一种基于TDD LTE物理层终端测量算法的研究

陈禹+朱庆华

摘要：该文给出了LTE TDD系统中接收端的噪声方差和信噪比的测量方法，为接收端的信道估计、信号检测等提供所需的参数。首先提出了OFDM系统中进行噪声方差估计的常用算法，然后介绍了在LTE下行链路平台中采用的终端噪声方差和信噪比估计算法的实现策略，最后进行了仿真分析。仿真结果表明，本论文提出的信噪比估计算法非常有效。

关键词：LTE TDD；噪声方差；信噪比估计；下行链路

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）35-0232-02

1概述

在LTE终端进行的信道估计、信号检测等操作，需要信道的噪声方差信息；系统MCS方案的选取以及预编码操作需要终端测量的信道状态信息（CQI），噪声方差和信噪比估计是E-UTRA TDD LTE通信系统的重要组成部分，估计的准确性直接影响到整个系统的性能[1]。本研究论文介绍了3GPP LTE TDD终端噪声方差和信噪比估计的算法，并且仿真分析了该算法的性能。

2基于虚拟子载波的算法

针对LTE系统帧结构的特点，提出了多种终端噪声方差和信噪比估计的算法[2]。在OFDM系统中，采用逆快速傅里叶变换（ IFFT） 实现多载波调制，为了在接收端准确恢复出最高频率子载波上调制数据，避免频谱混叠失真，一般采用过采样，即实际传输所用的子载波数目小于系统总的子载波数目，将这些未利用的子载波称为虚拟子载波[4，5]。因此，在接收端利用虚载波上接收到的信号特性（只与噪声有关）可以进行噪声方差的估计，利用中心频率载波上的信号特性（信号与噪声的叠加）可以进行接收端的信噪比估计。

在虚载波处，第i个子载波处接收到的信号只与噪声有关，即：

[Ym（i）=Nm（i）] （1）

并且：

[EYm（i）2=σ2N=PN] （2）

因此，利用上式就可以估计出接收端频域的噪声方差。另外，根据傅立叶变换的帕斯韦尔定理，即：

[n=0Nsc-1x（n）2=1Nsck=0Nsc-1X（k）2] （3）

因此利用频域信号估计出来的值除以Nsc即可得到时域的噪声方差估计。

3实现策略

3.1噪声方差的测量

本论文采用文献[3]中提出的另外一种利用导频序列的噪声方差估计算法。该算法的基本思想是首先利用LS算法估计出信道的频域信息[HLS]，然后将其进行N点IFFT变换到时域，得到时域响应[hLS（τ）]，则CP长度之后的信道只受到噪声的影响，因此可以利用下式估计噪声方差：

[σ2N=1N-Ngτ=Ng+1NhLS（τ）2] （4）

对于5MHz带宽的2×2MIMO系统，每个天线上各个导频序列的长度为50，并且两个导频序列交错，因此可以在接收端利用接收信号分别获得不同导频位置上相应的信道频域响应。假设信道在一个时隙范围内是不变的，因此可以将两个导频序列得到的不同子载波上的信道频域响应合成一个序列（长度为100），将其IFFT变换到时域，利用式（4）即可得到噪声方差的估计值。

由于接收信号先进行FFT（512点）变换到频域，在频域进行LS信道估计，获得导频载波上的信道频域响应，再IFFT（100点）变换到时域，此时时域功率谱与真实功率谱存在一个系数差异（512/100），同时时域波形也存在平台效应和尾部效应，在进行噪声方差估计时需要去除这部分的影响。

另外由于2×2的MIMO系统有4个信道，系统的噪声为AWGN，在各个信道上的特性相同，因此可以用式（4）分别求得各个信道的噪声方差，然后平均，可以进一步降低估计误差。

3.2信噪比的测量

接收端在第m个OFDM符号第k个子载波接收到的信号为：

[Ym（k）=H（k）Xm（k）+Nm（k）] （5）

并且

[EYm（k）2=H（k）2EXm（k）2+ENm（k）2=Pk+σ2N] （6）

其中[Pk]表示第k个子载波上接收信号的功率。

结合式（4）和（6），可得第m个符号中第k个子载波上信噪比为：

[SNRk=Pkσ2N=EYm（k）2-σ2Nσ2N=EYm（k）2σ2N-1] （7）

在实际估计中，通常采用时间平均代替统计平均，若平均所用码元数为M，则第k个子載波信噪比估计公式为：

[SNRk=1Mm=1MYm（k）2σ2N-1] （8）

另外，接收端的平均信噪比为接收信号的平均能量与噪声方差的比值：

[SNR=1Nosc1Mk=1Noscm=1MYm（k）2σ2N-1] （9）

4 仿真结果

4.1 仿真曲线

近于真实的信噪比，并且在高信噪比时，两者几乎重合。因此，证明本论文提出的信噪比估计算法非常有效。

5结果分析及结论

本论文对物理层终端端噪声方差和信噪比估计的算法进行了研究，并且仿真分析了噪声方差和信噪比的估计与真实的噪声方差和信噪比的曲线。另外在LTE TDD下行链路平台上仿真了不同信道以及不同业务速率时的BER和PER性能，采用本论文中提出的算法获得的系统性能与理想的信道测量系统的性能非常接近，因此可以证明该算法是非常有效的。

参考文献：

[1] 3GPP TS 36.211 V1.0.0 （2007-3），Physical Channel and Modulation （Release 8）

[2] K.Takeda， F. Adachi. “SNR Estimation for Pilot-assisted Frequency-domain MMSE Channel Estimation”.

[3] 任光亮，张辉，常义林.基于虚载波的OFDM系统信噪比盲估计方法[J].西安电子科技大学学报：自然科学版，2004（2）.

[4] T. Cui， C. Tellambura. “Power Delay Profile and Noise Variance Estimation for OFDM”. IEEE Communications Letters， vol.10， 2006.

[5] X.D.Xu， Y.Jing， X.H.You. Subspace-based Noise Variance and SNR Estimation for MIMO OFDM Systems[J]. Journal of Electronics（CHINA）， 2006（23）.