]\bar{h}\left[k^{\prime},l-l_{p},k^{\prime},\left[k_{p}+k^{\prime}-k\right]_{N}\right]x_{p}+v[k,l]\tag{9} y[k,l]=k=kvkvb[k,llp]hˉ[k,llp,k,[kp+kk]N]xp+v[k,l](9)
其中,
y [ k , l ] = b ~ [ l − l p ] h ~ [ [ k − k p ] N , l − l p ] x p + v [ k , l ] (10) \begin{aligned}y[k,l]=\tilde{b}[l-l_p]\tilde{h}[[k-k_p]_N,l-l_p]x_p+v[k,l]\end{aligned}\tag{10} y[k,l]=b~[llp]h~[[kkp]N,llp]xp+v[k,l](10)
h ~ [ [ k − k p ] N , l − l p ] = ∑ k ′ = − k ν κ ν b [ k ′ , l − l p ] h ˉ [ k ′ , l − l p , κ ′ , [ k p + k ′ − k ] N ] (11) \begin{aligned}\tilde{h}[[k-k_p]_N,l-l_p]&=\sum_{k'=-k_\nu}^{\kappa_\nu}b[k',l-l_p]\bar{h}[k',l-l_p,\kappa',[k_p+k'-k]_N]\end{aligned}\tag{11} h~[[kkp]N,llp]=k=kνκνb[k,llp]hˉ[k,llp,κ,[kp+kk]N](11)
可以将下式理解成:将由于分数多普勒弥散在多普勒的多个路径指示器求和(就是一个化零为整的过程)
b ~ [ l − l p ] = { 1 , ∑ k ′ = − k ν k ν b [ k ′ , l − l p ] ≥ 1 0 , otherwise (12) \tilde{b}[l-l_p]=\begin{cases}1,&\sum_{k'=-k_\nu}^{k_\nu}b[k',l-l_p]\geq1\\0,&\text{otherwise}\end{cases}\tag{12} b~[llp]={1,0,k=kνkνb[k,llp]1otherwise(12)
对比式 ( 4 ) (4) (4)可以发现,少了关于 l τ l_{\tau} lτ项的求和,是因为论文未考虑分数时延的影响,在时延维度单独导频符号不存在弥散。
其基本思路与整数多普勒是一样的,尝试分析一下抽头指示器 b = 1 b=1 b=1时,分数与整数多普勒的不同之处:整数多普勒下,我们估计在给定的时延、多普勒抽头下是否存在单独的路径;而此时我们估计给定时延抽头下是否存在至少一条路径(结合前面化零为整的思想)。路径指示器b和有效信道增益h的估计仍采用阈值法:若信道估计范围内的符号 y [ k , l ] ≥ τ y[k,l]≥\tau y[k,l]τ则认为b=1,h=y/x,其详细公式可参考下图:
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读

⭐部分保护符号

1. 导频结构设计

为了进一步提升频谱效率,尝试在多普勒维度上减少保护间隔的数量(其中, k ^ \hat{k} k^表示用来衡多普勒该维度上保护间隔减少程度的参数),于是产生了下图的导频结构设计:
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读

