基于子空间法的盲信道和半盲信道估计方法

格式：pdf
大小：278.80 KB
文档页数：5

下载文档原格式

/ 5

OFDM系统的信道估计与信号检测研究与实现

摘要21世纪即将进入5G的时代，移动通信正在朝着更高的传输速率、更低的延迟、更宽的带宽、更高的频谱利用率的方向快速发展。

OFDM技术作为5G通信领域的一项关键技术，在移动通信的应用领域发挥着重要的作用。

本文主要研究了OFDM系统的信道估计与信号检测技术，设计并实现了基于AD9361的同步信号检测系统。

首先研究了OFDM系统中传统的信道估计算法，并通过仿真，分析不同导频方案设计的传统信道估计算法的局限性。

其次将深度学习的神经网络模型引入到OFDM系统中，打破传统模块化的通信系统设计模式，建立联合信道估计与信号检测的端到端网络模型，基于神经网络模型根据接收数据直接恢复出原始数据流。

与传统算法相比，基于深度学习的端到端信号检测算法无需信道的统计信息，通过大量数据学习信道特性并用于信号检测。

本文提出一种基于滑动双向门控循环单元模型(SBGRU)的端到端序列检测算法，仿真表明，所提的端到端序列检测算法在较少的导频占用率、较大的多普勒频移、较大的时延等恶劣的信道条件下相较传统信道估计算法有明显的误码率性能提升，由于充分利用序列中蕴含的信息，本文提出的SBGRU算法比基于深度神经网络模型(DNN)的符号检测算法的性能更好，且在不同信噪比条件下的泛化能力更强。

最后设计了同步信号检测系统，在两发两收天线的射频系统中，通过发射一组ZCZ 码，利用其正交性克服不同天线间的相互干扰问题，在接收端，使用基于匹配滤波器的互相关检测实现同步信号的快速捕获。

基于FPGA和AD9361搭建完整的射频收发平台，通过配置AD9361完成特定参数的射频系统设计，并对射频收发链路进行调试，在此平台上，对同步信号检测方案进行测试，验证同步方案的合理性和可靠性。

