当前位置：文档库 › OFDM系统中时变信道参数的估计

OFDM系统中时变信道参数的估计

２００８，４４（３）ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用

１引言

随着无线移动通信技术的发展，对快速移动中的高数据率通信提出了越来越高的要求。正交频分复用（ＯＦＤＭ）技术以其抗多径衰落和高频带利用率的优点而被广泛。

伴随快速移动和高数据率通信使得无线信道同时具有时间和频率双重选择性衰落，而对时变信道参数的精确估计直接影响ＯＦＤＭ系统性能。ＯＦＤＭ信道估计算法已有很多研究，主要分为盲和半盲信道估计方法，盲信道估计方法需要大量的观测数据，不利于实时处理，故实际中多使用发射训练序列的半盲信道估计方法。常用的方法有最小二乘（ＬＳ）算法，最小均方误差估计（ＭＭＳＥ），最大似然估计（ＭＬＥ）［１］等，它们多是非参数化估计方法。时变信号的频率随时间而变化，且具有很强的抗干扰能力，而时频工具可以有效地分析信号在时频域的局部特性。所以近年来，基于参数化信道模型，以时变信号尤其是线性调频（ＬＦＭ）信号作为导频信号，利用其瞬时频率中包含的丰富信道信息［４］，进行参数化信道估计的方法越来越受到人们的关注。该方法早期由Ｓ．Ｂａｒｂａｒｏｓｓａ提出［２］，Ａ．Ｐａｐａｎｄｒｅｏｕ－Ｓｕｐｐａｐｐｏｌａ等人利用时频工具在这方面做了大量的工作［３－５］。在文献［６］中，使用了多分量ＬＦＭ信号来估计时变信道的参数，但需要作两次时频变换，复杂度较高。

本文提出了一种基于参数化信道模型的时变信道参数估计方法。该方法通过发射单分量ＬＦＭ信号作为ＯＦＤＭ系统的导频信号，利用ＭＤＬ标准检测信道的多径数目，再利用ＷＨＴ构造相关函数联合ＦＦＴ来估计出信道的参数。

２系统模型及相关公式

２．１ＯＦＤＭ系统模型

在ＯＦＤＭ系统中［７］，每个符号是多个经过调制的子载波信号之和，其中每个子载波的调制方式可以选择相移键控（ＰＳＫ）或者正交幅度调制（ＱＡＭ）。用等效基带信号来描述ＯＦＤＭ系统的输出信号为：

ＯＦＤＭ系统中时变信道参数的估计

崔会亮，穆晓敏，杨守义，齐林

ＣＵＩＨｕｉ－ｌｉａｎｇ，ＭＵＸｉａｏ－ｍｉｎ，ＹＡＮＧＳｈｏｕ－ｙｉ，ＱＩＬｉｎ

郑州大学信息工程学院，郑州４５０００１

ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５０００１，Ｃｈｉｎａ

Ｅ－ｍａｉｌ：ｈｕｙｕｎ＿１９８３＠ｙａｈｏｏ．ｃｏｍ．ｃｎ

ＣＵＩＨｕｉ－ｌｉａｎｇ，ＭＵＸｉａｏ－ｍｉｎ，ＹＡＮＧＳｈｏｕ－ｙｉ，ｅｔａｌ．Ｐａｒａｍｅｔｅｒｓｅｓｔｉｍａｔｉｏｎｏｆｔｉｍｅ－ｖａｒｙｉｎｇｃｈａｎｎｅｌｉｎＯＦＤＭｓｙｓｔｅｍ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００８，４４（３）：１６４－１６６．

