高速铁路由于其经济性、环保性以及可全天候运行等优势受到了越来越多的注意,经济与科学技术的进步促进了高速铁路的快速发展,目前国内高铁车速已可以达到300km/h甚至更快的速度。高速铁路作为5G-NR的重要使用场景之一,其通信需求日益增多,同时对于通信系统质量等指标的要求也更加严格。国际电信联盟在关于5G-NR的关键性能制定中要求在车载速度达500km/h的高铁通信场景下下行链路速率达到50Mbit/s,上行链路达到25Mbit/s。在5G-NR应用时代,高铁宽带移动通信技术面临着巨大的挑战,其主要包括:高铁车厢对信号的衰减大、频繁的基站小区切换以及列车高速行驶带来的大多普勒频移。因此,为了达到5G-NR高铁通信场景下关键性能的要求,需要对有关通信技术进行深入研究。考虑到5G-NR通信系统的整体性能及要求,3GPP在评估了单载波及多个子载波波形的优缺点后,最终选用正交频分复用(OFDM,Orthogonal Frequency Division Multiple)作为上下行传输技术。然而,在5G-NR高速移动通信场景下列车的更高速移动(>=500km/h),以及更高的载波频率将引起更严重的多普勒频移,这会使得OFDM系统子载波无法维持原有的正交性,并且使信道发生快速时变,致使系统的传输能力下降。为了消除多普勒频移对通信系统产生的干扰,需要开展抗多普勒频移技术的研究,其中多普勒频偏估计、补偿技术的研究是基础。本文旨在以提高多普勒频偏估计精度,降低多普勒频偏估计复杂度为目标,在现有的多普勒频偏估计方法的基础上,研究5G-NR高速移动场景中更高效实用的多普勒频偏估计方法,主要的内容与创新点如下:1、本文利用无线环境图的技术,给出了一种联合环境地图与分段导频的多普勒频偏估计方法(RMPE),该方法主要解决了5G-NR高铁通信上行传输系统多普勒频偏估计精度有限的问题。在该方法中,基于高速铁路行驶路线的规律性和可预测性,首先利用环境地图方法来获取多普勒频偏的初始估计;为了提高频偏估计精度与满足该场景下大频偏估计范围的需求,选用了基于导频分段的最大后验概率估计方法,该方法将环境地图的初始估计作为先验信息和利用导频分段方法来获取最大后验估计。理论分析与计算机仿真结果表明,该方法的估计范围和精度可以满足5G-NR毫米波高速铁路场景大频偏的估计要求,其估计性能优于现有方法。2、本文基于神经网络与机器学习在无线通信领域的研究现状,针对5G-NR高速铁路通信系统,给出了一种基于BP神经网络的多普勒频偏估计方法(BPNE)。该方法主要分成线下训练与线上估计两个阶段,首先利用随机多普勒频偏与导频数据符号构建训练样本集,然后利用训练样本集对BP神经网络进行线下训练,完成输入与输出数据之间的映射关系,然后基于该映射关系利用接收信号中的导频数据符号进行线上多普勒频偏估计,该方法在进行频偏估计时仅需要少量的导频数据参与计算,且具有良好的估计性能。
近些年来,随着无线通信技术的迅速发展,LTE (Long Term Evolution)技术也发展的更加成熟并且被大规模商用。LTE技术不仅带动了智能移动终端设备和硬件方面不断创新,而且加速了移动互联网的发展。与此同时,中国的高速铁路建设也进行的如...