关键词：OFDM；信道估计；信号检测；深度学习；AD9361ABSTRACTThe 21st century is the age of 5G. Mobile communication is developing rapidly towards to higher transmission rate, lower delay, wider bandwidth and higher spectrum utilization. As a key technology in 5G communication field, OFDM technology plays an important role in the application field of mobile communication.This paper mainly studies the channel estimation and signal detection technology in OFDM system, designs and implements the synchronization signal detection system based on AD9361. Firstly, this paper studies the traditional channel estimation algorithms in OFDM system, simulates and analyzes the limitations of the traditional channel estimation algorithms designed by different pilot schemes.Secondly, this paper introduces deep learning neural network model into OFDM system, breaks the modular design mode of traditional communication system, establishes the end-to-end neural network model joint channel estimation and signal detection, and directly recovers the original data flow according to the received data based on the neural network model. Compared with the traditional algorithm, the end-to-end signal detection algorithm based on deep learning does not need the statistical information of the channel, it uses a large number of data to learn the channel characteristics for signal detection. In this paper, an end-to-end sequence detection algorithm based on Sliding Bidirectional Gated Recurrent Unit (SBGRU) is proposed. From our simulation results, the proposed algorithm has better bit error rate(BER) performance compared with traditional algorithms in less pilot occupation, larger Doppler shift, larger channel delay, etc. Due to making full use of the information contained in the sequence, the proposed SBGRU algorithm has better BER performance compared with the symbol detection algorithm based on deep neural network(DNN), and it has stronger generalization ability in different signal-to-noise ratio (SNR).Finally, this paper designs a synchronization signal detection system. In the RF system of two transmitter and two receiver antennas, this paper transmits a set of ZCZ codes, uses its orthogonality to overcome the interference between different antennas. At the receiver, the cross-correlation detection based on matched filter is used to realize the detection of synchronization signals rapidly. This paper builds a complete RF transceiver platform based哈尔滨工程大学硕士学位论文on FPGA and ad9361, designs the specific parameters by configuring ad9361 in RF system, debugs the RF transceiver link, and tests the synchronous signal detection scheme on the hardware platform to verify the rationality and reliability of the synchronization scheme.Key words：OFDM; channel estimation; signal detection; deep learning; AD9361OFDM系统的信道估计与信号检测研究与实现目录第1章绪论 (1)1.1研究背景与意义 (1)1.2国内外研究现状 (1)1.2.1 信道估计技术的研究现状 (2)1.2.2 同步信号检测技术的研究现状 (3)1.3论文的主要工作和内容安排 (5)第2章无线信道及OFDM技术 (7)2.1无线信道特性 (7)2.1.1 大尺度衰落 (7)2.1.2 小尺度衰落 (8)2.1.3 基于Jakes模型的瑞利衰落信道 (9)2.2OFDM技术原理 (10)2.2.1 OFDM收发机结构 (10)2.2.2 子载波调制 (11)2.2.3 OFDM保护间隔 (12)2.3基于导频辅助的OFDM系统信道估计技术 (13)2.3.1 LS信道估计算法 (14)2.3.2 MMSE信道估计算法 (15)2.3.3 线性插值 (17)2.3.4 仿真分析 (17)2.4本章小结 (20)第3章基于深度学习的端到端信号检测系统 (21)3.1深度学习相关理论 (21)3.1.1 深度神经网络模型 (21)3.1.2 循环神经网络模型 (24)3.2基于深度学习的端到端信号检测系统 (26)3.2.1 传输的信号结构 (27)3.2.2 基于深度学习的OFDM系统架构 (27)哈尔滨工程大学硕士学位论文3.2.3 基于DNN的端到端符号检测模型 (28)3.2.4 基于SBGRU的端到端序列检测模型 (29)3.3仿真分析 (32)3.4本章小结 (38)第4章基于AD9361的同步信号检测系统设计 (39)4.1同步信号检测系统方案设计 (39)4.1.1 系统总体设计方案 (39)4.1.2 基带发射端设计方案 (40)4.1.3 基带接收端设计方案 (41)4.2AD9361射频收发系统 (43)4.2.1 AD9361概述 (43)4.2.2 AD9361工作原理 (44)4.2.3 AD9361寄存器配置 (45)4.3实际测试 (51)4.3.1 AD9361射频收发链路测试 (51)4.3.2 同步系统测试 (53)4.4本章小结 (54)结论 (55)参考文献 (57)攻读硕士学位期间发表的论文和取得的科研成果 (63)致谢 (65)第1章绪论第1章绪论1.1 研究背景与意义随着移动通信技术的不断发展，4G已经快速成为与我们生活密切相关的移动通信技术。

基于子空间拟合的UWB稀疏信道盲估计

维普资讯
２００学学报（自然科学版）
ＪｕａｆＡｎｕｎｖｒｉｔｒｌＳｉｎｅＥｉｏｏｒｌｏｈｉＵｉｅｓｔＮａｕａｃｅｃｄｔｎｎｙｉ
ｓｒ－ｉ
Ｐｔ（）＝∑ｇｔ一ｉ）（— Ｃ
其中，为帧周期；ｃＴ为码片周期；， Ⅳ 为一个信息符号所包含的帧数；序列ｃ，一ｃ为用户的跳时。ｃ，
码，的元素范围为０≤ Ｃ ≤ Ｎ它ｈ一１的整数，时码的变化是以符号为周期的，跳即不同符号间的跳变规
第６期
朱行涛，：等基于子空间拟合的ＵＷＢ稀疏信道盲估计
４１
律一致，超觅带系统中期望用户的传输信号口表不为则Ｊ
（）＝∑ｐｔｉ一ｉ（－Ｔａ），Ａ
移，取值通常略大于周期脉冲ｇｔ其（）的宽度Ｄ，远小于帧周期线的输出端的合成信号波形可表示为 …
针对ＵＷＢ系统，究人员对其信道估计问题进行了大量研究，出了许多估计方法，研提但有很多是将传统的信道估计方法借鉴到某种具体的超宽带系统中进行研究，文［２中给出的基于ＭＬ准则如１— ］的信道估计算法，由于ＭＬ信道估计器的计算量非常大，于一个实际的Ｕ对ＷＢ信道是难以担负的．文［］３中给出一种联合定时同步和信道估计算法，由于要进行过采样操作，加了数据处理量．增信道估计

