基于训练序列的MIMO信道估计技术

基于训练序列的MIMO信道估计技术钟昊醍MIMO介绍•MIMO表示多输入多输出。读/maimo/或/mimo/，通常美国人读前者，英国人读后者，国际上研究这一领域的专家较多的都读/maimo/。在第四代移动通信技术标准中被广泛采用，例如IEEE802.16e(Wimax)，长期演进(LTE)。在新一代无线局域网(WLAN)标准中，通常用于IEEE802.11n，但也可以用于其他802.11技术。MIMO有时被称作空间分集，因为它使用多空间通道传送和接收数据。只有站点（移动设备）或接入点（AP）支持MIMO时才能部署MIMO。为什么需要信道估计•在高数据率MIMO系统中,对宽带时变MIMO信道的估计和跟踪是实现MIMO系统接收端准确检测、解码等的前提基础,是获得系统性能改善的前提保证。训练序列•基于训练序列(包括导频)的估计方法应用最广泛,且具有较稳定的性能。它主要是按一定的估计准则确定各个待估参数值,或者按某些准则进行逐步跟踪和调整待估参数的估计值,其特点是需要借助参考信号(导频或者训练序列)。•下面介绍我所使用的几种信道估计方法LS（最小二乘）算法：导频数目为Np。导频信号序列：令令信道频域响应为H，接受到频域信号为Y，噪声为N，则：Y=XH+N假设为导频点信道增益，是它的一个估计，则误差平方和为，要使ep达到最小，应满足则推出()PkXkX011000000PPNXXXXPHˆPHˆˆHPPPPPPPeYHXYHX0PPeH1(0)(1)(1)ˆˆ,,,(0)(1)(1)TPPPPLSPPPPPPPYYYNHHXYXXXNMMSE算法•基于最小均方误差，使得最小，结合Y=XH+N，又因为以及所以导频处估计为：2ˆEHH1ˆMMSEHYYYPHRRY2()()()HHHYHHHHHYYHHNNHHNREHXHNRXREXHNXHNXRXRXRXI11211211ˆ()()PPPPPPPPHHMMSEHYYYPHYPHHPNPPPHHHHHNPPPPHRRYRXRXXXYRRXXXY1121ˆˆˆ()PPPPPHLSPPLMMSEHHHHNPPLSHXYHRRXXH又LMMSE算法前面LMMSE估计具有较大的复杂性，因为每次X中数据变化都需要求逆。通过对数据矩阵求平均来减小复杂性即用来代替，假设信号取星座中各点概率相等，那么定义平均SNR为是由调制所采用的星座图决定的常数，如16QAM时，它取值为17/91EHPPXX1HPPXX12EE1/HPPkXXxI22E/knx1ˆˆ()PPPPLMMSEHHHHLSHRRIHSNR22{}{1/}iiExEx叠加训练序列•时域上加入训练序列势必会造成带宽的浪费，近年来人们提出了基于叠加训练序列的信道估计方法。这种方法通过将一个周期训练序列叠加到信息序列上一起发送，使得接收信号展现出循环平稳的统计特性，从而采用一阶的方法来完成信道估计。这种方法无需分配特定时隙用于信道估计，因而具有更高的频谱效率。•THANKS