Ａｂｓｔｒａｃｔ：Ｔｈｅｗｉｒｅｌｅｓｓｃｈａｎｎｅｌｗｉｔｈｔｉｍｅ－ｖａｒｙｉｎｇｄｉｓｔｏｒｔｉｏｎｄｅｔｅｒｉｏｒａｔｅｓｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｃｏｍｍｕｎｉｃａｔｉｏｎｓｙｓｔｅｍｓｓｅｒｉｏｕｓｌｙ．Ｓｏｔｈｅｐａｒａｍｅｔｅｒｓｏｆｔｉｍｅ－ｖａｒｙｉｎｇｃｈａｎｎｅｌｈａｖｅｔｏｂｅｅｓｔｉｍａｔｅｄｅｘａｃｔｌｙｆｏｒｔｈｅｂｅｓｔｄｅｓｉｇｎｏｆｓｙｓｔｅｍａｎｄｅｑｕａｌｉｚａｔｉｏｎｉｎｔｈｅｒｅ－ｃｅｉｖｅｒ．Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｎａｌｇｏｒｉｔｈｍｔｏｅｓｔｉｍａｔｅｔｈｅｐａｒａｍｅｔｅｒｓｏｆｔｉｍｅ－ｖａｒｙｉｎｇｃｈａｎｎｅｌｂａｓｅｄｏｎＷｉｇｎｅｒ－ＨｏｕｇｈＴｒａｎｓｆｏｒｍ（ＷＨＴ）ａｎｄｐａｒａｍｅｔｒｉｃｃｈａｎｎｅｌｍｏｄｅｌ，ｗｉｔｈａｓｉｎｇｌｅ－ｃｏｍｐｏｎｅｎｔＬｉｎｅａｒ－ＦｒｅｑｕｅｎｃｙＭｏｄｕｌａｔｅｄ（ＬＦＭ）ｓｉｇｎａｌｉｎｓｅｒｔｅｄｉｎｔｏｔｈｅｓｙｍｂｏｌｓｓｅｎｄｉｎｇｔｏｄｅｔｅｃｔｔｈｅｃｈａｎｎｅｌｉｎｔｈｅＯｒｔｈｏｇｏｎａｌＦｒｅｑｕｅｎｃｙ－ＤｉｖｉｓｉｏｎＭｕｌｔｉｐｌｅｘｉｎｇ（ＯＦＤＭ）ｓｙｓｔｅｍ．Ｉｎｔｈｅａｌｇｏｒｉｔｈｍ，ｗｅｅｍｐｌｏｙｔｈｅＭｉｎｉｍｕｍＤｅｓｃｒｉｐｔｉｏｎＬｅｎｇｔｈ（ＭＤＬ）ｃｒｉｔｅｒｉｏｎｔｏｄｅｔｅｃｔｔｈｅｎｕｍｂｅｒｏｆｐａｔｈｓｉｎｔｈｅｃｈａｎｎｅｌ．ＴｈｅｎＷＨＴａｎｄＦＦＴｃａｎｄｅｔｅｃｔａｎｄｅｓｔｉｍａｔｅｔｈｅｐａｒａｍｅｔｅｒｓｏｆｔｉｍｅ－ｖａｒｙｉｎｇｃｈａｎｎｅｌｆｒｏｍｔｈｅｒｅｃｅｉｖｅｄｐｉｌｏｔｓｉｇｎａｌｓ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌ－ｇｏｒｉｔｈｍｅｘｈｉｂｉｔｓｇｏｏｄｐｅｒｆｏｒｍａｎｃｅｓ．

Ｋｅｙｗｏｒｄｓ：ｔｉｍｅ－ｖａｒｙｉｎｇｄｉｓｔｏｒｔｉｏｎ；ＬＦＭ；ＭＤＬｃｒｉｔｅｒｉｏｎ；ＷＨＴ；ＯＦＤＭ

摘要：无线信道中的时变衰落对通信系统的性能会产生极其恶劣的影响，必须精确的估计出时变信道的参数以便更好的设计通信系统以及在接收端进行有效地均衡。提出了一种基于单分量线性调频（ＬＦＭ）信号的时变信道参数估计方法。该方法通过发射单分量ＬＦＭ信号作为正交频分复用（ＯＦＤＭ）系统的导频信号来探测时变信道，在接收端用最小描述长度（ＭＤＬ）标准来检测信道的多径数目，并用Ｗｉｇｎｅｒ－Ｈｏｕｇｈ变换（ＷＨＴ）联合ＦＦＴ进行时变信道参数估计。仿真结果表明该算法有良好的估计性能。

关键词：时变衰落；线性调频；最小描述长度；Ｗｉｇｎｅｒ－Ｈｏｕｇｈ变换；正交频分复用

文章编号：１００２－８３３１（２００８）０３－０１６４－０３文献标识码：Ａ中图分类号：ＴＮ９１１

基金项目：河南省重点科技攻关项目（ｔｈｅＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＢｒｅａｋｔｈｒｏｕｇｈｏｆＨｅｎａｎＰｒｏｖｉｎｃｅｕｎｄｅｒＧｒａｎｔＮｏ．０６２３０５１４００）。

作者简介：崔会亮（１９８３－），男，硕士生，主要研究领域为时变信道估计；穆晓敏（１９５５－），女，教授，博士生导师，主要研究领域为通信信号处理、图像信号处理、通信系统的抗干扰技术、图像数字水印技术；杨守义（１９６５－），男，教授，博士生导师，主要研究领域为图像信号处理、弱信号检测、图像数字水印技术；齐林（１９６１－），男，教授，博士生导师，主要研究领域为现代信号处理和通信系统。

１６４

２００８，４４（３）ｘ

（ｔ）＝Ｎ／２－１

ｎ＝－Ｎ／２

!ｄｎ＋Ｎ／２ｅｘｐ［ｊ２πｉ

Ｔ（ｔ－ｔｓ）］ｔｓ≤ｔ≤ｔｓ＋Ｔ（１）上式中ｄｎ（ｎ＝０，１，…，Ｎ－１）是分配给每个子信道的数据符号，Ｎ表示子信道的个数，Ｔ表示ＯＦＤＭ符号的宽度，ｔｓ为信号的开

始时间。

２．２参数化信道模型

时变衰落信道的冲激响应常采用离散时间ＦＩＲ滤波器模

型，可以用ｈ（ｔ，τ）来表示［７］，即：

ｈ

（ｔ，τ）＝Ｌ－１

ｎ＝０!ｈｎｅｊ２πｆｎｔ

δ（τ－τｎ）（２）

其中，ｈｎ＝Ｈｎｅｊ#ｎ为多径信道的衰落系数，τｎ和ｆｎ，ｎ＝１，…，Ｌ－１，表示各条路径上的多径时延和多普勒频移，δ（?）狄立克雷函数。而信道的输出信号可以表示为：