信道估计总结

寒假信道估计技术相关内容总结目录第一章无线信道....................................... 错误!未定义书签。

概述........................................................ 错误!未定义书签。

信号传播方式................................................ 错误!未定义书签。

移动无线信道的衰落特性...................................... 错误!未定义书签。

多径衰落信道的物理特性...................................... 错误!未定义书签。

无线信道的数学模型.......................................... 错误!未定义书签。

本章小结.................................................... 错误!未定义书签。

第二章 MIMO-OFDM系统................................. 错误!未定义书签。

MIMO无线通信技术........................................... 错误!未定义书签。

MIMO系统模型........................................... 错误!未定义书签。

MIMO系统优缺点......................................... 错误!未定义书签。

OFDM技术................................................... 错误!未定义书签。

OFDM系统模型........................................... 错误!未定义书签。

基于子空间的MIMO-OFDM盲信道估计

＝
ｙ咖（（）
（７１）
［】陈洪，予，尔扬．于噪声子空间跟踪的盲信道估计［＿１李张基Ｊ］信号处理，０７２（）８３８６２０，３６：７—７
［］Ｘａｄｎａ，ｋｎｕＡ．Ａｓｂｐｃｔｏｒｌｄ２ｉｏｏｇＣｉＡａｓ，Ｎ．ｕｓａｅｍｅｈｄｆｉｏｂｎｃａｎｌｄｎｉｃｔｎｉＦｈｎｅｉｅｔａｉＯＤＭｓｍｓ］００ＩＥｎｉｆｏｎｓｔ［．０ＥＩ．ｙｅＪ２Ｅ
噪声为ＡＷＮＧ，以＝所（＋。对Ｒ作特征值分解 ⅣＰ — ｙ
＝（啦留
…
一 …）
… （， Ⅳ）＋
（）１５
．
Ｖ
、
。
Ｕ的列向量为特征向量，，为特征值，且
≥ ，对应于 Ⅳ＋一，Ｊ
（一 Ⅳ 的特征向＋量表示Ｇ … ，＝Ｇ… ］ｌ，令Ｇ［，，，，ｌ其中
＝
跟踪算法对ＯＤ信道进行估计的研究已较多，ＦＭ如文献“ №。本文采用子空间的方法对ＭＩＯＤ信道参数进行估计。ＭＯ．ＦＭ
ｌ（，，（—）０…ＷＮＩ）ｌ
（５
１ＭＩ — ＦＭＯＯＤＭ技术原理
＝
［Ｗ－），（一］ｗｅ，ＷＮ１ … ）Ｔ
ｃａｎｌｓｉｔｎｆｒＭＩＯ— ＤＭｙｔｍ：ｅｕｉｇｔｅｈｎｅｔｅｍａｉｏＭｏＯＦｓｓｅｒｄｃｎｈ
（ｏ１）

基于子空间算法的MIMO

基于子空间算法的MIMO OFDM盲信道估计研究摘要：统一了应用于SISO-OFDM系统子空间算法盲信道估计的识别条件并推广到MIMO-OFDM系统中，实现了基于噪声子空间算法的盲信道估计技术。

该算法对信道的真实阶数不敏感，只需要MIMO 信道阶数的上限，且可以获得信道的精确估计，并且能快速收敛。

仿真结果验证了该算法的均方误差性能。

关键词：MIMO-OFDM系统；盲信道估计；循环前缀；虚拟子载波0 引言MIMO-OFDM技术将OFDM与空时编码技术有机地结合在一起，将空间分集、频率分集以及时间分集有机地结合在一起，这样可以大大地提高了无线通信中的信道容量和传输效率，并能有效地抵抗衰落、抑制干扰和噪声。

