本实用新型涉及移动通信技术领域，尤其涉及一种在移动通信中的WCDMA中继器下行信道参数估计系统。
背景技术：
WCDMA系统中，CPICH信道是由C256,0扩频码进行扩频(即256个1)，18阶GOLD码(即主扰码)进行扰码构成的，主扰码的作用是标识基站。对CPICH信道进行搜索的目的就是根据前两步搜索给出的码组号和帧边界信息，对该码组中的8个主扰码进行相关运算，找到相关值最大的主扰码。
现有技术中从信道估计算法先验信息的角度，可分为以下三类：
(1)基于参考信号的估计。该类算法按一定估计准则确定待估参数，或者按某些准则进行逐步跟踪和调整待估参数的估计值。其特点是需要借助参考信号，即导频或训练序列。基于导频符号的信道估计适用于连续传输的系统。通过在发送的有用数据中插入已知的导频符号，可以得到导频位置的信道估计结果；接着利用导频位置的信道估计结果，通过内插得到有用数据位置的信道估计结果，完成信道估计。基于参考信号的估计，虽然其估计精度高，但是由于其需要占用部分带宽来对序列或导频进行训练，从而导致其系统频带利用率大幅降低。如文献(《DS-CDMA系统中连续导频模式下最优信道估计方法》，杨馨，尤肖虎，电子学报，2004年10月)中描述，用于信道估计的连续导频符号需要使用公共导频信道中的所有导频符号资源，其帧结构如图1所示。
(2)盲估计。利用调制信号本身固有的、与具体承载信息比特无关的一些特征，或是采用判决反馈的方法来进行信道估计的方法。近年来，频谱资源越发紧张，急需能有效节约带宽的盲信道估计方法。而盲信道估计方法在对信道进行估计时发送端不需要发送训练序列或导频符号，提高了频谱利用效率。但是，该方法中也存在很多问题，比如估计的鲁棒性等。要实现盲估计还需要系统分集和识别满足一定的前提。在信道长度过长时，大多数盲信道的估计都会失败。同时，在估计过程中标量常数相位和离散因子会产生一定的模糊，导致在符号和信道估计过程中出现未确定性的问题。在采用多径信道后，一些更高阶的量的出现，更是增加了系统复杂度。如文献(《OFDM空时发射分集系统信道盲估计》，许道峰，杨绿溪，信号处理，2008年)中描述。
(3)半盲估计。结合盲估计与基于训练序列估计这两种方法优点的信道估计方法。该算法通过在发送端发送少量的符号信息，并采用盲信道估计的方法来完成对信道的估计。可分为以下几个大类：第一类是采用序列或导频为前导频信号等特殊导频序列的半盲信道估计方法；第二类是通过采用卡尔曼滤波的方法来实现半盲信道估计；第三类则是基于子空间分解的半盲信道估计方法。相比于非盲信道估计方法，半盲估计提高了系统频谱效率，但其复杂程度相对较高。相比于盲信道估计方法，半盲信道估计的运算复杂度得到了降低，但是，其估计所需的少量导频也使得其频谱利用率要低于盲信道估计，引用文献(《MIMO-OFDM体系中基于子空间的半盲信道估计算法研究》，刘苗松，湖北工业大学，2015)中所述。
基于参考信号的估计算法虽然估计精度高，但是频谱利用率低；而盲估计和半盲信道估计算法无需或者需要较短的训练序列，频谱效率高，但是一般盲估计和半盲估计方法的计算复杂度较高，且可能出现相位模糊(基于子空间的方法)、误差传播(如判决反馈类方法)、收敛慢或陷入局部极小等问题，需要较长的观察数据，这在一定程度上限制了它们的实用性。
技术实现要素：
本实用新型实施例提供了一种WCDMA中继器下行信道参数估计系统，在保障算法估计精度高的前提下，使得频谱利用率高，计算复杂度低。
为解决上述技术问题，本实用新型实施例提供以下技术方案：
一种WCDMA中继器下行信道参数估计系统，包括：
信号生成单元，用于生成邻区公共导频信号(CPICH)；