ｙ

（ｔ）＝Ｌ－１

ｎ＝０!ｈｎｅｊ２πｆｎｔ

ｘ（ｔ－τｎ）＋ｖ（ｔ）（３）

其中，ｘ（ｔ）表示输信号，ｖ（ｔ）为加性高斯白噪声。特别的，当无线信道处于慢衰落状态即有较小的多普勒频移时，可以将信道信道模型简化为：

ｈ（ｔ，τ）＝Ｌ－１

ｎ＝０!ｈｎδ（τ－τｎ

）（４）

此时可忽略多普勒频移对系统性能的影响，称为多径或慢衰落信道。本文提出的算法将对时变信道最重要的两个参数τｎ和ｆｎ进行估计。

２．３ＷＨＴ定义及其离散形式

Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布

（ＷＶＤ）是应用最广泛的一种时频分布［８］，能同时描述信号在时域和频域的局部特征，具有许多优良特性。它的连续时间形式可以表示为：

ＷＶＤｘ（ｔ，ｆ）＝∞

－∞

ｘ

（ｔ＋τ２）ｘ＊（ｔ－τ２

）ｅ－ｊ２πｆτ

ｄτ（５）

离散形式可以表示为：

ＤＴＷＶＤｘ（ｎ，ｆ）＝２Ｔ∞

ｋ＝－∞

!ｘ（ｎ＋ｋＴ）ｘ＊

（ｎ－ｋＴ）ｅ

－ｊ４πｋＴ

（６）

其中，Ｔ为采样时间间隔，（?）＊代表复共轭，ｘ（ｔ）为要处理的信号。它对单分量ＬＦＭ信号有很好的时频聚集性，但从定义来看，本质上是一种双线性变换，对于多分量信号将出现“交叉项干扰”，这将对信号参数的估计产生不利影响。所以Ｓ．Ｂａｒ－ｂａｒｏｓｓａ将ＷＶＤ与Ｈｏｕｇｈ变换

（ＨＴ）相结合，提出了Ｗｉｇｎｅｒ－Ｈｏｕｇｈ变换

（ＷＨＴ），它能有效地抑止“交叉干扰项”，最初被用于多分量ＬＦＭ的分析［９］，其连续时间形式可以表示为：

ＷＨＴｘ（ｆ，ｇ）＝

∞－∞$∞

－∞

$ｘ（ｔ＋τ２

）ｘ＊

（ｔ－τ２

）ｅ－ｊ２π

（ｆ＋ｇｔ）τｄπｄｔ＝

∞

－∞

$ＷＶＤｘ

（ｔ，ｆ＋ｇｔ）ｄｔ

（７）

离散形式可以表示为：

ＤＴＷＨＴｘ（ｆ，ｇ）＝Ｎ／２－１ｎ＝０

%ｎ

ｋ＝－ｎ

!ｘ（ｎ＋ｋ）ｘ＊

（ｎ－ｋ）ｅ

－ｊ４πｋ

（ｆ＋ｇｎ）＋

Ｎ－１ｎ＝Ｎ／２!Ｎ－１－ｎ

ｋ＝－（Ｎ－１－ｎ）

ｘ

（ｎ＋ｋ）ｘ＊

（ｎ－ｋ）ｅ－ｊ４πｋ

（ｆ＋ｇｎ）（８）

其中，Ｎ为总采样点数。ＷＨＴ每一点的值是对ｘ（ｔ）的ＷＶＤ沿直线ｆ０（ｔ）＝ｆ＋ｇｔ积分得到的，而ＬＦＭ信号的ＷＶＤ聚集在直线

ｆ（ｔ）＝ｆ０＋$ｔ上。若发射ＬＦＭ信号做导频信号，则在多径信道下，接收端的导频信号是在时间上有重叠的多径信号的叠加。采用

ＷＨＴ对接收到的导频信号进行检测，通常利用极坐标形式来实现，由于其调频率不变，在一个最优变换角度上即$＝ｇ时，会出现多个峰值，分别对应不同的瞬时频率。这种方法利用ＬＦＭ

信号作为导频信号，故调频率已知，不需要重构发射端的信号，不存在文献［１０］中指出的调频率估计误差噪声导致的时变信道参数估计性能下降的问题。

３多径信道参数估计算法

３．１多径数目的检测

由时变衰落信道的冲激响应表达式可知，可以将一个时变衰落信道看成Ｌ个冲激的叠加。对于多径数目的检测，通常采用的方法是门限比较法，也可以使用特征值分解或子空间的方法，但是这些方法主观性比较强，精确度较差。本文采用ＭＤＬ标准来检测多径数目，以循环矩阵代替信道矩阵，利用空间平滑技术和正反向平均的方法来减小信道矩阵的相关性［７，１１］。

将单分量ＬＦＭ信号作为每一帧发送信号的第一个符号插入到要传输的数据中，使其经过时变衰落信道，然后通过对接收到的导频信号进行处理得到时变信道的参数。本文所提算法的框图如图１所示。