但MIMO-OFDM系统的接收机需要准确的信道参数来进行分集合并、相干检测和解码，因此信道估计的准确性对提高系统的性能十分关键。

在MIMO-OFDM系统中，相关信号检测需要一个对发射天线与接收天线之间信道冲击响应（CIR）的可靠估计，普通的信道估计可以采取发射训练序列来估计，但是对训练序列的要求确实非常严格。

更重要的是，对某些系统发射训练序列并不一定可行。

因此，盲信道估计成为近年来信道估计研究的热点。

目前，盲信道估计的算法比较多，如文献［2］提出了基于冗余线性预编码和噪声子空间的MIMO-OFDM系统的子空间的盲信道估计算法。

文献［3］提出了利用二阶信号周期平稳统计特性并采用了周期非常量模天线预编码的算法来对MIMO-OFDM系统进行盲信道估计和均衡。

文献［4］提出了基于非冗余线性分组码和相关性操作的盲信道估计算法。

提出了利用噪声子空间算法对多用户多天线填零MIMO-OFDM系统的子空间估计。

本文给出了MIMO-OFDM盲信道估计的识别条件，并实现了基于噪声子空间的盲信道估计。

该算法统一了现存SISO-OFDM盲信道估计器的条件，并推广到多天线的MIMO-OFDM系统中。

采用CP 比采用VC可获得更精确的精度，但当信噪比和OFDM数目选取比较适当的时候采用VC也可实现较好的性能，这就潜在地增加了频带的利用率，因此该算法前景比较乐观。

Massive MIMO系统基于子空间的半盲信道估计

Computer Engineering and Applications 计算机工程与应用
2018，54（8） 91
Massive MIMO 系统基于子空间的半盲信道估计
王茜竹，邱聪聪
WANG Qianzhu, QIU Congcong
重庆邮电大学通信与信息工程学院，重庆 400065 School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, China
WANG Qianzhu, QIU Congcong. Subspace-based semi-blind channel estimation for Massive MIMO systems. Computer Engineering and Applications, 2018, 54（8）：91-95.
Abstract：In view of the pilot contamination problems in Massive MIMO systems, together with the present study of SVD-based channel estimation algorithm, because the covariance matrix is made of the finite sample data rather than real data, it is a deviation here. Thus, joint SVD- based method and Iterative Least Square with Projection（ILSP）algorithm is introduced. Simulation results indicate that the proposed method can effectively reduce the deviation and improve the channel estimation accuracy, and it can effectively mitigate the effect of pilot contamination, so as to realize the purpose of Massive MIMO system performance improvement. Key words：massive Multiple-Input Multiple-Outpu（t MIMO）systems; pilot contamination; Singular Value Decomposition （SVD）algorithm; Iterative Least Square with Projection（ILSP）algorithm

OFDM

OFDM中基于子空间分解的半盲信道估计作者：刘强陈西宏胡茂凯来源：《现代电子技术》2010年第03期摘要:针对OFDM系统中盲信道估计计算量大、收敛速度慢和估计精度低的缺点,以及传统信道估计方法的频带利用率低的缺陷,详细介绍了基于子空间分解的半盲信道估计方法。

