罗 健，杨志伟

(1.中移物联网有限公司，重庆400065;2.重庆重邮信科通信技术有限公司，重庆400065)

0 引言

先进的长期演进(LTE-advanced，LTE-A)是LTE的演进版本，其目的是为了满足未来移动通信市场对传输速率和业务质量的更高需求，同时还保持对LTE较好的后向兼容性。LTE-A采用了载波聚合(carrier aggregation，CA)［1］、上/下行多输入多输出天线增强(enhanced uplink/downlink multi-in multi-out，UL/DL MIMO)、多点协作传输(coordinated multi-point Tx＆Rx)、中继(relay)、异构网干扰协调增强(enhanced inter-cell interference coordination for heterogeneous network)［2-3］等关键技术，这些技术能极大地提高无线通信系统的峰值数据速率、峰值谱效率、小区平均谱效率以及小区边界用户性能，同时也能提高整个网络的组网效率，这使得LTE和LTE-A系统成为未来几年内无线通信发展的主流［2］。

信道状态指示(channel state information，CSI)是通信系统中一个很重要的参数，在LTE-A系统中，CSI上报、测量和信道估计都需要精准的信干噪比(signal interference noise ratio，SINR)估计结果。尤其对于CSI而言，需要根据估计每个子带的SINR，映射到相应的CSI进行上报。只有在估计SINR较为准确的情况下才能实现CSI正确的映射，用户设备(user equipment，UE)才能得到与信道环境相一致的传输速率，最大限度地提高传输速率 。因此，SINR估计的精度直接影响着通信系统的传输性能，研究SINR估算的精度对提高系统传输性能有着重要的意义。

目前常用的SINR估计算法是基于最小二乘法(least square，LS)的SINR估计算法，即根据信道估计参数分别计算干扰噪声和信号强度，进而得到信干噪比SINR。该算法简单且容易实现，但是估计精度不高，尤其在高速移动、多普勒效应较大的信道环境下误差更大。本文提出一种基于参考信号(reference signal，RS)的信号均衡的算法，利用接收端本地RS已知的特点，在没有明显增加复杂度的前提下，通过本地RS与均衡后的RS的方差，更加准确地估计SINR。

1 基于LS的SINR估计算法

在目前常用的方法中，利用LS估计接收信号的信号强度(reference signal received power，RSRP)和干扰噪声(noise)可以直接进行SINR估计。SINR的线性值如(1)式所示，算法的流程图如图1所示。为了得到子带的SINR，还需要计算频域的RSRP和noise。

图1 基于LS的SINR估计流程Fig.1 SINR estimation flow based on LS

1.1 频域noise计算

假设RS位置处的发送信号为Xi，j，这些信号经过无线信道传播后，在接收端经过快速傅里叶变换(fast Fourier transformation，FFT)处理，接收信号为［5］

(2)式中:Hi，j为信道转移函数(channel transfer function，CTF)值;ni，j为噪声变量;i的取值为 {0，1，2，3}，依次表示正交频分复用(orthogonal frequency division multiplexing，OFDM)符号 0，4，7，11 上的 RS信息;j的取值为0—2×NRB－1(number resource block，NRB)，由于接收端已知参考信号RS的发送数据 Xi，j，以及，因此，接收端经过如下处理(LS运算)后就可以获知第i个承载参考信号的OFDM符号在第j个频点处的信道估计值为

(3)式中，X*i，j为 Xi，j的共轭，(3)式计算的是 RS 的LS计算结果，将OFDM符号0，2上的相同频域位置的LS相减，得到

由于对于相同的频域位置，当多普勒扩展较小且频偏较小时，相邻时刻的CTF值Hi，j可以认为是相同的［6-7］，消除 Hi，j得到 noise，所以，(4)式可以推导为