单分量ＬＦＭ信号可以表示为：

ｘ

（ｔ）＝ｅｊ（２πｆ０ｔ＋π$ｔ２

）

（９）其中，ｆ０为初始频率，$为调频率，从上式也可以看出，ＬＦＭ信号的相位中含有丰富的信息，尤其是瞬时频率中包含的信息可

以用来对信道参数作精确的估计［１３］。在接收端首先利用ＬＳ算法进行粗略信道估计，再对获得的估计值进行等间隔抽取，构造出等效循环卷积矩阵，可以表示为：

Ｈ＝

ｈ′（１）ｈ′（２）

…ｈ′（Ｐ）

ｈ′（２）

ｈ′（３）

…ｈ′（Ｐ＋１）

…

ｈ′（Ｍ－Ｐ）ｈ′（Ｍ－Ｐ＋１）…ｈ′（Ｍ

’’’’’’’’’’(

)**********+

）（１０）

上式中，Ｍ是对估计值抽取得到的总长度，"为抽取间隔，Ｐ为抽取值的循环舍弃长度，Ｍ－Ｐ是子阵列的长度。然后通过正反向平均方法构造出信道的相关矩阵如下：

ＲＦＢ＝１

２

（ＨＨＨ＋ＪＨＨＨＪ）

（１１）

其中，（?）

Ｈ

表示共轭转置，Ｊ为置换矩阵（除反对角线上元素为

一外，其余元素皆为０），对ＲＦＢ进行特征值分解，可以得到%１≥…≥&Ｍ－Ｐ为相关矩阵的特征值由大到小的排列，此时使用ＭＤＬ

标准来检测多径信道的路径数，其数学表述为：

Ｌ

（ｄ）＝－（Ｍ－Ｐ－ｄ）ｌｏｇ（

Ｍ－Ｐ

ｍ＝ｄ

-&ｍ

）

１

Ｍ－Ｐ－ｄ

１

Ｍ－Ｐ－ｄ

Ｍ－Ｐ

ｍ＝ｄ

ｍ

00000/000001

2000003000004

（１２）

多径数目由下式来决定：

从数据中提取

导频信号

ＬＳ简单信道

估计等间隔抽取信

道估计值用循环矩阵代表信道矩阵

用正反向平均和空间平滑技术去相关

ＭＤＬ算法估计信道路径数ＦＦＴ估计各路

径瞬时频率

多普勒频移

估计

ＷＨＴ域相关函

数估计多径时延图１参数估计算法框图

崔会亮，穆晓敏，杨守义，等：ＯＦＤＭ系统中时变信道参数的估计１６５

２００８，４４（３）ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用

ｄ

!＝ａｒｇｍｉｎ

ｄ∈１，…，Ｍ－Ｐ

Ｌ

（ｄ）（１３）

其中，ａｒｇｍｉｎｄ

Ｌ（ｄ）表示使Ｌ（ｄ）最小的ｄ值。但是必须保证

Ｄ≤Ｍ－Ｐ，Ｄ为真实的多径数目。

３．２多径时延和多普勒频移的估计

将单分量ＬＦＭ信号ｘ（ｔ）代入到式（３）中，可以得到：ｙ

（ｔ）＝Ｌ－１

ｎ＝０#ｈｎｅｊ２πｆｎｔ

ｘ（ｔ－τｎ

）＋ｖ（ｔ）＝Ｌ－１

ｎ＝０

#ｈｎｅｊπ［２ｆ０（ｔ－τ

ｎ）＋"（ｔ－τｎ）２

＋ｆｎ］＋ｖ

（ｔ）＝Ｌ－１ｎ＝０

#ｈｎｅ

ｊπ［２（ｆ０－"τｎ＋ｆｎ，ｔ＋"ｔ２

＋"τｎ２－２ｆ０τｎ］

＋ｖ

（ｔ）（１４）

从上式可以看出，经过时变衰落信道后，各路径所对应的瞬时频率可以表示为：

ＩＦｎ＝ｆ０－"τｎ＋ｆｎ

（１５）在接收端经过ＬＳ信道估计后，相当于进行了解线调作用，消去了二次项，只剩下瞬时频率和瞬时相位部分，可以用ＦＦＴ来精确的估计瞬时频率得到ＩＦ＾

ｎ。同时对导频信号在接收端和发射端分别进行对应于调频率"的最优ＷＨＴ检测，得到ＷＨＴｘ（ｔ，ｆ）和ＷＨＴｙ（ｔ，ｆ

），再定义相关函数：Ｆ（τ）＝∞

－∞

ＷＨＴｘ（ｔ，ｆ）ＷＨＴｙ（ｔ＋τ

，ｆ）ｄｔ（１６）

对应不同路径的时延值τｎ会在相应的位置出现峰值，通过一

维搜索［１２］，即可得到各条路径的时延估计值τ

!ｎ。将其带入到式（１５）中，即可得到各路径的多普勒频移估计值为：

ｆ

!ｎ＝ＩＦ＾

ｎ－ｆ０＋"τ!ｎ

（１７）４仿真结果及性能分析

为了验证本文算法的有效性，给出了蒙特卡罗仿真的结果。

在仿真中，假设信道有６条路径，最大多普勒频移为１００Ｈｚ，采样间隔为０．０５"ｓ。对ＬＳ算法得到的信道估计值进行抽取的间隔#＝３２，总抽取长度Ｍ＝１７，循环舍弃长度Ｐ＝６，初始频率ｆ０＝

