基于导频序列的信道估计算法的研究

第一章绪论1.1研究背景和意义现代社会已经进入了信息时代，在各种信息技术中，信息的传输即通信起着支撑作用。由于人类社会生活对通信的需求越来越高，世界各国都在致力于现代通信技术的研究与开发以及现代通信网的建设现代移动通信技二十世纪二十年代，但是一直到20世纪70年代中期才迎来了移动通信的蓬勃发展时期。美国贝尔实验室研制成功先进移动电话系统，建成了蜂窝状模拟移动通信网，大大提高了系统容量。从八十年代开始，数字移动通信系统进入了发展和成熟时期，欧洲首先推出了全球移动通信系统（GSM），随后美国和日本也相继制定了各自的数字移动通信体制。90年代初，美国Qualcomm公司推出了窄带码分多址（CDMA）蜂窝通信系统，这是移动通信系统发展中的里程碑。从此码分多址这种新的无线接入技术在移动通信领域占据了越来越重要的地位。这些目前正在广泛使用的数字移动通信系统是第二代移动通信系统。第二代移动通信系统主要是为支持语音和低速率的数据业务而设计的，但是随着人们对通信业务范围和业务速率要求的不断提高，已有的第二代移动通信网将很难满足新的业务需求。为了适应新的市场需求，人们正在研究和设计第三代移动通信系统。尽管目前关于第三代移动通信系统的研究和标准化工作十分引人注目，但是目前第三代移动通信的方案实际只能是第二代移动通信方案的改进，算不上真正意义上的宽带接入网络。而且3G的核心网还没有完全脱离第二代移动通信系统的核心网的结构。目前，人们把越来越多的眼光投向三代以后的（beyond3G/4G）移动通信系统中新一代移动通信（beyond3G/4G）将可以提供的数据传输速率高达100Mbit/s，甚至更高，支持的业务从语音到多媒体业务，包括实时的流媒体业务，数据传输速率可以根据这些业务所需的速率不同进行动态调整。新一代移动通信的另一个特点是低成本。因此在有限的频谱资源上实现更高速率和更大容量，需要频谱效率更高的通信技术。MIMO技术充分开发空间资源，利用多个天线实现多发多收，在不需要增加频谱资源和天线发送功率的情况下，可以成倍地提高信道容量。OFDM技术是多载波传输的一种，其多载波之间相互正交，可以高效的利用频谱资源。另外，OFDM将总带宽分割为若干个窄带子载波可以有效的抵抗频率选择性衰落。因此充分研究开发这两种技术的潜力，将两者结合起来成为新一代移动通信核心技术的解决方案。信道估计是无线通信中的关键技术之一，对MIMO-OFDM系统的信道估计算法进行研究和改进，对MIMO-OFDM系统技术的发展有着非同寻常的意义。1.2MIMO-OFDM系统信道估计的研究现状随着对无线通信业务需求的不断提升，人们越来越关注对后3G(B3G)移动通信系统的研究。MIMO和OFDM技术的结合能够有效地减轻无线通信系统实验扩展的影响，显著增加系统容量，获得更稳定的性能，被公认为事后3G系统的主流技术。由于在接收端，每个子载波的信号都是来自不同发射天线的多个独立衰落信号的叠加，因此信道估计变得困难。本论文提出新的一种使用频分复用导频的序列时域关联估计的信道冲击响应信道估计算法。在频率中，使用导频的训练序列估计信道冲击与训练序列和接收信号进行的相关计算所获得信道冲击响应有相同的作用。对它进行DFT变换就可以获得信道的频域响应结果。在时域，应用MMSE准则就可以得到临近两个的导频符号间符号数据衰落数值的最好估计。MIMO-OFDM系统与传统SISO-OFDM统相比一个重要的不同在于满足一定的信道环境条件下，MIMO系统的各发送接收支路之间都拥有相互独立的空间传输信道，即OFDM系统在时域上的信道估计各径延迟与复增益或在频域上的信道估计（估计各个子载波的复增益）都将因为空间参数的引入而更为复杂。而在空间复用MIMO-OFDM系统中，MIMO信道估计的作用则更为重要，因为从各条OFDM“基带处理单元”中产生出的数据符号在没有经过空时处理的情况下直接被发送，这些相互独立的数据符号将在空间传输中发生混叠，而各接收支路上收到的也是这些被信道噪声所干扰的混叠数据符号。