一种TETRA数字集群系统中估计信干比的算法

1、更多电子资料请登录赛微电子网一种TETRA数字集群系统中估计信干比的算法*孙 昕 张 钦(北京交通大学电子信息工程学院, 北京 100044)摘 要: 提出了一种TETRA数字集群系统中估计信干比的算法。利用训练序列构成矩阵, 基于所构成矩阵的列空间和左零空间的正交基, 在接收信号中对信号功率与干扰加噪声功率进行分离, 估计出接收信号的信干比。不仅能够快速准确地估计出信干比, 而且计算量较小。仿真结果表明当移动速度为5 km/h和85 km/h时, 平均绝对信号与噪声加干扰比估计误差接近1 dB和0.3 dB, 所提出的算法能够实时地估计出信干比, 提高TETRA数字集群系统容量和改善通信质量

2、。 关键词: 数字集群系统；信号投影；信干比估计；同频干扰中图分类号: TN929.52文献标识码: A国家标准学科分类代码: 510.5015Algorithm for estimating signal-to-interference ratio inTETRA digital trunking systemSun Xin Zhang Qin(School of Electronics and Information Engineering, Beijing Jiaotong University, Beijing 100044)Abstract: An algorithm for est

3、imating signal-to-interference ratio in TETRA digital trunking system is proposed. Training sequence to form a matrix is used, based on the orthonormal basis for range space and left null space of the formed matrix, the signal power is separated from the interference plus noise power in the received

4、 signal, in order to estimate received signal-to-interference ratio of signal. The signal-to-interference ratio can be not only estimated quickly and accurately, but also smaller computation is required. Simulation results demonstrate that the mean absolute signal-to-interference plus noise ratio es

5、timation error is about 1 dB and 0.3 dB at 5 km/h and 85 km/h, the proposed algorithm can estimate signal-to-interference ratio in real time, and increase system capacity and improve communication quality in TETRA digital trunking system. Keywords: digital trunking system; signal projection; signal-

6、to-interference ratio estimation; co-channel interference1 引 言TETRA数字集群通信系统是一种基于时分多址(TDMA)技术的专业移动通信系统。信息产业部于2000年发布了中华人民共和国数字集群移动通信系统体制(SJ/T112282000)标准, 在该标准中确定了TETRA和iDEN两种数字集群通信系统体制。TETRA数字集群系统具有呼叫建立时间短、组呼、广播呼叫、紧急呼叫、强插强拆以及不同的呼叫优先级别等快速调度指挥功能, 广泛地应用于政府、公安、安全、武警、交通、水利、医疗急救、消防以及抢险抗灾等部门专业指挥调度通信网。为了保证快

7、速的指挥调度, 需要快速和准确地进行无线资源管理、越区切换、信道指配以及发射功率控制等操作, 这些操作算法都要求对信号与噪声加干扰比(S/(I+N)进行快速而准确的测量, 以保证提高系统容量和改善通信质量1。近年来, 估计信干比的技术已经在CDMA和GSM蜂窝移动通信系统中得到广泛地应用2-3, 很少关注TETRA数字集群系统的信干比估计技术, 而TETRA数字集群系统的主要干扰来自于同频干扰。目前, 主要使用两种算法对S/(I+N) 进行实时地估计, 一种算法是基于干扰投影技术, 利用时隙中的训练和(或)色码序列来获得S/(I+N)的无偏估计值, 该算法仅在单个矢量上进行干扰投影4; 另一种

8、算法是基于子空间技术, 利用接收信号序列的协方差矩阵特征值来获得S/(I+N)的无偏估计值, 该算法运算量 较大5。本文利用TETRA数字集群系统每个突发中的训练序列构成矩阵A, 基于矩阵A的列空间和左零空间的正交基, 在接收信号中对信号功率与干扰加噪声功率进行分离, 将接收信号y在整个信号子空间上进行投影获得干扰和噪声功率估计值, 来估计接收信号的S/(I+N)。这种算法不仅计算量较小, 而且能够实时准确地估计出S/(I+N)。2 问题的描述TETRA数字集群系统信道模型主要由发射滤波器、信道、接收滤波器(匹配滤波器)以及波特率采样器构成, 如图1所示6。图1 TETRA数字集群系统信道模型

9、Fig. 1 Channel model in TETRA digital truncking system冲击响应是一种信道特性, 含有仿真和分析任何一种通过信道进行无线电发射所需要的所有信息。将发射滤波器和信道的组合传递函数H( f )=P( f )G( f )的Fourier逆变换h(t)作为具有时变冲激响应的线性滤波器来描述时变信道, 可将图1所示的信道模型描述为L抽头间隔均为符号周期T的横向滤波器的离散信道模型, 如图2所示, 该模型含有M个时变独立衰落的同道信号。图2 离散同道信号模型Fig. 2 Discrete-time co-channel signal model(m=1,