７．６ＭＨｚ，调频率"＝０．４ＭＨｚ／"ｓ，ＯＦＤＭ系统中采用１６ＱＡＭ调制方式，子载波数Ｎ＝５１２，ＦＦＴ变换点数为１０２４，第一条路径

时延为０，最大时延为８０个采样间隔。图２为信噪比是０ｄＢ条件下，接收端导频信号进行ＷＶＤ并在时频二维平面投影的结果。从图２中可以看出，经过时变衰落信道后的单分量ＬＦＭ信号在时频平面内模糊不清，无法进行精确的参数估计。

图３所示为对上述导频信号在接收端进行的ＷＨＴ结果。

从图中可以看出，ＷＨＴ对经过时变衰落信道的ＬＦＭ信号有很好的检测性能，在一个最优变换角度上有对应多径效应的多个

峰值。图４为采用相关函数利用接收端导频信号进行多径时延直接估计的结果。从图４中以看出，对应于多径信号的时延扩展，在ＷＨＴ域存在有明显的峰值，可以很方便的进行多径时延估计。

图５所示为采用ＭＤＬ标准检测多径数目的效果，可以看出，随着信噪比的增加正确检测的概率接近于１。图６所示为所提算法的平均估计误差的方差性能曲线和ＬＦＭ信号的参数估计ＣＲＬＢ的比较［１３，１４］，从图５中可以看出，时变信道参数估计的平均误差随着信噪比的增加而下将，并且逐渐接近ＣＲＬＢ，证明本文所提方法是有效的。

（下转２０９页）

１６６

２００８，４４（３）ＯｐｅｒａｔｉｏｎｓＲｅｓｅａｒｃｈ，２００３，５１（１）：９４－１１２．［４］ＦｒｉｓｃｈＡＭ，ＭｉｇｕｅｌＩ，ＷａｌｓｈＴ．Ｍｏｄｅｌｌｉｎｇａｓｔｅｅｌｍｉｌｌｓｌａｂｄｅｓｉｇｎ

ｐｒｏｂｌｅｍ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＪＣＡＩ－０１ＷｏｒｋｓｈｏｐｏｎＭｏｄｅｌｌｉｎｇａｎｄＳｏｌｖｉｎｇＰｒｏｂｌｅｍｓｗｉｔｈＣｏｎｓｔｒａｉｎｔｓ，２００１：３９－４５．

［５］ＦｒｉｓｃｈＡＭ，ＭｉｇｕｅｌＩ，ＷａｌｓｈＴ．Ｓｙｍｍｅｔｒｙａｎｄｉｍｐｌｉｅｄｃｏｎｓｔｒａｉｎｔｓ

ｉｎｔｈｅｓｔｅｅｌｍｉｌｌｓｌａｂｄｅｓｉｇｎｐｒｏｂｌｅｍ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＰ－０１ＷｏｒｋｓｈｏｐｏｎＭｏｄｅｌｌｉｎｇａｎｄＰｒｏｂｌｅｍＦｏｒｍｕｌａｔｉｏｎ，２００１：８－１５．［６］ＢｒａｈｉｍＨ，ＺｅｙｎｅｐＫ，ＭｉｇｕｅｌＩ，ｅｔａｌ．Ｈｙｂｒｉｄｍｏｄｅｌｌｉｎｇｆｏｒｒｏｂｕｓｔ

ｓｏｌｖｉｎｇ［Ｊ］．ＡｎｎａｌｓｏｆＯｐｅｒａｔｉｏｎｓＲｅｓｅａｒｃｈ，２００４，１３０

（１－４）：１９－３９．［７］ＧｕｐｔａＤＢＤ，ＪａｗａｈｉｒＫ．Ｍａｎａｇｉｎｇｉｎｃｒｅａｓｉｎｇｐｒｏｄｕｃｔｖａｒｉｅｔｙａｔ

ｉｎｔｅｇｒａｔｅｄｓｔｅｅｌｍｉｌｌｓ［Ｊ］．Ｉｎｔｅｒｆａｃｅｓ，２００３，３３

（２）：４１－５３．［８］ＬｉＴｉｅｋｅ，ＸｉＹａｎｇ．Ａｎｏｐｔｉｍａｌｔｗｏ－ｓｔａｇｅａｌｇｏｒｉｔｈｍｆｏｒｓｌａｂｄｅｓｉｇｎ

ｐｒｏｂｌｅｍｗｉｔｈｆｌｅｘｉｂｌｅｄｅｍａｎｄｓ［Ｃ］／／ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＩＣＡＬ，Ｊｉｎａｎ，Ｃｈｉｎａ，２００７．