接收机要完成MIMO解码任务，即从这些被干扰的混叠数据符号中恢复出从各条发送支路所送出的原始数据，其实现的一个必要前提条件是需要对各组发送接收对之间的空间信道响应有准确的估计。从单载波系统的角度分析，这些不同发送接收对之间的空间信道就是在某个指定载波上的空间信道矩阵，而从OFDM的角度来看这就转化为在所有子载波上的空间信道矩阵。目前MIMO-OFDM信道估计的方法通常可以分为三类：第一类是基于导频或训练序列的方法。这类方法通常是在发送端发送训练序列来识别出各发送接收之路之间的空间信道并获得这些信道的初始估计，然后再利用嵌入在每个数据符号中的导频数据不断跟踪信道的变化。具体的方法有LS算法，在掌握信道二阶统计特性的情况下还可以采用更为准确的算法等。具体的参考文献有由ikSchober等人提出的采用二维Winner滤波器自适应跟踪时变信道的算法、edersnazi等人提出的自适应信道估计算法、线性高斯内插估计方法、最大似然估计算法、最优线性MMSE算法，由于LS算法估计效果不够理想，MMSE算法又过于复杂，XiaoYang等人还提出了将MMSE和RLS算法相结合的算法。还有一种就是通过设计导频和训练序列来降低算法的复杂度，提高估计性能，例如HanZhan等人提出的导频符号分析补偿算法，有的在训练序列中进行功率补偿。基于导频训练序列的信道估计方法性能好，简单且易于实现，应用广泛，几乎可以用于所有的无线通信系统。这类方法的缺点就是训练序列占用了信息比特，降低了信道传输的有效性，浪费了带宽。另外在接收端，要将整帧的信号接收后才能提取出训练序列进行信道估计，不可避免的带来了时延。第二类是基于被传输信息符号的有限字符和其统计特性的盲信道估计方法。由于盲信道估计算法仅仅利用接收端数据的统计特性以及一些信道特征和发送序列的统计特性来进行信道估计的，无需使用训练序列，因此大大提高了频谱利用率，引起了越来越多人的关注。盲信道估计算法根据统计特性的不同主要分为：基于高阶统计特性的盲信道辨识（HOS），例如由ShengliZhou提出的基于输入信号的高阶统计量的盲信道估计算法；基于二阶统计特性的盲信道辨识方法，其中一些算法是基于自相关矩阵子矩阵的盲估计算法，另一些是基于子空间分解的盲信道估计算法；第三种就是基于一阶统计特性的辨识方法。基于高阶统计量的盲辨识方法计算量大，收敛慢，且需要大量的数据，因此对于快速时变的通信信道它并不合适。基于二阶统计特性的盲方法由于仅仅需要计算自相关和互相关函数，因此计算量较小。但基于二阶统计的盲方法存在一些缺陷，比如存在信道的不确定量。基于一阶统计特性的辨识方法（隐含导频）通过在发送信号上叠加周期训练序列，同样节约了频带资源并且实现简单，但是由于这种处理会增加发送功率，从而使MIMO-OFDM系统的信道容量降低。第三类是同时利用盲道估计算法所用的信息和已知符号的信息来完成信道估计的半盲信道估计算法。可以根据对未知输入符号的先验知识的利用程度对半盲道估计算法如下分类。第一种是确定性算法，如SF算法、SRM算法、确定性ML算法、最小二乘平滑方法及双边线性预测方法。第二种是利用统计量信息的高斯算法，（盲）预测算法或者（盲）协方差匹配算法。将未知输入符号作为高斯随机变量来处理的半盲高斯最大似然（aussianMaximumLikelihood）也属此类。在文献中还给出了一种半盲GML算法，它采用了已知输入符号的不精确模型。第三种是利用数据的二阶或者高阶统计量的半盲道估计算法。第四种是利用输入符号的有限字符特性的算法，这类算法中有盲ML算法及其半盲推广形式。还有半盲统计ML(SML)算法也属此种算法。在MIMO-OFDM系统中，也有很多人致力于半盲道估计算法研究。半盲道估计算法算法与基于导频的信道估计算法相比计算复杂度要高，但是它提高了系统的频谱利用率。与盲道估计算法相比，又降低了计算复杂度，所以它是介于导频信道估计和盲信道估计之间的一种算法。