同理，将OFDM符号1，3上相同频域位置的LS相减，得

进一步消除残余Hi，j

根据参考信号的恒模特性，幅度为1，以及不同的参考信号序列互不相关的特性，得到

1.2 频域RSRP计算

提取一个子帧中测量带宽内的4个(0，4，7，11)OFDM符号［7-8］的LS数据，将其放入LS［RE_Num］［4］中，对每个 OFDM 符号(LS中每一列)中的所有LS的复数平均，消除高斯噪声，再求功率平均，即为RSRP的结果。实现的主要步骤如下。

步骤1 利用估计出来的 OFDM 0，4，7，11的LS值，按照如下方式计算，得到频域测量带宽(子带)的LS的复数平均为

(9)式中，M_RB是指测量带宽，即子带的物理资源块(physical resource block，PRB)个数;RS_N为一个PRB中 RS的个数;n为某个子带，总数为NRB/M_RB;k标识第几路数据的LS(如当MIMO为2×2时，有4路接收数据，也就对应有4路LS)。

步骤2 对计算测量带宽(子带)的RSRP为

步骤3 每一路按照步骤1，步骤2计算得到一个RSRP，然后再求均值

(11)式中，K为k的总数，当MIMO为1×2时，K=2，当MIMO为2×2时，K=4。

虽然基于LS的算法计算简单，容易实现，但是这种算法在计算噪声时假定2个相邻的RS符号的CTF值Hi，j是不变的，而在实际信道中，CTF值Hi，j是有变化的，尤其在高速移动、多普勒效应比较明显的信道环境下变化很大，这种假设会造成SNIR误差带，精度不高。本文提出一种基于RS的信号均衡的算法，以改善LS算法的缺陷。

2 基于RS的信号均衡估计算法

基于RS的信号均衡估计算法的物理原理是利用接收端本地RS已知的特点，通过本地RS与均衡后的接收RS的方差，更加准确地估计SINR，相对于直接用LS算法，复杂度并没有大幅度增加。

假设接收端接收到的信号经过FFT转换后，用矩阵形式表示为

(12)式中:Y表示接收端接收到的信号向量;H表示在子载波上的CTF向量;W表示加性高斯白噪声;X表示发射端发射的数据和导频信息。

经过均衡后的数据为

对于RS导频信号，X为本地已知［9］，所以二者求均方差即可得到噪声功率。由于本地X是标准星座点，与接收信号的幅度不匹配，不能直接做均方差，所以先进行二者的幅度匹配。由于信道的相关性、天线配置和信道环境对SINR估计算法均有影响，所以本算法在设计时需要考虑信道相关性、天线配置、信道环境等因素。方案的整体流程图如图2所示。

图2 基于RS的SINR估计流程Fig.2 SINR estimation flow based on RS

接收的子帧数据中包含了用户数据和小区参考信号(cell reference signal，Cell_RS)，经过 OFDM 解调和信道估计后，调用信号检测(signal detection，SD)模块对Cell_RS进行均衡得到该子帧携带的Cell_RS数据，再经过子带映射可以得到每个子带的Cell_RS数据，利用本地RS与SD后的子带RS进行SINR估计。对于传输模式(transparent mode，TM)7和8，由于采用用户参考信号(user reference signal，UE_RS)进行信道估计，这里还需要调用信道估计模块进行Cell_RS信道估计，然后进行Cell_RS的信道均衡［10］。基于RS的SINR估计算法的处理流程如图3所示。