2. 基于阈值信道估计

用于信道估计的接收符号 y [ k , l ] y[k,l] y[k,l]为(与式 ( 9 ) (9) (9)不同的是增加了干扰项 L [ k , l ] \mathcal{L}[k,l] L[k,l]):
y [ k ⋅ l ] = ∑ k ′ = − k ν k ν b [ k ′ , l − l p ] h ˉ [ k ′ , l − l p , k ′ , [ k p + k ′ − k ] N ] x p + u [ k , l ] + L [ k , l ] (10) y[k\cdot l]=\sum_{k^{\prime}=-k_{\nu}}^{k_{\nu}}b\left[k^{\prime},l-l_{p}\right]\bar{h}\left[k^{\prime},l-l_{p},k^{\prime},\left[k_{p}+k^{\prime}-k\right]_{N}\right]x_{p}+u[k, l]+\color{red}{\mathcal{L}[k,l}]\tag{10} y[kl]=k=kνkνb[k,llp]hˉ[k,llp,k,[kp+kk]N]xp+u[k,l]+L[k,l](10)
其中, L [ k , l ] \mathcal{L}[k,l] L[k,l]为来自周围数据符号 x d x_d xd的干扰,将其具体表示为:
L [ k , l ] = ∑ k ′ = − k ν k ν ∑ l ′ = 0 l π b [ k ′ , l ′ ] ∑ q ∉ [ k p − 2 k ν − 2 k ^ , k p + 2 k ν + 2 k ^ ] ] h ˉ [ k ′ , l ′ , x ′ , q ] x μ [ [ k − k ′ + q ] N , [ l − l ′ ] M ] (11) \mathcal{L}[k,l]=\sum_{k^{\prime}=-k_{\nu}}^{k_{\nu}}\sum_{l^{\prime}=0}^{l_{\pi}}b[k^{\prime},l^{\prime}]\sum_{q\not\in\left[k_{p}-2k_{\nu}-2\widehat{k},k_{p}+2k_{\nu}+2\widehat{k}\right]]}\bar{h}[k^{\prime}, l^{\prime},x^{\prime},q]x_{\mu}\left[[k-k^{\prime}+q]_{N},[l-l^{\prime}]_{M}\right]\tag{11} L[k,l]=k=kνkνl=0lπb[k,l]q[kp2kν2k ,kp+2kν+2k ]]hˉ[k,l,x,q]xμ[[kk+q]N,[ll]M](11)
q ∉ [ k p − 2 k V − 2 k ^ , k P + 2 k V + 2 k ^ ] q\notin\left[k_{p}-2k_{V}-2\widehat{k},k_{P}+2k_{V}+2\hat{k}\right] q/[kp2kV2k ,kP+2kV+2k^]说明干扰来自空白保护间隔外的信号点,当多普勒维度保护间隔减小即 k ^ \hat{k} k^较小时,符号间的干扰会增大故 L [ k , l ] \mathcal{L}[k,l] L[k,l]增加。上述干扰类似于全保护符号信号检测时,导频符号对接收到的符号产生的干扰。

case3:矩形波形下的OTFS

  目前为止,认为发送和接收脉冲波形都是理想的,即满足双正交性,然而实际场景中是不存在的,因此接下来我们将研究发送和接收波形都是矩形波时,OTFS的输入输出关系。整数多普勒场景下,矩形脉冲输入输出符号的表达式在之前的基础上增加了相移,可以重写为:
y [ k , l ] = ∑ k ′ = − k ν k ν ∑ l ′ = 0 l π b [ k ′ , l ′ ] h ^ [ k ′ , l ′ ] β [ k , l ] x [ [ k − k ′ ] N ′ [ l − l ′ ] M ] + v [ k , l ] (12) y[k,l]=\sum_{k^{\prime}=-k_{\nu}}^{k_{\nu}}\sum_{l^{\prime}=0}^{l_{\pi}}b[k^{\prime},l^{\prime}]\hat{h}[k^{\prime},l^{\prime}]\beta[k,l]x\left[\left[k-k^{\prime}\right]_{N^{\prime}}\left[l-l^{\prime}\right]_{M}\right]+v[k,l]\tag{12} y[k,l]=k=kνkνl=0lπb[k,l]h^[k,l]β[k,l]x[[kk]N[ll]M]+v[k,l](12)
其中多产生的相移可以表达成:
β [ k , l ] = { e j 2 π ( 1 − 1 ′ M ) k ′ N l ′ ≤ l < M N − 1 N e j 2 π ( 1 − 1 ′ M ) k ′ N e − j 2 π ( [ k − k ′ ] N N ) 0 ≤ l < l ′ . (13) \mathcal{\beta}[k,l]=\begin{cases}\mathrm{e}^{\mathrm{j}2\pi\left(\frac{1-1^{\prime}}{M}\right)\frac{k^{\prime}}{N}}&\mathrm{l'\le l<M}\\\frac{\mathrm{N}-1}{\mathrm{N}}\mathrm{e}^{\mathrm{j}2\pi\left(\frac{1-1^{\prime}}{M}\right)\frac{k^{\prime}}{N}}\mathrm{e}^{-j2\pi\left(\frac{[k-k^{\prime}]_{N}}{N}\right)}&\mathrm{0\le l<l'}.\end{cases}\tag{13} β[k,l]= ej2π(M11)NkNN1ej2π(M11)Nkej2π(N[kk]N)ll<M0l<l.(13)
由于这部分相移是已知的,因此可以直接使用论文前面提到的阈值信道估计与符号检测方法。

四、仿真结果

4.1 参数设置

载波频率 子载波间隔 调制方式 信道模型 尺寸
4GHz 15KHz 4-QAM EVA[2]Jakes M=512,N=128

4.2 实验设计

实验方面,论文主要在整数/分数多普勒场景下分别实验:

4.2.1 整数多普勒

1. 导频功率
  图6比较了整数多普勒下不同导频功率对于误码性能的影响,设计最大时延抽头 l τ l\tau lτ为20,最大多普勒抽头 k v k_v kv为4(对应最大速度为120Kmph)从图像可以看出,当导频信噪比为40dB时,其误码性能可以近似得到理想情况(此外,也可以看出导频的功率与信号功率相比是更大一些的;在后续的实验中作者也特别标明了所设置的导频功率值,这样做是有必要的)。
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读
  此外,由于ISFFT变换使得OTFS在整个时-频平面上传播每个时延-多普勒域符号,而OFDM的FFT操作主要在时域展开而非频域,因此OTFS与OFDM相比具有更低的MPAPR(约为4dB)导频信噪比为18dB时,OTFS MPAPR的具体结果如下表所示(这段文字为论文原文翻译,由于公式推导部分有所欠缺,个人并没有特别理解):
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读
2. 移动速度
  图7分别考虑了30/120/500Kmph不同移动速度下(对应最大多普勒抽头 k v k_v kv为1/4/16)OTFS的误码性能,需要注意的是不同速度下的信道开销是不同的(参考下表)。从仿真结果可以看出,在不同多普勒频率下OTFS展示出几乎相同的误码性能。
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读
3.阈值
关于阈值比较的实验前文已做出补充,通过仿真找到了最优阈值 Γ = 3 σ p \Gamma=3\sigma_{p} Γ=3σp,并在论文所有实验中都选取该值作为为准。

4.2.2 分数多普勒

  在考虑分数多普勒下论文也设计了与前面类似的实验,图9、图10分别比较了全保护符号下不同导频功率、不同阈值以及不同移动速度对于误码性能的影响,其结论与前面类似这里就不再展开。这里特别介绍一下,图11比较了部分保护间隔下多普勒维度上保护间隔的覆盖范围(用参数 h ^ \hat{h} h^来衡量),以及窗函数对于误码性能的影响。
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读
   从仿真结果可以看出,误码性能会随着 h ^ \hat{h} h^的增加而有所提升, h ^ \hat{h} h^=5时的误码性能与全保护符号的情况几乎持平(这一结论对于提高频谱效率是有意义的),因此我们需要考虑频谱效率与误码性能之间如何tradeoff(平衡)。此外,在窗函数方面由于prolate窗会引起噪声相关性,矩形窗具有更优的误码性能。

4.2.3 低时延通信

在未来无线通信中对于低时延通信有着迫切的需求,论文在低时延场景下(即降低M和N的大小)设计仿真实验。
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读
从仿真结果可以看出,论文设计的信道估计方案在低时延场景下具有有效性。

五、总结

  论文主要讲了整数/分数多普勒下的导频方案设计并推导了各自的接收信号表达式,根据频谱效率的不同,在多普勒维度上设计了全符号保护和部分符号保护两种导频方案。通过比较整数/分数多普勒的接收信号表达式,并思索为什么在这些地方需要特别考虑,可以有效帮助我们进一步理解分数多普勒的基本特性。关于如何去除或者设计对应的接收方法来规避干扰项 L \mathcal{L} L并没有展开详细的论述(也许是我看的不够仔细)。总而言之,这篇论文非常值得仔细阅读和学习,建议大家辅助原文学习效果更好。

参考文献

[1] P. Raviteja, K. T. Phan, Q. Jin, Y. Hong, and E. Viterbo, “Low-complexity iterative detection for orthogonal time frequency space modulation,” in Proc. IEEE WCNC, Barcelona, Spain, Apr. 2018, pp. 1–6.
[2] “LTE; “Evolved Universal Terrestrial Radio Access (E-UTRA); Base Station (BS) radio transmission and reception,” 3GPP TS 36.104 version 8.6. 0 Release 8, Jul. 2009,” ETSI TS.
【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新),OTFS,信号处理,分数多普勒,信号处理,论文阅读文章来源地址https://www.toymoban.com/news/detail-717891.html

到了这里,关于【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【OTFS与信号处理:论文阅读2】基于OTFS调制的迭代信道估计与检测算法