1.3本文主要的研究内容及章节安排本文研究了基于MIMO-OFDM系统中自适应信道估计算法。根据MIMO-OFDM系统中现有的信道估计算法，结合实际提出了若干改进，并且对此进行了计算机仿真分析和实验，得到的试验数据和结果证明了算法的可行性和很好的收敛效果。本文可分为以下几个部分：第一章主要介绍了知识和研究的意义，以及信道估计算法的研究现状。第二章主要阐述了MIMO-OFDM系统，分别概述了MIMO系统、OFDM系统的基本原理、MIMO和OFDM技术的结合以及本论文相关的MIMO-OFDM关键技术，并讨论了无线信道的基本特征，重点介绍了大尺度衰落，阴影衰落和小尺度衰落，以及与多径衰落相关的时延扩展和多普勒频移等重要的概念。本章还介绍了瑞利衰落信道的特征，Jakes模型和加性高斯白噪声等重要概念。第三章重点介绍了现有的基于导频序列的信道估计算法包括LS算法和线性最优线性MMSE算法；以及盲信道估计算法和半盲信道估计算法。第四章主要研究了基于MIMO-OFDM系统的信道估计算法。首先介绍了MIMO-OFDM系统模型和导频的设计，然后介绍将LS和MMSE算法引入到MIMO-OFDM系统中，最后给出了计算机仿真和结论。第五章是全文的总结和展望。第二章MIMO-OFDM系统众所周知，在未来的宽带无线通信中，存在两个最严峻的挑战：多径信道衰落和带宽效率。OFDM通过将频率选择性多径衰落信道在频域内转变为平坦信道，从而减少了多径信道的影响，而MIMO技术能够在空间中产生独立的并行信道同时传输多路数据流，有效的增加了系统的传输速率，即由MIMO提供的空间复用技术能够在不增加系统带宽的情况下增加频谱效率，所以如果将这两种技术相结合能使系统具有很高的传输效率和很强的可靠性。本章将分别介绍MIMO技术，OFDM技术，以及研究MIMO和OFDM两种技术相结合产生一些新技术。2.1MIMO系统MIMO系统即多入多出系统，MIMO技术最早是由Marconi于1908年提出的，它利用多天线来抑制信道衰落。根据收发两端天线数量，相对于普通的单输入单输出SISO（Single-InputSingle-Output）系统，MIMO系统还可以包括单输入多输出SIMO（Single-InputMultiple-Output）系统和多输入单输出MISO（Multiple-InputSingle-Output）系统。可以看出，此时信道容量随天线数量的增大而线性增大。也就是说可以利用MIMO信道成倍地提高无线信道容量，在不增加带宽和天线发送功率的情况下，频谱利用率可以成倍地提高利用MIMO技术可以提高信道的容量，同时也可以提高信道的可靠性，降低误码率。前者是利用MIMO信道提供的空间复用增益，后者是利用MIMO信道提供的空间分集增益。实现空间复用增益的算法主要有贝尔实验室的BLAST算法、ZF算法、MMSE算法、ML算法。ML算法具有很好的译码性能，但是复杂度比较大，对于实时性要求较高的无线通信不能满足要求。ZF算法简单容易实现，但是对信道的信噪比要求较高。目前性能和复杂度最优的就是BLAST算法。该算法实际上是使用ZF算法加上干扰消除技术得到的。目前MIMO技术领域另一个研究热点就是空时编码。常见的空时码有空时块码、空时格码。空时码的主要思想是利用空间和时间上的编码实现一定的空间分集和时间分集，从而降低信道误码率。2.2OFDM技术OFDM（正交频分复用）技术实际上是MCM（Multi-CarrierModulation，多载波调制）的一种。其主要思想是将信道分成若干正交子信道，将高速数据信号转换成并行的低速子数据流，调制到在每个子信道上进行传输。正交信号可以通过在接收端采用相关技术来分开，这样可以减少子信道之间的相互干扰（ICI）。每个子信道上的信号带宽小于信道的相关带宽，因此每个子信道上可以看成平坦性衰落，从而可以消除符号间干扰。而且由于每个子信道的带宽仅仅是原信道带宽的一小部分，信道均衡变得相对容易2.2.1OFDM的优点