第一计算单元，用于对所述信号生成单元所生成的公共导频信号(CPICH)进行解扰解扩计算；
第二计算单元，用于对第一单元解扰解扩后的数值进行计算，得出原始信道估计值；
平滑处理单元，用于对原始信道估计值做平滑处理，得到更为准确的真实值。
进一步地，所述第一计算单元中，对公共导频信号(CPICH)进行解扰解扩具体计算如下：
j＝0,1，…，Nsymb-1；t＝0,1，…，Nslot-1；
其中，表示多径位置l(q)对应解扰解扩之后的一帧中第t个时隙的数据，i为码片编号，j为符号编号，t为时域编号，Nsymb表示一个时隙中的CPICH符号数，Nslot表示一个无线帧中的时隙数，p采样率，p(i)表示CPICH扩频码，e(q)表示从接收采样数据中按照第q小区起始径位置开始截取的一帧中第t个时隙数据，表示第q个小区的扰码；
进一步地，所述第二计算单元通过对第m根发送天线的多径位置l(q)所对应的原始位置进行估计，且设定每两个CPICH符号对应的信道估计相同，则第一根天线m＝0的原始信道估计值计算如下：
其中，Nd-symb表示一个无线帧中包含的双CPICH符号的个数，表示一帧中第k个双符号的信道估计值。
进一步地，所述第二计算单元还包括：若基座采用双天线发送，则第二根天线m＝1的原始信道估计值计算如下：
其中，
进一步地，所述平滑处理单元通过将一个时隙内的5个双符号信道估计值取平均值：
其中，表示经过平滑处理之后的第t个时隙的信道估计。
本实用新型通过对WCDMA系统发送的CPICH信道进行解扰解扩，然后通过相关算法得到原始信道估计；在保障算法估计精度高的前提下，使得所需资源少、计算复杂度低及有效降低误码率。
附图说明
图1为本实用新型WCDMA中继器下行信道参数估计系统的结构示意图；
图2为本实用新型WCDMA中继器下行信道参数估计系统中所采用的方法的流程方框示意图；
图3为本实用新型所采用的算法与现有算法进行信噪比的对比仿真结果曲线图；
图4为本实用新型公共导频信道帧结构示意图；
图5为本实用新型下行扰码序列生成示意图。
具体实施方式
下面将结合附图以及具体实施方式，对本实用新型做进一步描述：
如图1所示，本实用新型涉及一种WCDMA中继器下行信道参数估计系统，其较佳实施方式包括：
信号生成单元10，用于生成邻区公共导频信号(CPICH)；
本实施例在基站的下行发射信号为双发天线时，只考虑STTD模式，不考虑主辅导频模式，且下行的接收端为单收天线。
第一计算单元20，用于对公共导频信号(CPICH)进行解扰解扩计算：
j＝0,1，…，Nsymb-1；t＝0,1，…，Nslot-1；
其中，表示多径位置l(q)对应解扰解扩之后的一帧中第t个时隙的数据，i为码片编号，j为符号编号，t为时域编号，Nsymb表示一个时隙中的CPICH符号数，在本实施例中Nsymb＝10；Nslot表示一个无线帧中的时隙数，在本实施例中Nslot＝15；p为采样率，因为本实施例是在两倍速上做信道估计，因此p＝2；p(i)表示CPICH扩频码，p(i)＝1，且i＝0…255；e(q)表示从接收采样数据中按照第q小区起始径位置开始截取的一帧中第t个时隙数据，考虑到多径延时，为了得到一个时隙的相关结果，则e(q)需要缓存一个时隙多的数据，长度为(256+2560+256)p，即在当前时隙之前和之后多缓存256码片；表示第q个小区的扰码；
第二计算单元30，用于计算出原始信道估计值；
设第m根发送天线的多径位置l(q)所对应的原始位置进行估计表示为且设定每两个CPICH符号对应的信道估计相同，则第一根天线表示为m＝0的原始信道估计值计算如下：
其中，Nd-symb表示一个无线帧中包含的双CPICH符号的个数，本实施例中表示一帧中第k个双符号的信道估计值。