［９］ＬｅｅＫａｎｇｂｏｋ，ＣｈａｎｇＳｏｏＹ，ＨｏｎｇＹｕｓｈｉｎ．Ｃｏｎｔｉｎｕｏｕｓｓｌａｂｃａｓｔｅｒ

ｓｃｈｅｄｕｌｉｎｇａｎｄｉｎｔｅｒｖａｌｇｒａｐｈｓ［Ｊ］．ＰｒｏｄｕｃｔｉｏｎＰｌａｎｎｉｎｇ＆Ｃｏｎｔｒｏｌ，２００４，１５

（５）：４９５－５０１．［１０］ＫｅｎｎｅｄｙＪ，ＥｂｅｒｈａｒｄＲ．Ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ［Ｃ］／／ＰｒｏｃｏｆＩＥＥＥ

ｉｎｔＣｏｎｆｏｎＮｅｕｒａｌＮｅｔｗｏｒｋｓ，Ｐｉｓｃａｔａｗａｙ，ＮＪ，ＵＳＡ，１９９５：１９４２－１９４８．

［１１］李宁，邹彤，孙德宝．带时间窗车辆路径问题的粒子群算法［Ｊ］．系统

工程理论与实践，２００４，２４（４）：１３１－１３５．

［１２］ＨｕＸ，ＳｈｉＹ，ＥｂｅｒｈａｒｄＲ．Ｒｅｃｅｎｔａｄｖａｎｃｅｉｎｐａｒｔｉｃｌｅｓｗａｒｍ［Ｃ］／／

Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２００４ＣｏｎｇｒｅｓｓｏｎＥｖｏｌｕｔｉｏｎａｒｙＣｏｍｐｕｔａｔｉｏｎ．Ｐｉｓｃａｔａｗａｙ，ＮＪ：ＩＥＥＥＰｒｅｓｓ，２００４：９０－９７．

［１３］ＳｈｉＹ，ＥｂｅｒｈａｒｄＲ．Ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ：ｄｅｖｅｌｏｐｍｅｎｔｓ，ａｐ－

ｐｌｉｃａｔｉｏｎｓａｎｄｒｅｓｏｕｒｃｅｓ［Ｃ］／／ＰｒｏｃＣｏｎｇｒｅｓｓｏｎＥｖｏｌｕｔｉｏｎａｒｙＣｏｍ－ｐｕｔａｔｉｏｎ２００１．Ｐｉｓｃａｔａｗａｙ，ＮＪ：ＩＥＥＥＰｒｅｓｓ，２００１：８１－８６．

（上接１６６页）５结论

本文基于参数化信道模型提出了一种ＯＦＤＭ系统中的时

变衰落信道参数估计方法。该方法以单分量ＬＦＭ信号作为导频信号，首先利用ＬＳ算法进行粗略信道估计，在接收端采用

ＭＤＬ标准并利用空间平滑技术和正反向平均的方法检测多径

数目，通过定义ＷＨＴ域的相关函数来估计信道时延参数，再结合ＦＦＴ进行多普勒频移的估计，仿真结果表明，该方法是有

效的。（收稿日期：２００７年７月）

参考文献：

［１］ＭｉｃｈｅｌｅＭ，ＵｍｂｅｒｔｏＭ．Ａｃｏｍｐａｒｉｓｏｎｏｆｐｉｌｏｔ－ａｉｄｅｄｃｈａｎｎｅｌｅｓｔｉ－

ｍａｔｉｏｎｍｅｔｈｏｄｓｆｏｒＯＦＤＭｓｙｓｔｅｍ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＳｉｇｎａｌＰｒｏｃｅｓｓ－ｉｎｇ，２００１，４９

（１２）：３０６５－３０７３．［２］ＢａｒｂａｒｏｓｓａＳ，ＳｗａｍｉＡ．Ｅｓｔｉｍａｔｉｏｎｏｆｔｉｍｅ－ｖａｒｙｉｎｇｍｕｌｔｉｐａｔｈｃｈａｎ－

ｎｅｌｐａｒａｍｅｔｅｒｓｕｓｉｎｇｃｈｉｒｐｓｉｇｎａｌｓ［Ｃ］／／ＩＥＥＥＩｎｔＳｙｍｐｏｎＩｎｆｏｒｍａ－ｔｉｏｎＴｈｅｏｒｙ，２００１：９１．

［３］ＳｈｅｎＨ，Ｐａｐａｎｄｒｅｏｕ－ＳｕｐｐａｐｐｏｌａＡ．Ｍｕｌｔｉｐａｔｈｄｉｖｅｒｓｉｔｙａｎｄｃｈａｎｎｅｌ

ｅｓｔｉｍａｔｉｏｎｕｓｉｎｇｔｉｍｅ－ｖａｒｙｉｎｇｃｈｉｒｐｓｉｎＣＤＭＡｓｙｓｔｅｍｓｗｉｔｈｕｎ－ｋｎｏｗｎＣＳＩ［Ｃ］／／ＩＥＥＥＳｔａｔｉｓｔｉｃａｌＳｉｇｎＰｒｏｃｅｓｓｉｎｇＷｏｒｋｓｈｏｐ，ＳｔＬｏｕｉｓ，２００３：３２１－３２４．