该方法利用接收信号的相关矩阵特性来估计信道,其是传输速率和收敛速度的折衷,通过Matlab软件仿真表明,此方法能较大地改善信道估计精度和降低系统的误差。

仿真结果对信道估计问题的深入研究具有借鉴意义。

关键词:正交频分复用;半盲信道估计;子空间分解;Matlab仿真中图分类号:TN914 文献标识码:A文章编号:1004-373X(2010)03-073-03Semi-blind Channel Estimation Based on Subspace Identification in OFDM SystemLIU Qiang,CHEN Xihong,HU Maokai(The Missile Institute,Air Force Engineering University,Sanyuan,713800,China)Abstract:In OFDM system,as the blind channel estimation has deficiencies of large qualities of calculation,slow convergence rate and bad precision of estimation,and the traditional means has deficiency of weak utilization of the channel,the semi-blind channel estimation based on the subspace identification is introduced in details.The estimation,which employs characteristics of the matrix of received signal to estimate the channel,it is a balance between the data transportation efficiency and convergence rate.The emulation in Matlab software shows that the means can improve the precision of estimation and reduce NRMSE of the system for a certain extent.The simulation results may be of reference value for the further research on channel-estimation problem.Keywords:OFDM;semi-blind channel estimation;subspace identification;Matlab emulation0 引言正交频分复用(OFDM)因其良好的抗频率选择性衰落和较高的频谱利用率而备受关注。

一种新的基于子空间的盲信道估计方法

系统，传统的子空间方法不能进行准确的信道估计，而本方法则能够进行较为精确的信道估计。
文中使用的一些标记含义如下：上标 “ ，率 ’和 “ Ｈ” 分别表示共轭以及共轭转置；下标 “ ，示ＦｏｅｉｓＦ，表ｒｂｎｕ范数；Ｅ・示数学期望；（）（）表・。表示对（）计值。・的估
。
’
ａ
ｌ … ａｎｑｑ＋ａ
（）２
以发射天线数为３的ＭＩ — ＦＭ系统为例简单介绍Ｔ — ＴＣ的基本原理：对于长度为 Ⅳ的发射序列，ＭＯＯＤＲＳＢ
摘要：提出了一种新的基于子空间的盲信道估计方法。该方法利用时序反转空时分组编码，运用 “ 拟接收天线”的方法进行盲信道估计，一定程度上克服了传统的基于子空间的信道估计虚在算法对ＭＩＭＯ系统中输入输出天线数目的要求限制。仿真结果证明了此方法有较好的信道估计性
ｗｉｈＴｍｅＲｅｅｓｌＳａｅＴｍｅＢｏｋＣｄｎ（Ｒ— ＴＣｓｅｌｙｄａｄｔｅｃｎｅｔｏｆ“ ｉｕｌｈｃｉ－ｖｒａｐｃｉｌｃ０ｉｇＴＳＢ）ｉｍｐｏｅｎｈｏｃｐｉｎｏｖｒａｔ
ＡｂｔａｔＡｏｅｕｓｃ —ｂｓｄｂｉｄｃａｎｌｅｔｍａｉｎｍｅｈｄｉｒｐｓｄｉｈｓｐｐｒｎｓｒｃ：ｎｖｌｓｂｐａｅａｅｌｎｈｎｅｓｉｔｏｔｏｓｐｏｏｅｎｔｉａｅ，ｉ

信道估计总结 (2)

信道估计总结LS和半盲信道估计目录一、信道估计概述 (3)二、MIMO系统模型 (4)三、波束成形半盲信道估计 (4)3.1波束成形半盲信道估计概述 (4)3.2传统的最小二乘信道估计 (5)3.3半盲信道估计 (6)A．正交导频设计 (6)B．接收波束成形估计u1 (6)C．发送波束成形估计v1 (7)3.4CLSE和半盲信道估计比较 (8)3.5总结 (10)四、OPML半盲信道估计 (10)4.1概述 (10)4.2W已知的情况下，估计酋矩阵Q (11)A．正交导频ML估计（OPML） (11)B．通用导频的迭代ML估计（IGML） (11)4.3盲估计W (13)4.4仿真结果 (13)4.5总结 (14)参考文献 (14)信道估计总结------LS和半盲信道估计一、信道估计概述移动无线通信系统的发送端所发送的信号经过无线信道传输后，由于无线信道的时变性和多径传播性，会引起传输信号的幅度和相位畸变，同时会产生符号间干扰。

