基于基扩展模型的改进正则化正交匹配追踪V2X 快时变SC-FDMA 信道估计

廖勇，蔡志镕

（重庆大学微电子与通信工程学院，重庆 400044）

1 引言

随着车联网[1-2]的快速发展，车联万物（V2X,vehicle-to-everything）通信已成为车载服务的关键技术[3-4]。V2X 主要包括车到基础设施（V2I,vehicle-to-infrastructure）、车到车（V2V,vehicleto-vehicle）和车到行人（V2P,vehicle-to-pedestrian）。V2X 作为智能交通系统（ITS,intelligent transportation system）中的重要部分，对ITS 的高效运转起着关键作用。针对车联网V2X 场景，在实际应用中用户对高可靠低时延通信（URLLC,ultra-reliable and low latency communication）[5]有极高的要求，这也是保障道路交通安全的重要因素。信道估计作为车联网V2X 通信中的关键处理技术受到了人们的广泛关注。目前，主流的支持V2X 通信的标准是C-V2X（cellular vehicle-to-everything），其采用了具有较低峰均比的单载波频分多址（SC-FDMA,single-carrier frequency-division multiple access）[6]。作为SC-FDMA 系统的关键技术，信道估计直接决定了通信的质量。在V2X 场景下，高速移动的车载终端会加剧多普勒效应，使信道快速变化，引起子载波间干扰（ICI,inter-carrier interference）[7]，并造成通信系统性能恶化，因此接收信号的正确译码必须依赖于高效且准确的信道估计。

传统的信道估计采用最小二乘（LS,least square）算法或线性最小均方误差（LMMSE,linear minimum mean square error）算法，忽略了高速移动场景下的ICI，限制了信道估计的精度[8]。针对此情况，更符合高速移动场景的基扩展模型（BEM,basic expansion model）被提出[9]。文献[10]提出一种基于BEM 的频域快时变信道估计算法，其利用信道频域时变传输函数辅助估计得到信道频域响应矩阵。文献[11]针对多输入多输出（MIMO,multiple input multiple output）通信系统，引入基于离散傅里叶变换的时空基扩展模型（ST-BEM,spatial-temporal basis expansion model）降低训练成本。文献[12]提出了一种基于BEM 和上行链路探测参考信号的快时变信道估计算法。

然而，上述研究中BEM 系数仍然主要采用LS估计，首先引入了噪声，其次没有充分利用BEM系数存在的稀疏性。……