10、2, M)表示每个独立时变信道冲激响应, L为信道弥散长度, 对于所有信道, 信道弥散长度L是确定的且相等。假设使用二进制脉冲幅度调制(2-PAM), 则在每个信道上, K个发射符号()构成了每个信道的发射符号序列 ()。噪声样值序列是独立的白高斯噪声。为接收信号序列矢量, 对每个符号采样一次的接收信号yk ()为: (1)假设M个同道上的训练序列是同步的, 即: 1个主用户和M-1个同道干扰分别位于不同的同道信道上。将M个无线信道冲激响应表示为: 每个无线信道冲激响应长度为L, 并带有复信道抽头加权。利用M个信道冲激响应构成下列矢量h: 矢量h中的参数为M×L个。TETRA数字集群

11、系统时隙中嵌入的训练序列由前置码和中间码构成, 第m个信道的训练序列为: 该训练序列含有L+P个元素 ()。L为前置码的长度, 等于信道 弥散长度; P为中间码的长度。最初的L个比特是前置码比特, 后续的P个比特是中间码比特。与中间码比特相关的接收信号y为: (2)式中: n是零均值高斯白噪声随机过程; 矩阵 含有发射训练序列, 由下列矩阵Am ()构成: 由于接收信号y是不相关且互不相关的, 所以n和A是互不相关的, 则y和n具有下列性质: 和; 对于对于S/(I+N)的估计, 要求获得一种从接收信号y中分离h和n的算法。3 信干比的估计 假设P>L, 设和分别表示矩阵A的列空间和左零

12、空间, 且和B= dim, 为的正交基, 为的正交基。如果x为n在上的正交投影, 则(3)式中: 为内积, 且。因此(4)将式(4)带入式(3)中, 可得: 因此, 其无偏估计为: (5)因为(), 故 (6)将式(6)带入式(5)中, 可得: (7)由于和是正交的, 所以利用勾股定理, 可以将式(7)改写成: (8)这种算法是通过将y在整个信号子空间上进行投影获得干扰和噪声功率, 并不是通过将y在中的单个矢量上进行投影获得干扰和噪声功率。接收信号S/(I+N) 估计的实质就是在接收信号中将信号功率与干扰加噪声功率进行分离, 信号加干扰加噪声的功率为: (9)S/(I+N)的估计值为: (10

13、)将式(8)和式(9)带入式(10)中, 可得: (11)如果利用S个不同的接收信号序列矢量y估计S/(I+N), 那么可将式(11)改写为式(12): (12)由于式(12)中的S/(I+N)估计在信号子空间上对信号矢量进行投影, 所以将所提出的算法称作信号投影算法。4 性能分析通过分析本文所提出的信号投影算法性能, 对信号投影算法的乘法和加法运算次数作出估计, 并与参考文献5中所提出的子空间算法进行 比较。对于信号投影算法的S/(I+N)估计, 很容易利用矩阵A的列作为列空间的基, 但需要使用GramSchmidt(格拉姆-施密特)正交化方法对这些列进行正交处理, 这种正交处理过程仅需要进

14、行次乘法运算和次加法运算7。对于子空间算法的S/(I+N)估计, 需要计算接收信号序列矢量y(k)的P×P维Hermitian协方差矩阵B特征值, 使用长度为P的特征矢量搜索算法。寻找协方差矩阵B特征值的计算量是相当大的。QR分解算法是一种广泛使用且最有效的计算矩阵特征值方法, 这种QR算法将协方差矩阵B分解成一个正交矩阵Q与一个上三角矩阵R的乘积, 即B=QR。QR算法的每次迭代运算需要进行Q(P3)次乘法和加法运算。QR算法的迭代运算数量与协方差矩阵B的特征值有关。如果数值较小, 则其特征值的收敛速度较快。通过数值来寻找协方差矩阵B的P个最大特征值, 并按由大到小的顺序排列, 即

15、。此外, 子空间算法的S/(I+N)估计需要利用训练序列构成矩阵A, 接收机可以预先计算和存储的正交基矢量。随着B的增加, 式(11)中的S/(I+N)估计值更加准确, 而计算基矢量的运算量减小。因此, 尽可能选择相对于L较大的P。当形成矩阵A时, 还必须选择合适的L值, 这个L值还可以用于均衡器。5 仿真结果利用Synopsys公司的通信系统与信号处理仿真平台CCSS对提出的S/(I+N)估计算法进行仿真验证, 使用标准TETRA数字集群系统的空中接口参数8, 每个TDMA由4个时隙构成, 每个时隙含有510个符号(比特)的突发, 每个正常突发含有22个符号(比特), 调制方式为。信道抽头为

