基于改进广义正交匹配追踪的低地球轨道卫星MIMO-OTFS系统的信道估计方法

doi:10.11772/j.issn.1001-9081.2023081170

《计算机应用》唯一官方网站 ›› 2024, Vol. 44 ›› Issue (8): 2514-2520.DOI: 10.11772/j.issn.1001-9081.2023081170

基于改进广义正交匹配追踪的低地球轨道卫星MIMO-OTFS系统的信道估计方法

雷芳¹^,², 牛永才¹^,²()

^1.重庆邮电大学通信与信息工程学院，重庆 400065
^2.重庆邮电大学移动通信协议创新实验室，重庆 400065

收稿日期:2023-08-31 修回日期:2023-12-10 接受日期:2023-12-18 发布日期:2024-08-22 出版日期:2024-08-10
通讯作者: 牛永才
作者简介:雷芳（1972—），女，重庆人，副教授，硕士，主要研究方向：5G物理层算法、LEO卫星通信
牛永才（1997—），男，河南南阳人，硕士研究生，主要研究方向：LEO卫星通信、OTFS调制 s210101105@stu.cqupt.edu.cn。
基金资助:
重庆市自然科学基金资助项目(cstc2021jcyj?msxmX0454)

Channel estimation method for low earth orbit satellite MIMO-OTFS system based on improved generalized orthogonal matching pursuit

Fang LEI¹^,², Yongcai NIU¹^,²()

^1.School of Communication and Information Engineering，Chongqing University of Posts and Telecommunications，Chongqing 400065，China
^2.Mobile Communication Protocol Innovation Laboratory，Chongqing University of Posts and Telecommunications，Chongqing 400065，China

Received:2023-08-31 Revised:2023-12-10 Accepted:2023-12-18 Online:2024-08-22 Published:2024-08-10
Contact: Yongcai NIU
About author:LEI Fang， born in 1972， M. S.， associate professor. Her research interests include 5G physical layer algorithm， LEO satellite communication.
Supported by:
Chongqing Natural Science Foundation(cstc2021jcyj-msxmX0454)

摘要/Abstract

摘要：

针对基于多输入多输出（MIMO）技术和正交时频空间（OTFS）调制的低地球轨道卫星系统的复杂性带来的信道估计困难问题，提出一种基于改进广义正交匹配追踪（GOMP）的信道估计方法。根据单输入单输出（SISO）-OTFS系统的输入输出关系和低地球轨道卫星信道的传播特性，建立一种基于MIMO-OTFS的低地球轨道卫星信道模型，并将系统的信道估计问题转化为稀疏信号的恢复问题。考虑到传统的GOMP算法存在对稀疏度的过度依赖和对稀疏信号的重构精度差等问题，所提方法结合了分段弱正交匹配追踪（SWOMP）的弱选择思想和广义Jaccard系数的相似性准则，以快速准确地重建稀疏信号。仿真结果表明，当天线数为16且导频开销比为0.5时，与正交匹配追踪（OMP）算法相比，所提方法的归一化均方误差（NMSE）降低了约2.5 dB，误码率（BER）降低了约5 dB。

关键词: 正交时频空间, 低地球轨道卫星, 多输入多输出, 信道估计, 广义正交匹配追踪

Abstract:

Aiming at the difficulty of channel estimation caused by the complexity of Low Earth Orbit (LEO) satellite systems based on Multiple-Input Multiple-Output （MIMO） technology and Orthogonal Time-Frequency Space （OTFS） modulation， a channel estimation method based on improved Generalized Orthogonal Matching Pursuit （GOMP） was proposed. According to the input-output relationship of the Single-Input Single-Output （SISO）-OTFS system and the propagation characteristics of the LEO satellite channel， a low-orbit satellite channel model based on MIMO-OTFS was established， and the channel estimation problem of the system was transformed into a sparse signal recovery problem. Considering that the traditional GOMP algorithm has the problems of excessive dependence on sparsity and poor reconstruction accuracy of sparse signals， the proposed method combined the weak selection idea of Stagewise Weak Orthogonal Matching Pursuit （SWOMP） and the generalized Jaccard coefficient-based similarity criterion for fast and accurate reconstruction of sparse signals. The simulation results show that when the number of antennas is 16 and the pilot overhead ratio is 0.5， compared with the Orthogonal Matching Pursuit （OMP） algorithm， the proposed method reduces the Normalized Mean Square Error （NMSE） by about 2.5 dB， and reduces the Bit Error Rate （BER） by approximately 5 dB.