如果采用MIMO 系统，则各发送天线间也会互相干扰。

在通信系统中，需要信道估计参数进行分集合并、相干解调检测和解码，在MIMO环境下，待估计的信道参数个数随着天线个数的增加线性增加，信道估计成为构建系统的难点。

所以，为了在接收端恢复正确的发射信号，找到一种高精度低复杂度的信道估计方法是必要的。

所谓信道估计，就是从接收数据中将假定的某个信道模型的模型参数估计出来的过程。

MIMO系统实现大容量的前提是接收机能对接收到的来自各发送天线的信号进行很好的去相关处理，而进行这一处理的必要条件是接收端对信道进行比较精确的估计，获得较准确的信道信息，从而能够正确地恢复被干扰和噪声污染的信号。

在MIMO通信系统中，空时信道的估计和跟踪相对于SISO系统更加复杂，同时对系统误码性能和容量有很大的影响。

这一复杂性主要表现在两个方面：快速移动通信环境所导致的信道时变特性；多径时延扩展的长度较大使得信道变成频率选择性信道，即一个时变的FIR矩阵信道，此时估计与跟踪的实现是较困难的。

基于子空间算法的MIMO-OFDM盲信道估计研究

摘要：一了应用于ＳＳ — ＤＭ系统子空间算法盲信道估计的识别条件并推广到ＭＩ）ＤＭ系统中，统ＩＯＯＦＭ（０Ｆ１实现了
基于噪声子空间算法的盲信道估计技术。该算法对信道的真实阶数不敏感，需要ＭＩ只ＭＯ信道阶数的上限，可以且
期平稳统计特性并采用了周期非常量模天线预编码的算
（』 ”Ⅳ－）

匦ｌ
！
Ｓｐ
Ｓａｍｐｌｎｒｅｉｇａｔ＝ｑ／Ｔ
法来对ＭＩＭＯ— ＤＭ系统进行盲信道估计和均衡。文献ＯＦ［３出了基于非冗余线性分组码和相关性操作的盲信道－提４
Ｖ
相关信号检测需要一个对发射天线与接收天线之问信道
冲击响应（Ｉ）可靠估计，通的信道估计可以采取发ＣＲ的普
射训练序列来估计，是对训练序列的要求确实非常严但
格。更重要的是，某些系统发射训练序列并不一定可对行。因此，信道估计成为近年来信道估计研究的热点。盲
地结合在一起，空间分集、率分集以及时间分集有机将频地结合在一起，样可以大大地提高了无线通信中的信道这
容量和传输效率，能有效地抵抗衰落、制干扰和噪声。并抑但ＭＩＭＯ— ＤＭ系统的接收机需要准确的信道参数来ＯＦ进行分集合并、干检测和解码，相因此信道估计的准确性