则第二根天线m＝1的原始信道估计值计算如下：
其中，
平滑处理单元40，用于对原始信道估计值做平均处理，得到更为准确的真实值。
平滑处理单元通过将一个时隙内的5个双符号信道估计值取平均值：
其中，表示经过平滑处理之后的第t个时隙的信道估计。
如图2所示，一种WCDMA中继器下行信道参数估计方法，应用到上述的WCDMA中继器下行信道参数估计系统；该方法包括：
100、在WCDMA系统发送的公共导频信道上生成邻区CPICH发射信号；
110、对公共导频信号(CPICH)进行解扰解扩计算：
j＝0,1，…，Nsymb-1；t＝0,1，…，Nslot-1；
其中，表示多径位置l(q)对应解扰解扩之后的一帧中第t个时隙的数据，i为码片编号，j为符号编号，t为时域编号，Nsymb表示一个时隙中的CPICH符号数，在本实施例中Nsymb＝10；Nslot表示一个无线帧中的时隙数，在本实施例中Nslot＝15；p为采样率，因为本实施例是在两倍速上做信道估计，因此p＝2；p(i)表示CPICH扩频码，p(i)＝1，且i＝0…255；e(q)表示从接收采样数据中按照第q小区起始径位置开始截取的一帧中第t个时隙数据，考虑到多径延时，为了得到一个时隙的相关结果，则e(q)需要缓存一个时隙多的数据，长度为(256+2560+256)p，即在当前时隙之前和之后多缓存256码片；表示第q个小区的扰码；
120、根据解扰解扩后得到的数据进行相关计算，得出原始信道估计；
130、对原始信道估计值做平均处理，得到更为准确的真实值。
所述根据解扰解扩后得到的数据进行相关计算，得出原始信道估计具体包括：
设第m根发送天线的多径位置l(q)所对应的原始位置进行估计表示为且设定每两个CPICH符号对应的信道估计相同，则第一根天线表示为m＝0的原始信道估计值计算如下：
其中，Nd-symb表示一个无线帧中包含的双CPICH符号的个数，本实施例中Nd-symb＝75；表示一帧中第k个双符号的信道估计值。
则第二根天线m＝1的原始信道估计值计算如下：
其中，
所述对原始信道估计值做平均处理，得到更为准确的真实值具体包括：
其中，表示经过平滑处理之后的第t个时隙的信道估计。
本实用新型在保障算法结构精度高的前提下，精度高的前提下，结构更容易使用FPGA代码实现，而且所需要的资源较少，如下表1所示，该算法的FPGA实现，在altera的A5器件中，只需要400个ALUTS和1个M10k，不需要乘法器，所需资源均比常规的LMS和LMMSE算法要少。经过实际检验，该实用新型算法通过信道估计处理的数据能够有效的解调出发送端的调制信号，降低了误码率，估计精度接近于LMS算法。
表1各算法实现所耗FPGA资源对比情况
实验仿真和结果
本实施例采用MATLAB仿真平台，对本实用新型提出的算法进行仿真。
仿真条件为：每一帧的周期为10ms，由15个时隙组成，码片率为3.84Mchip/s,仿真时采样率为2倍的码片率，12条多径。分别对无信道估计算法、LMS算法和本文的改进算法进行信噪比的对比仿真，仿真结果如图3所示。
综上所述，以上实施例仅用以说明本实用新型的技术方案，而非对其限制；尽管参照上述实施例对本实用新型进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对上述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本实用新型各实施例技术方案的精神和范围。
489
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