Key words: Orthogonal Time-Frequency Space (OTFS), Low Earth Orbit (LEO) satellite, Multiple-Input Multiple-Output (MIMO), channel estimation, Generalized Orthogonal Matching Pursuit (GOMP)

中图分类号:

TN927

雷芳, 牛永才. 基于改进广义正交匹配追踪的低地球轨道卫星MIMO-OTFS系统的信道估计方法[J]. 计算机应用, 2024, 44(8): 2514-2520.

Fang LEI, Yongcai NIU. Channel estimation method for low earth orbit satellite MIMO-OTFS system based on improved generalized orthogonal matching pursuit[J]. Journal of Computer Applications, 2024, 44(8): 2514-2520.

图/表 8

图1 SISO-OTFS系统的输入输出关系框图

Fig. 1 Input output relationship diagram of SISO-OTFS system

图2 TSL的系统模型

Fig. 2 System model of TSL

图3 DD域中的OTFS帧结构

Fig. 3 OTFS frame structure in DD domain

表1 仿真参数

Tab. 1 Simulation parameters

仿真参数	数值
信道模型	NTN-TDL-D
卫星的运行高度/km	600
地球半径/km	6 371
载波频率/GHz	2
子载波间隔/kHz	330
LoS路径数	1
NLoS路径数	3
卫星运行速度/ $(m ⋅ s - 1)$	7 562.2
UT速度/ $(k m ⋅ h - 1)$	3
仰角/（°）	50
方位角/（°）	［-90，90］
OTFS数据大小 $(M, N)$	（256，14）
时延扩展/ns	30
莱斯因子/dB	11.707
阈值 $ε$	$10 - 5$
阈值系数 $μ$	0.7

表1 仿真参数

Tab. 1 Simulation parameters

仿真参数	数值
信道模型	NTN-TDL-D
卫星的运行高度/km	600
地球半径/km	6 371
载波频率/GHz	2
子载波间隔/kHz	330
LoS路径数	1
NLoS路径数	3
卫星运行速度/ $(m ⋅ s - 1)$	7 562.2
UT速度/ $(k m ⋅ h - 1)$	3
仰角/（°）	50
方位角/（°）	［-90，90］
OTFS数据大小 $(M, N)$	（256，14）
时延扩展/ns	30
莱斯因子/dB	11.707
阈值 $ε$	$10 - 5$
阈值系数 $μ$	0.7

图4 各种信道估计方法在不同信噪比下的NMSE对比

Fig. 4 Comparison of NMSE between various channel estimation methods under different SNRs

图5 各种信道估计方法在不同天线数量下的NMSE对比

Fig. 5 Comparison of NMSE between various channel estimation methods under different antenna numbers

图6 各种信道估计方法在不同导频开销比下的NMSE对比

Fig. 6 Comparison of NMSE between various channel estimation methods under different pilot cost ratios

图7 各种信道估计方法在不同信噪比下的BER对比

Fig. 7 Comparison of BER between various channel estimation methods under different SNRs