SD输出的RS数据和Local_Rs数据，长度为N。为表述方便，RS和Local_Rs都表述为符号，算法流程如下。

1)幅度匹配，本地RS和SD输出的RS可能由于归一化不一致等原因，幅度不匹配，需要进行幅度归一化，首先计算幅度调整因子Amp_Factor。

①计算SD输出RS的幅度，即实部、虚部的均值为

②幅度调整因子，Local_Rs为四相相移键控(quadrature phase shift keying，QPSK)标准星座点，所以用一个点的实部即可得

2)计算信号功率。

图3 基于RS的信号均衡的SINR估计算法实现流程Fig.3 SINR estimation implement flow based on RS

3)计算干扰功率，将星座点幅度调整因子对本地RS序列整形，计算整形后序列与SD输出的RS对应元素的矢量距离功率均值。

4)计算SINR的线性值。

3 试验结果及分析

方案1利用基于RS的信号均衡的SINR估计算法，方案2利用基于LS的SINR估计算法。验证环境包括 Awgn，EPA5，EVA5，EVA70，ETU70 和ETU300信道。验证方法采用估计子带SINR，子带的最小样本为6个PRB，用估计值与设置值的误差分析估计精度。图4和图5分别是方案1和方案2的估计精度，横坐标是设置的SINR值，从－10—30 dB，纵坐标表示估算值与设置值的误差的绝对值(α =0.05)。

实验结果表明，方案1的估计精度明显比方案2高。在ETU300场景下，估计偏差达十几dB，这是因为方案2的噪声估计基于多普勒扩展较小且频偏较小时，相邻时刻的H可以认为是相同的这一假设，所以在高多普勒扩展时，相邻时刻的H变化较大，无法通过相减消除，残留H计入噪声，造成噪声估计值偏大。

图4 基于RS的信号均衡的估计算法Fig.4 Experiment data based on RS signal equalization

图5 基于LS的估计算法Fig.5 Experiment data based on LS

从算法复杂度上考虑，由于RS是穿插在有用数据传输的，RS均衡可以和数据均衡一起进行，且RS数据量比较小，因此，算法的复杂度只有少量增加。

4 结论

LTE-A系统中的UE信道SINR的估计精度关系到CSI上报、均衡算法的性能，直接影响LTE-A系统的传输速率和性能。本文提出的基于RS的信号均衡结果估计SINR算法，比传统的利用信号RSRP和noise计算的SINR的LS算法，在复杂度增加有限的情况下，其估计精度更高，尤其是在终端处于高速移动、多普勒效应比较明显的信道环境下，SINR估算性能提升更加明显，从而为系统的传输性能带来有效的提升。

［1］Ericsson.Carrier aggregation［C］//3GPP TSG RAN WG1 Meeting.［s.l.］:3GPP，2008:18-22.

［2］3GPP.TR36.814，Further advancement for E-UTRA physical layer aspects V9.0.0［S］.Valbonne，FRANCE:2009.

［3］沈嘉.LTE-Advanced:3GPP向 IMT-Advanced演进［J］.世界电信，2009，(3):65-68.SHEN Jia.LTE-Advanced:3GPP evolved to MT-Advanced［J］.World Telecomunication，2009，(3):65-68.

［4］ZTE.DL Reference Signal Design for CSI generation in LTE-Advance［C］//3GPP RAN1#58 Meeting.Shenzhen:3GPP，2009:87-90.

［5］HIGUCHI K，KAWAI H.Likelihood Function for QRMMLD Suitable for Soft-Decision Turbo Decoding and Its Performance for OFCDM MIMO Multiplexing in Multipath Fading Channel，Indoor and Mobile Radio Communications［C］//IEEE.15th IEEE International Symposium.［s.l.］:IEEE Press，2004:1142-1148.

［6］van de BEEK Jan Jaap，EDFORS Ove.On Channel Estimation in OFDM Systems［J］.IEEE，1995，2:815-819.

［7］SHIN Wonjae，NOH Minseok.Low complexity LMMSE channel estimation for OFDM［J］.IEEE，2006，153:645-650.

［8］3GPP.TS36.211 Physical channels and modulation V8.8.0［S］.Valbonne，FRANCE:3GPP，2009.

［9］3GPP.TR36.913，Requirements for further advancements for Evolved Universal Terrestrial Radio Access(EUTRA)(LTE-Advanced)V9.0.0［S］.Valbonne，FRANCE:3GPP，2009.

［10］3GPP.TS36.213，User Equipment(UE)physical layer procedure(R10)V9.3.0［S］.Valbonne，FRANCE:3GPP，2010.