16、5个(即: L = 4), 在面状网中, 同道信号数量M = 7, 其中1个有用信号, 6个同道干扰信号; 在条状网中, 同道信号数量M = 3, 其中1个有用信号, 2个同道干扰信号, 由于其他同道干扰信号功率较小, 可以忽略, 减少大量的计算。加性高斯白噪声低于干扰功率20dB, 实际S/I = 5dB。为了遍历信道特性, 采用10万个数据来统计S/(I+N)估计的误码性能。在仿真中, 对信号投影算法的性能与子空间算法的性能进行比较, 评估所提出的信号投影算法性能。图3示出了当M = 7时, 对于不同移动速度的不同S/(I+N)估计算法, 不同观测时间的平均绝对S/(I+N)估计误差。在最

17、初0.2秒内平均绝对S/(I+N)误差较大。在1秒之后, 当移动速度为5 km/h时, 平均绝对S/(I+N)估计误差接近1 dB; 当移动速度为85 km/h时, 平均绝对S/(I+N)估计误差接近0.3 dB。图3 不同观测时间的平均绝对S/(I+N)估计误差Fig. 3 Mean absolute S/(I+N) estimation error indifferent observation time图4示出了当M = 7时, 对于不同移动速度的不同S/(I+N)估计算法, 不同观测时间的S/(I+N)估计误差方差。在最初0.25秒内S/(I+N)估计误差方差较大。在1秒之后, 当移动

18、速度为5 km/h时, S/(I+N)误差接近0.6 dB; 当移动速度为85 km/h时, 平均绝对S/(I+N)误差接近 0 dB。在图3和图4中, 信号投影算法与子空间算法的误码性能接近, 而且收敛速度快。由于信号投影算法的计算量较小, 所以该算法更适用于要求快速指挥调度的TETRA数字集群系统。图4 不同观测时间的S/(I+N)估计误差方差Fig. 4 S/(I+N) estimation error variance indifferent observation time6 结 论孙 昕本文所提出的TETRA数字集群系统S/(I+N)估计算法是基于训练序列所构成的矩阵A, 利用矩阵

19、A的列空间和左零空间的正交基, 在接收信号中对信号功率与干扰加噪声功率进行分离, 在整个信号子空间上投影接收信号y获得干扰和噪声功率估计值, 来估计接收信号的S/(I+N)。分析表明这种方法具有计算量较小的特点, 适用于快速指挥调度的TETRA数字集群系统。仿真结果表明所提出的算法能够实时准确地估计出S/(I+N), 提高TETRA数字集群系统容量和改善TETRA数字集群系统通信质量。参考文献: 张 钦1 MIHAELA R C, Dimitrie C. Popescu. Using sliding mode control theory for radio resource manageme

20、nt in wireless systemsC. Proceedings of the 2006 International Workshop on Variable Structure Systems, Alghero, Italy, 5-7June, 2006, 2328.2 程皓. 多用户DS/CDMA系统下的PN序列忙估计算法J. 电子测量与仪器学报, 2006, 20(6): 45-49.CHENG H. Blind algorithm for PN sequences estimation for multi-user DS/CDMA system J. Journal of El

21、ectronic Measurement and Instrument, 2006, 20(6): 45-49.3 NI S. Network capacity and quality of service management in F/TDMA cellular systemsD. Finnish: the Finnish Academies of Technology, 2001.4 AUSTIN M D, STUBER G L. In-service quality estimation for TDMA cellular systemsJ. Kluwer Wireless Perso

22、nal Commun. , 1995, 2: 245.5 ANDERSIN M, MANDAYAM N B, YATES R D. Subapace based estimation of the signal to interference radio for TDMA cellular systemsC. IEEE Vehicular Technology Conf., Atlanta, GA, USA, Apr. 1996, 1155-1159.6 张贤达, 保铮. 通信信号处理M. 北京: 国防工业出版社, 2000.ZHANG X D, BAO ZH. Communication signal processsing M. Beijing: National Defence Industry Press, 2000.7 徐树方. 矩阵计算的理论与方法M. 北京: 北京大学出版社, 1995.XU SH F. Theory and method of matrix calculation M. Beijing: Peking University Press, 1995.8 ETSI TS 100 392-2 V2.6.1(