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

[ 2]
[ 1]
1
MIMO OFDM 系统模型
假设 1 个 M IMO OFDM 系统有 M 个发射天
30
北京邮电大学学报
第 31 卷
线和 N 个接收天线 . 其中包括 Q 个子载波 , 并使用 k 0 ~ k 0 + D - 1 共 D 个子载波发送信息数据. 剩下 Q - D 个未调制的载波就作为虚拟载波 ( VCs, v irt ual carriers) . 设第 i 个发送天线的第 n 个频域信息符号块可以被写成
2008 年 6 月第 31 卷第 3 期
北京邮电大学学报 Journal of Beijing U niv ersity of Posts and T elecommunications
Jun. 2008 Vo l. 31 N o. 3
文章编号 : 1007 5321( 2008) 03 0029 04
[ 3]
估计矩阵的正交关系估计系统信道时, 只需估计噪声子空间张成的特征向量 Us, 可以通过 R rr 的特征值分解得到[ 3
5]
.
根据约束条件 # hi # 2 = 1 , 1 ∀ i ∀ M , 可以得到信道系数矩阵 H 的估计值为 H = [ h1 , h2 ,
^ ^ ^
di ( n) = [ d i ( n, k 0 ) , d i ( n, k 0 + 1) , , d i ( n, k 0 + D - 1) ] ( 1) 其中 i 为发送天线的维数 , i = 1, 2, 接收信号向量表示为 r ( n) = Hs( n) + H Wd ( n) + 的时域信号向量 ; 为 0 , 均差向量为相关的矩阵[ 3 ] . 信道冲激响应矩阵为 h( 0 ) 0 0 h 11 ( l ) h( l ) = h 21 ( l ) hN 1 ( l ) h( L ) h ( 0) ! 0 h 12 ( l ) h 22 ( l ) hN 2 ( l ) h( 0) 0 h( L ) ! h( L ) ( 3) h 1M ( l ) h 2M ( l ) hN M ( l ) ( 4) 0 0 ( n) ( n)= ( n) ( 2) A d( n ) + ,M.
收稿日期 : 2007 11 25 基金项目 : 国家自然科学基金项目 ( 60602007) 作者简介 : 于蕾 ( 1977 ) , 女 , 博士生 , E mail: yuleisky@ gmail. com; 杨莘元 ( 1944 ) , 男 , 教授 , 博士生导师 .
低 , 却要优于盲信道估计, 且易实用化 . 这些算法中 , 由于噪声子空间方法具有简单的结构和良好的性能被认为是一种最有潜力的方法. Muquet [ 1 ] 提出了一种利用插入循环前缀( CP, cy clic prefix) 冗余的子空间算法 , 并推导了信道可辨识性的条件. L i 提出了基于虚拟子载波 OF DM 系统的子空间信道估计方法.
^ ( k)
, h∃M ] ! # F
^ ( k)
2
得到预白化后的接收信号的自相关矩阵 R~r ~r , 可以对其进行与之前相同的特征值分解 , 得到噪声子空间 , 从而估计出信道响应矩阵. 在预白化过程中, 一项必不可少的工作是用
~ R-
求得 ! . 2) 初始化 Us( n - 1) , Y ( n - 1) , 0 ∀ ∀∀ 1. 3) 计算式 ( 10 ) 和式 ( 11 ) . 4) 对式( 11) 进行 QR 分解 , 再计算 Y ( n) = UH s ( n - 1) Us ( n ) 5) 重复第 3 ) 、 4 ) 步 , 迭代得到相应的噪声子空间 U s( n) , 再根据式 ( 5) , 获得真实信道 H 最小二乘估计 H . 2 2 M > N 时的 MIMO OFDM 系统下面利用过采样技术对接收信号向量 r ( n ) 进行过采样 . 采样速率为 q / t , q %& M / N , 接收端的虚拟接收天线的个数为 qN , 可获得足够的信息估计信道冲激响应 . 重新改写过采样后的信道冲激响应, 得到信道冲激响应矩阵为
H
( 7)
2
基于子空间的信道估计
在 M IM O OFDM 系统的信道估计方法中, 利
UH s (
n - 1 ) Us ( n ) ; #( n ) 为正交补子子空间法是十分常见的一种. 但是通常的子空间法是在发射天线个数小于或等于接收天线个数情况下进行估计的, 信息有冗余 , 这样才能得到相应的信道响应 . 为了在 M > N 时也能进行信道估计 , 需要对 M IM O 信道进行过采样 , 使其获得足够的信息估计信道. 2 1 M ∀ N 时的 MIMO- OFDM 系统假设加性噪声与发送信号是不相关的, 式 ( 2) 中的信息符号向量 d ( n ) 的自相关矩阵 Rdd = E { d ( n) d ( n) } 是满秩的. 利用噪声子空间和信道
H
其中 , d ( n ) 为信息符号向量; s ( n) 为 OFDM 调制后 ( n ) 为复高斯白噪声向量, 均值
2
I ; W 为 OFDM 调制中与 IF FT