参考文献 28

1	YOU L， LI K-X， WANG J， et al. Massive MIMO transmission for LEO satellite communications ［J］. IEEE Journal on Selected Areas in Communications， 2020， 38（8）： 1851-1865.
2	NA Z， GUAN Q， FU C， et al. Channel model and throughput analysis for LEO OFDM satellite communication system ［J］. International Journal of Future Generation Communication and Networking， 2013， 6（6）： 109-122.
3	HADANI R， RAKIB S， TSATSANIS M， et al. Orthogonal time frequency space modulation ［C］// Proceedings of the 2017 IEEE Wireless Communications and Networking Conference. Piscataway： IEEE， 2017： 1-6.
4	HADANI R， RAKIB S， MOLISCH A F， et al. Orthogonal Time Frequency Space （OTFS） modulation for millimeter-wave communications systems ［C］// Proceedings of the 2017 IEEE MTT-S International Microwave Symposium. Piscataway： IEEE， 2017：681-683.
5	ZHOU X， GAO Z. Joint active user detection and channel estimation for grant-free NOMA-OTFS in LEO constellation Internet-of-Things ［C］// Proceedings of the 2021 IEEE/CIC International Conference on Communications in China. Piscataway： IEEE， 2021： 735-740.
6	SHI J， HU J， YUE Y， et al. Outage probability for OTFS based downlink LEO satellite communication ［J］. IEEE Transactions on Vehicular Technology， 2022， 71（3）： 3355-3360.
7	LARSSON E G， EDFORS O， TUFVESSON F， et al. Massive MIMO for next generation wireless systems ［J］. IEEE Communications Magazine， 2014， 52（2）： 186-195.
8	BJÖRNSON E， HOYDIS J， KOUNTOURIS M， et al. Massive MIMO systems with non-ideal hardware： energy efficiency， estimation， and capacity limits ［J］. IEEE Transactions on Information Theory， 2014， 60（11）： 7112-7139.
9	NGO H Q， ASHIKHMIN A， YANG H， et al. Cell-free massive MIMO versus small cells ［J］. IEEE Transactions on Wireless Communications， 2017， 16（3）： 1834-1850.
10	LI T， HE R， AI B， et al. OTFS modulation performance in a satellite-to-ground channel at sub-6-GHz and millimeter-wave bands with high mobility ［J］. Frontiers of Information Technology & Electronic Engineering， 2021， 22（4）： 517-526.
11	ZHOU X， YING K， GAO Z， et al. Active terminal identification， channel estimation， and signal detection for grant-free NOMA-OTFS in LEO satellite Internet-of-Things ［J］. IEEE Transactions on Wireless Communications， 2023， 22（4）： 2847-2866.
12	BORA A S， PHAN K T， HONG Y. Spatially correlated MIMO-OTFS for LEO satellite communication systems ［C］// Proceedings of the 2022 IEEE International Conference on Communications Workshops. Piscataway： IEEE， 2022： 723-728.
13	WANG X， SHEN W， XING C， et al. Joint Bayesian channel estimation and data detection for OTFS systems in LEO satellite communications ［J］. IEEE Transactions on Communications， 2022， 70（7）： 4386-4399.
14	SHEN B， WU Y， AN J， et al. Random access with massive MIMO-OTFS in LEO satellite communications ［J］. IEEE Journal on Selected Areas in Communications， 2022， 40（10）： 2865-2881.
15	TROPP J A， GIBERT A C. Signal recovery from random measurements via orthogonal matching pursuit ［J］. IEEE Transactions on Information Theory， 2007， 53（12）： 4655-4666.
16	WU X， MA S， YANG X. Tensor-based low-complexity channel estimation for mmWave massive MIMO-OTFS systems ［J］. Journal of Communications and Information Networks， 2020， 5（3）： 324-334.
17	SHEN W， DAI L， AN J， et al. Channel estimation for Orthogonal Time Frequency Space （OTFS） massive MIMO ［J］. IEEE Transactions on Signal Processing， 2019， 67（16）： 4204-4217.
18	WANG J， KWON S， SHIM B. Generalized orthogonal matching pursuit ［J］. IEEE Transactions on Signal Processing， 2012， 60（12）： 6202-6216.
19	张晓东，董唯光，汤旻安，等.压缩感知中基于广义Jaccard系数的gOMP重构算法［J］.山东大学学报（理学版）， 2017， 52（11）： 23-28.
	ZHANG X D， DONG W G， TANG M A， et al. gOMP reconstruction algorithm based on generalized Jaccard coefficients in compressed sensing ［J］. Journal of Shandong University （Natural Science）， 2017， 52（11）： 23-28.
20	袁伟娜，严秋.基于压缩感知的FBMC/OQAM系统信道估计方法［J］.通信学报，2019，40（12）： 98-104.
	YUAN W N， YAN Q. Channel estimation method based on compressed sensing for FBMC/OQAM system ［J］. Journal on Communications， 2019， 40（12）： 98-104.
21	贺新民，陈善恒，席纪江，等.一种稀疏度自适应OFDM系统信道估计算法［J］.信息通信，2020（8）： 1-5.
	HE X M， CHEN S H， XI J J， et al. Sparse adaptive algorithm for OFDM system channel estimation ［J］. Information & Communications， 2020（8）： 1-5.
22	SHI D， WANG W， YOU L， et al. Deterministic pilot design and channel estimation for downlink massive MIMO-OTFS systems in presence of the fractional Doppler ［J］. IEEE Transactions on Wireless Communications， 2021， 20（11）： 7151-7165.
23	KODHELI O， GUIDOTTI A， VANELLI-CORALLI A. Integration of satellites in 5G through LEO constellations ［C］// Proceedings of the 2017 IEEE Global Communications Conference. Piscataway： IEEE， 2017： 1-6.
24	3GPP. Study on New Radio （NR） to support non-terrestrial networks： TR 38.811 （V15.3.0） Release 15 ［S］. ［S.l.］： 3GPP， 2020.
25	李金成.快速时变衰落信道的正交时频空传输关键技术研究［D］. 成都：电子科技大学，2022： 21-25.
	LI J C. Research on key technologies of orthogonal time frequency space transmission in fast time varying fading channels ［D］. Chengdu： University of Electronic Science and Technology of China， 2022： 21-25.
26	邢旺，唐晓刚，周一青，等.面向OTFS的时延-多普勒域信道估计方法综述［J］.通信学报，2022，43（12）： 188-201.
	XING W， TANG X G， ZHOU Y Q， et al. Survey of channel estimation method in delay-Doppler domain for OTFS ［J］. Journal on Communications， 2022， 43（12）： 188-201.
27	杨海蓉，张成，丁大为，等.压缩传感理论与重构算法［J］.电子学报， 2011，39（1）： 142-148.
	YANG H R， ZHANG C， DING D W， et al. The theory of compressed sensing and reconstruction algorithm ［J］. Acta Electronica Sinica， 2011， 39（1）： 142-148.
28	申滨，吴和彪，崔太平，等.基于最优索引广义正交匹配追踪的非正交多址系统多用户检测［J］.电子与信息学报，2020，42（3）： 621-628.
	SHEN B， WU H B， CUI T P， et al. An optimal number of indices aided gOMP algorithm for multi-user detection in NOMA system ［J］. Journal of Electronics & Information Technology， 2020， 42（3）： 621-628.