［４］ＳｈｅｎＨ，Ｐａｐａｎｄｒｅｏｕ－ＳｕｐｐａｐｐｏｌａＡ．Ｃｈａｎｎｅｌｅｓｔｉｍａｔｉｏｎｕｓｉｎｇｔｉｍｅ－

ｆｒｅｑｕｅｎｃｙｔｅｃｈｎｉｑｕｅｓ［Ｃ］／／ＰｒｏｃＩＥＥＥＩｎｔＣｏｎｆＡｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ，Ｓｉｇ－ｎａｌＰｒｏｃｅｓｓｉｎｇ

（ＩＣＡＳＳＰ），Ｐｈｉｌａｄｅｌｐｈｉａ，ＰＡ，２００５，４：５１３－５１６．［５］ＳｈｅｎＨａｏ，Ｐａｐａｎｄｒｅｏｕ－ＳｕｐｐａｐｐｏｌａＡ．Ｄｉｖｅｒｓｉｔｙａｎｄｃｈａｎｎｅｌｅｓｔｉ－

ｍａｔｉｏｎｕｓｉｎｇｔｉｍｅ－ｖａｒｉｎｇｓｉｇｎａｌｓａｎｄｔｉｍｅ－ｆｒｅｑｕｅｎｃｙｔｅｃｈｎｉｑｕｅ［Ｊ］．ＩＥＥＥＴｒａｎｓ，２００６，５４

（９）：３４００－３４１３．［６］陈恩庆，陶然．一种基于分数阶傅立叶变换的时变信道参数估计方

法［Ｊ］．电子学报，２００５，１２（３３）：２１０１－２１０４．

［７］尹长川．多载波宽带无线通信技术［Ｍ］．北京：北京邮电大学出版社，

２００４．

［８］张贤达，保铮．非平稳信号分析与处理［Ｍ］．北京：国防工业出版社，１９９８．［９］ＢａｒｂａｒｏｓｓａＳ．ＡｎａｌｙｓｉｓｏｆｍｕｌｔｉｃｏｍｐｏｎｅｎｔＬＦＭｓｉｇｎａｌｓｂｙａｃｏｍ－

ｂｉｎｅｄＷｉｇｎｅｒ－Ｈｏｕｇｈｔｒａｎｓｆｏｒｍ［Ｊ］．ＩＥＥＥＴｒａｎｓ，１９９５，２４３

（６）：１５１１－１５１５．

［１０］刘庆云，李志舜．基于自适应核时频分布的多普勒频移及多径时延

估计［Ｊ］．西北工业大学学报，２００４，２２（１）：２９－３２．

［１１］ＸｕＧｕａｎｇｈａｎ，ＲｉｃｈａｒｄＨＲ，ＫａｉｌａｔｈＴ．Ｄｅｔｅｃｔｉｏｎｏｆｎｕｍｂｅｒｏｆ

ｓｏｕｒｃｅｓｖｉａｅｘｐｌｏｉｔａｔｉｏｎｏｆｃｅｎｔｒｏ－ｓｙｍｍｅｔｒｙｐｒｏｐｅｒｔｙ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，１９９４，４２

（１）：１０２－１１２．［１２］田孝华，廖桂生，吴云韬．ＬＦＭ脉冲雷达回波Ｄｏｐｐｌｅｒ与多径时延

的联合估计［Ｊ］．电子学报，２００２，３０（６）：８５７－８６０．

［１３］ＰｅｌｅｇＳ，ＰｏｒａｔＢ．Ｔｈｅｃｒａｍｅｒ－ｒａｏｌｏｗｅｒｂｏｕｎｄｓｆｏｒｓｉｇｎａｌｓｗｉｔｈ

ｃｏｎｓｔａｎｔａｍｐｌｉｔｕｄｅａｎｄｐｏｌｙｎｏｍｉａｌｐｈａｓｅ［Ｊ］．ＩＥＥＥＴｒａｎｓ，１９９１，３９（５）：７４９－７５２．

［１４］ＲｉｓｔｉｃＢ，ＢｏａｓｈａｓｈＢ．Ｃｏｍｍｅｎｔｓｏｎｔｈｅｃｒａｍｅｒ－ｒａｏｌｏｗｅｒｂｏｕｎｄｓ

ｆｏｒｓｉｇｎａｌｓｗｉｔｈｃｏｎｓｔａｎｔａｍｐｌｉｔｕｄｅａｎｄＰｏｌｙｎｏｍｉａｌＰｈａｓｅ［Ｊ］．ＩＥＥＥＴｒａｎｓ，１９９８，４６

（６）：１７０８－１７０９．［１５］张贤达．现代信号处理［Ｍ］．２版．北京：清华大学出版社，２００２．［１６］张贤达．通信信号处理［Ｍ］．北京：国防工业出版社，２０００．