H=
( 6)
其中, hji ( l ) 为第 i 个发送天线和第 j 个接收天线之间离散复合信道 N ! M 阶的有限冲激响应滤波器的第 l 个抽头 ; L 为信道阶数.
其中 ∀为遗忘因子. 关键步骤是将迭代矩阵 Us ( n ) 正交投影至由 Us( n - 1) 张成的前一时刻的子空间, 则可以得到 Us( n) = Us( n - 1 ) Y ( n ) + #( n ) 其中, Y( n) = 空间. 定义 A ( n ) = R ( n ) Us( n - 1 ) 并将式 ( 6) 代入式 ( 8) , 可得 A ( n) = ∀ R ( n - 1 ) Us( n - 1 ) + ( 1- ∀ ) r ( n) h ( n) 其中另外, 有 U s( n - 1) = Us( n - 2 ) Y ( n - 1 ) + #( n - 1) 代入式 ( 8) , 整理得 A ( n) = H ∀ A( n - 1) Y( n - 1) + ( 1- ∀ ) r ( n) h ( n) ( 11) h( n ) = UH s ( n - 1) r ( n) ( 9) ( 10)
H
按照下面步骤采用导频的半盲算法估计信道.
第3期
于
蕾等 : 基于子空间法的盲信道和半盲信道估计方法
~ 用 R-
31
1) 根据接收到的导频或者训练序列计算信道 H 的初始化估计 H 初始值 R
( k)
^ ( 0) ^ ( 0)
1/ 2
预白化
~
, 得接收信号的自相关矩阵的
^ ( 0) H
= H
^ ( 0)
Abstract: A new channel est imation based on subspace in t wo mult iple input mult iple out put orthogo nal f requency division multiplex ing( M IM O OFDM ) syst ems is discussed. T he proposed m et hod est i mates noise subspace w ith reduced rank orthogonal it eration for low comput at ional complex it y. T he over sampled aut ocorrelat ion mat rix is t ransf ormed by colored noise w hitening . A new met hod t o est i mate colored noise covariance m at rix w it h t raining sequences is developed f or im prov ing t he conver gence rate of channel est imat ion. Simulat ion result s illust rat e t hat t he proposed met hod can get good performance. Key words: mult iple input mult iple out put ; ort hogonal f requency division m ultiplex ing; channel est i mat ion; sem i blind met hod 传统的多输入多输出 ( M IMO) 正交频分复用 ( OF DM, ort hogonal frequency division multiplex ing) 系统信道冲激响应的估计方法是通过在 OFDM 符号中周期性地发送训练序列或导频进行估计 . 但是该方法占用了信息比特, 降低了信道传输的有效性 , 浪费了带宽 . 近 2 年 MIMO OFDM 的盲信道估计成为较热门的研究领域. 盲信道估计也同样存在估计精度低、收敛速度慢等缺点 , 使得盲信道估计方法一直难以实用化 . 而半盲信道估计在同等导频数量情况下的信道估计精度虽然比非盲信道估计精度
基于子空间法的盲信道和半盲信道估计方法
于蕾, 杨莘元
( 哈尔滨工程大学信息与通信工程学院 , 哈尔滨 150001)
摘要 : 为了降低算法的复杂度 , 提出采用降秩正交迭代方法估计噪声子空间 . 利用色噪声预白化技术对过采样后的自相关矩阵进行变换 , 再用降秩迭代计算噪声子空间 . 在应用预白化技术时 , 提出一种利用训练序列估计色噪声协方差矩阵的方法 , 能明显地克服盲信道估计收敛速度慢的缺点 . 仿真结果证明 , 系统的信道冲激响应可以被良好地跟踪 . 关键词 : 多输入多输出 ; 正交频分复用系统 ; 信道估计 ; 半盲算法文献标识码 : A 中图分类号 : T N 911 7

LTE_信道估计(简介)

页数:12
信道估计总结

页数:61
信道估计

页数:55
第4讲(信道估计)

页数:31
信道估计

页数:20
信道估计 PPT

页数:20
基于子空间法的盲信道和半盲信道估计方法

页数:5
信道估计总结 (2)

页数:15
第4讲信道估计

页数:31
第4讲信道估计

页数:31