[1]	王华华, 张旭, 李峰. 面向高速移动环境的二级信号检测算法[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1236-1241.
[2]	张新贺, 谭浩然, 吕文博. 基于压缩感知的低复杂度广义空移键控信号检测算法[J]. 《计算机应用》唯一官方网站, 2023, 43(12): 3890-3895.
[3]	刘帅, 蒋林, 李远成, 山蕊, 朱育琳, 王欣. 基于阵列处理器的最小均方误差检测算法并行设计与实现[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1524-1530.
[4]	郑鑫, 李素月, 王安红, 李美玲, MUHAIDAT Sami, 宁爱平. 协作多输入多输出环境反向散射通信系统遍历速率分析[J]. 《计算机应用》唯一官方网站, 2022, 42(3): 974-979.
[5]	王亿, 杨柳, 张痛快. RIS辅助毫米波系统中基于压缩感知的信道估计[J]. 《计算机应用》唯一官方网站, 2022, 42(12): 3870-3875.
[6]	景兴红, 孙国栋, 何世彪, 廖勇. 基于滑窗滤波和多项式拟合的时变信道估计方法[J]. 计算机应用, 2021, 41(9): 2699-2704.
[7]	陈成瑞, 孙宁, 何世彪, 廖勇. 面向C-V2X通信的基于深度学习的联合信道估计与均衡算法[J]. 计算机应用, 2021, 41(9): 2687-2693.
[8]	刘紫燕, 马珊珊, 白鹤. 基于改进智能水滴的正交匹配追踪混合预编码算法[J]. 计算机应用, 2021, 41(5): 1419-1424.
[9]	徐志强, 蒋铁钢, 杨立波. 基于随机支撑挑选的广义正交匹配追踪算法[J]. 计算机应用, 2020, 40(4): 1104-1108.
[10]	周震, 袁正道. 面向物联网环境的高效通信接收机设计[J]. 计算机应用, 2020, 40(1): 202-206.
[11]	丁宁, 管新荣, 杨炜伟, 李彤凯, 王建设. 非完美信道估计条件下多比特量化无线密钥生成性能分析[J]. 计算机应用, 2020, 40(1): 143-147.
[12]	李小文, 范艺芳, 侯宁宁. 基于阴影域的搜索树检测算法[J]. 计算机应用, 2019, 39(5): 1400-1404.
[13]	周围, 向丹蕾, 郭梦雨. MIMO-GFDM系统中低复杂度动态禁忌搜索检测算法的改进[J]. 计算机应用, 2019, 39(4): 1133-1137.
[14]	席皓哲, 王瑞峰. 基于天线分组的高铁大规模多输入多输出自适应波束赋形方案[J]. 计算机应用, 2019, 39(3): 839-844.
[15]	白鹤, 刘紫燕, 张杰, 万培佩, 马珊珊. 基于改进共轭梯度的大规模多输入多输出预编码[J]. 计算机应用, 2019, 39(10): 3007-3012.

基于改进广义正交匹配追踪的低地球轨道卫星MIMO-OTFS系统的信道估计方法

Channel estimation method for low earth orbit satellite MIMO-OTFS system based on improved generalized orthogonal matching pursuit

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 28

相关文章 15

编辑推荐

Metrics