    2023.3.3 最近在研究OTFS迭代信道估计与信号检测相关问题,最近精读了一篇论文,并针对论文中部分公式进行推导,故记录一下学习过程。 论文题目:Iterative Channel Estimationand Data Detection Algorithm For OTFS Modulation 论文地址: https://ieeexplore.ieee.org/document/9747191 论文来源:ICASSP 202

    2024年02月03日
    浏览(41)
  • 【老生谈算法】基于matlab时域频域处理的语音信号变声处理系统设计与算法原理(论文+程序源码+GUI图形用户界面)——变声算法

    大家好,今天给大家介绍基于matlab的语音信号变声处理系统设计与算法原理(论文+程序源码)。 运用matlab软件实现对声音的变声处理,利用离散付里叶变换进行频谱分析;设计数字滤波器组;通过时域和频域方法做出各种音效效果,实现变速(慢放、快放),变调(频谱左

    2024年02月04日
    浏览(56)
  • 【OTFS论文阅读2】——《高速移动通信中 OTFS 信道估计研究 》

    Channel Estimation in OTFS High-Speed Mobile Communication Systems 刘庆达 硕士毕业论文 #压缩感知CS信道估计算法 #分数多普勒 #SISO-OTFS #MIMO-OTFS #3D-SOMP 稀疏信号的观测值数量大大低于奈奎斯特定理得到的采样值数目,在减少导频数量的同时进行比较可靠有效的信道估计 (1) 对信号进行稀疏变

    2024年04月11日
    浏览(43)
  • 数字信号处理、语音信号处理、现代信号处理

    推荐他的博客: 手撕《数字信号处理》——通俗易懂的数字信号处理章节详解集合 手撕《语音信号处理》——通俗易懂的语音信号处理章节详解集合 手撕《现代信号处理》——通俗易懂的现代信号处理章节详解集合

    2024年02月08日
    浏览(65)
  • 语音信号处理 —— 笔记(一)音频信号处理

      声音的产生 :能量通过声带使其振动产生一股基声音,这个基声音通过声道 ,与声道发生相互作用产生共振声音,基声音与共振声音一起传播出去。 传感器以 某种频率 探测声音的振幅强度以及振动方向,所得到的一系列随时间变化的点。 传感器的探测频率,即为采样

    2023年04月09日
    浏览(51)
  • 【linux】信号——信号保存+信号处理

    自我名言 : 只有努力,才能追逐梦想,只有努力,才不会欺骗自己。 喜欢的点赞,收藏,关注一下把! 上一篇博客,我们已经学过信号预备知识和信号的产生,今天讲讲信号保存+信号处理以及其他补充知识。 补充一些概念。 实际执行信号的处理动作称为 信号递达(Delive

    2024年02月04日
    浏览(41)
  • 现代信号处理——阵列信号处理(空域滤波原理及其算法)

    一、阵列信号处理简介 1、阵列信号处理的研究内容:检测、估计、滤波、成像等。 2、阵列信号处理的研究对象:空间传播波携带信号(空域滤波) 3、阵列信号处理方法:统计与自适应信号处理技术(如谱估计、最优与自适应、滤波) 4、阵列信号处理的目的:①滤波:增强

    2024年02月02日
    浏览(91)
  • 数字信号处理8:利用Python进行数字信号处理基础

    我前两天买了本MATLAB信号处理,但是很无语,感觉自己对MATLAB的语法很陌生,看了半天也觉得自己写不出来,所以就对着MATLAB自己去写用Python进行的数字信号处理基础,我写了两天左右,基本上把matlab书上的代码全部用Python实现了,所以,今天贴的代码和图有些多, 要用到的

    2024年02月13日
    浏览(38)
  • 信号处理中简单实用的方法——对信号进行平滑处理

    从现实环境采集到的数据中经常混叠有微弱噪声,其中包括由于系统不稳定产生的噪声,也有周围环境引入的毛刺,这些弱噪声都需要在处理信号之前尽可能地消除或减弱。这一工作往往作为预处理的一部分。下面将介绍几种简单又实用的平滑处理方法:五点三次平滑法、

    2024年02月07日
    浏览(52)
  • 信号系统之连续信号处理

    1 Delta 函数 连续信号可以分解为缩放和移位的增量函数,就像处理离散信号一样。不同之处在于,连续 delta 函数比其离散函数复杂得多,在数学上也抽象得多。我们不是用它是什么来定义连续 delta 函数,而是用它所具有的特征来定义它。 一个思想实验将展示它是如何工作的

    2024年02月22日
    浏览(51)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包