详细信息
近些年来,随着无线通信技术的迅速发展,LTE (Long Term Evolution)技术也发展的更加成熟并且被大规模商用。LTE技术不仅带动了智能移动终端设备和硬件方面不断创新,而且加速了移动互联网的发展。与此同时,中国的高速铁路建设也进行的如火如茶,出口海外,成为中国科技的新名片。高铁场景下的移动通信用户越来越多,对数据业务的要求也越来越高。原有的GSM-R (Global System For Mobile Communication-Railway)系统已经满足不了快速发展的高铁通信业务的多样性和高质量通信需求,因此推行LTE-R (LTE for Railway)势在必行。高速移动场景下,用户与基站之间的相对速度非常高,这会产生较大的多普勒频率偏移。而LTE系统下行链路采用正交频分复用技术(Orthogonal Frequency Division Multiplexing,OFDM),对频率偏移比较敏感,较小的频偏就会影响子载波正交性,破坏系统性能。因此在高速移动场景下,多普勒频偏估计的研究成为重要问题。就目前的研究而言,普通场景下OFDM系统载波频偏估计(Carrier Frequency Offset, CFO)已经非常成熟。高速移动场景下的多普勒频偏估计模型与OFDM系统载波频偏估计模型相似,因此可以将OFDM载波频偏估计的成熟方法运用到高速移动场景下的多普勒频偏估计中。本文主要研究了三种频偏估计算法:Moose算法、S&C算法、基于CP的算法。三种算法的原理都是通过计算部分相关求得频偏,但是相关的符号构造不同。在算法复杂度方面,Moose算法高于其他两个算法。在仿真性能上,三种算法估计误差随SNR增大而减小,低信噪比下Moose算法性能最好,但误差平台出现较早,S&C算法和基于CP的算法误差平台出现较晚。由于高铁信道符合莱斯信道特征,本文使用莱斯信道建模高铁多径时变信道,,并在该信道下对Moose算法、S&C算法、基于CP的算法性能进行评估。仿真结果显示,频偏估计误差随SNR的增大呈减小趋势,而且K因子越大,估计性能越好。考虑到MIMO技术可以降低信道的随机性,采用多天线接收信号做频偏估计再求取平均,可以提高估计性能。仿真中采用两个接收天线、三个接收天线与一个接收天线的估计性能对比,结果显示增加接收天线数可以改善估计性能,信噪比较低时,在同一频偏估计性能下每添加一根接收天线,信噪比改善2-3dB左右。多径场景下,信号传输受多径影响,接收信号为直射径和散射径叠加的结果,而高铁通信中一般具有非常强烈的直射径,接收信号主要来自于直射径的传输,散射径的效果较弱,因此本文提出采用LOS径接收的信号估计频偏的方法,降低了频偏估计的复杂度,仿真显示估计结果与原方法相比有较为明显的性能改善。在频偏估计后对接收信号进行频偏补偿,仿真显示采用LOS径估计的频偏补偿的信号误码率要小于多径信号估计的频偏补偿的信号误码率。
目前,铁路数字移动通信系统(Global System for Mobile communications for Railway,GSM-R)是国内高速铁路最广泛应用的无线通信系统。然而,随着互联网的发展,列车乘客对移动通信的要求已逐渐转变为视频电话、网络多媒体等高宽带服务的...
详细信息
目前,铁路数字移动通信系统(Global System for Mobile communications for Railway,GSM-R)是国内高速铁路最广泛应用的无线通信系统。然而,随着互联网的发展,列车乘客对移动通信的要求已逐渐转变为视频电话、网络多媒体等高宽带服务的形式,GSM-R的窄带特性难以满足列车乘客的数据业务需求。因此,新一代高速铁路无线通信系统应运而生。由于3GPP提出的长期演进(Long Term Evolution,LTE),相对于第三代移动技术(3rd Generation,3G),具有传输速率高、延迟降低、广域覆盖和向下兼容等性能优势。于是,国际铁路联盟拟在GSM-R系统的基础上引入LTE技术加以改进,使其最终演进成LTE-R(LTE-Railway)。一般情况下,普通列车和基站之间的相对运动速度为120km/h,而高铁场景能够高达360km/h,由此导致用户通信伴随着极为严重的多普勒频移现象。LTE下行链路采用正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术,多普勒频偏会破坏子载波间的正交性,引发严重的载波间干扰,进而影响OFDM的系统性能。另外,毫米波是近几年的一大研究热点,能够支持比低频电磁波更高数量级的带宽和容量。若将毫米波应用到高铁场景,必然产生更为严重的多普勒频偏。因此,如何解决多普勒频偏的估计与校正问题对LTE-R的发展和毫米波的推广均具有重大意义。在接收端和发送端相干解调的前提下,多普勒频偏模型与载波频偏模型相似。本文考虑到载波频偏估计技术已经非常成熟,因此将载波频偏估计算法结合LTE运用到了多普勒频偏估计中。文中总结并仿真分析了四种经典的载波频偏估计算法:最大似然估计算法、基于循环前缀的估计算法、Moose算法和SC算法。本文在莱斯信道模型的基础上,根据多普勒频偏的引入方式,对高铁场景分析了两种类型的信道建模。我们假设莱斯信道各分径的到达角相同,从运算时间、估计范围、估计性能三方面对比分析了四种算法在LTE系统的应用性能,探究了高架桥、路堑、隧道三种场景下的性能差异,给出Moose算法在三种场景中估计性能最好且其性能与具体场景无关的结论。最后,我们针对强LOS场景的信道建模,充分挖掘高铁场景下列车在不同时刻经过同一地点的参数之间具有相关性的特征,对Moose算法做了进一步改进。由于强LOS场景下高铁信道只有主径引入多普勒频偏,我们首先通过信道估计提取出接收信号的LOS径信息,然后以历史测量数据作为先验信息提出了一种基于Moose的改进算法。本文在理论推导的基础上,通过仿真实验证明了改进Moose算法比原方法具有更好的估计性能。
暂无评论