席阳，李铁克：基于粒子群算法求解区间值板坯设计优化问题２０９

信道估计算法

LS 信道估计假设OFDM 系统模型用下式表示： P P P Y X H W =+ （1）式中H 为信道响应；P X 为已知的导频发送信号；P Y 为接收到的导频信号；P W 为在导频子信道上叠加的A WGN 矢量。 LS 为最小二乘(Least —Square)信道估计， LS 算法就是对（1）式中的参数H 进行估计，使函数（2）最小。 ????()()()()H H P P P P P P P P J Y Y Y Y Y X H Y X H =--=-- （2）其中P Y 是接收端导频子载波处的接受信号组成的向量；??P P Y X H =是经过信道估计后得到的导频输出信号；?H 是信道响应H 的估计值。 ??{()()}0?H P P P P Y X H Y X H H ?--?=? 由此可以得到LS 算法的信道估计值为： 11,()H H P LS P P P P P P H X X X Y X Y --== 可见，LS 估计只需要知道发送信号P X ，对于待定的参数H ，观测噪声P W ，以及接收信号P Y 的其它统计特征，都不需要其它的信息，因此LS 信道估计算法的最大优点是结构简单，计算量小，仅通过在各载波上进行一次除法运算即可得到导频位置子载波的信道特征。但是，LS 估计算法由于在估计时忽略了噪声的影响，所以信道估计值对噪声干扰以及ICI 的影响比较敏感。在信道噪声较大时，估计的准确性大大降低，从而影响数据子信道的参数估计。 LMMSE 算法的实现流程：首先我们得到LMMSE 算法的相关公式： 211??*((()()))P P P P H LMMSE H H H H W LS H R R diag X diag X H σ--=+ 其中=()P P H H H P P R E H H 为信道矢量H 的自相关矩阵， ?LM M SE H 代表采用LMMSE 算法时信道

信道估计

寒假信道估计技术相关内容总结目录第一章无线信道 (3) 1.1 概述 (3) 1.2 信号传播方式 (3) 1.3 移动无线信道的衰落特性 (3) 1.4 多径衰落信道的物理特性 (5) 1.5 无线信道的数学模型 (7) 1.6 本章小结 (7) 第二章MIMO-OFDM系统 (8) 2.1 MIMO无线通信技术 (8) 2.1.1 MIMO系统模型 (9) 2.1.2 MIMO系统优缺点 (11) 2.2 OFDM技术 (12) 2.2.1 OFDM系统模型 (12) 2.2.2 OFDM系统的优缺点 (14) 2.3 MIMO-OFDM技术 (16) 2.3.1 MIMO、OFDM系统组合的必要性 (16) 2.3.1 MIMO-OFDM系统模型 (16) 2.4 本章小结 (17) 第三章MIMO信道估计技术 (18) 3.1 MIMO信道技术概述 (18) 3.2 MIMO系统的信号模型 (19) 3.3 信道估计原理 (21) 3.3.1 最小二乘（LS）信道估计算法 (21) 3.3.2 最大似然（ML）估计算法 (23) 3.3.3 最小均方误差（MMSE）信道估计算法 (24) 3.3.4 最大后验概率（MAP）信道估计算法 (25) 3.3.5 导频辅助信道估计算法 (26) 3.3.6 信道估计算法的性能比较 (26) 3.4 基于训练序列的信道估计 (28) 3.5 基于导频的信道估计 (28) 3.5.1 导频信号的选择 (29) 3.5.2 信道估计算法 (31) 3.5.3 插值算法 (31) 3.5.3.1 线性插值 (31) 3.5.3.2 高斯插值 (32) 3.5.3.3 样条插值 (33) 3.5.3.4 DFT算法 (33) 3.5.4 IFFT/FFT低通滤波 (33) 3.6 盲的和半盲的信道估计 (34)

基于训练的最小二乘(LS)算法的信道估计

基于训练的最小二乘（LS ）算法的信道估计一、概述与背景随着近年来无线通信系统的高速发展，基于阵列的接收机和空时分集方法逐渐成为研究热点。现在无论是在理论分析还是在富散射环境的实地测试中，MIMO （multiple-input multiple-output）系统都能够大幅度提高无线通信系统的容量。设一个t 发射天线、r 接收天线的MIMO 系统，其接收信号可表示为： i i i v Hp s +=（1） H 表示随机信道复矩阵，i p 表示t×1发送信号复向量，i v 表示零均值白噪声复向量。为了估计信道矩阵H ，假设发送的训练信号为N p p ，…,1，其中t N ≥.其对应的r×N 接收信号矩阵 ] [,1N s s S ，…=可表示为： V HP S +=（2）其中 ] [,1N p p P ，…=表示t×N 训练矩阵， ] [,1N v v V ，…=表示r×N 噪声矩阵。。而MIMO 技术的要点在于得到一个精确的信道状态信息（CSI）。而信道估计算法的任务是基于S 和P 的信息来恢复信道矩阵H 的信息. 信道估计有非盲信道估计方法、盲信道估计方法和半盲信道方法。目前使用最为广泛的MIMO 信道估计方法是非盲信道估计方法，也即使用导频信号（又称为训练序列）然后基于接收数据和训练序列的信息来实现信道估计。盲信道估计实质上是利用信道潜在的结构特征或者是输入信号的特征达到信道估计的目的。而半盲信道方法估计是上述两种信道估计方法的综合与平衡。本文主要讲的是最小二乘算法的信道估计，并用matlab 对LS 算法进行仿真，仿真内容是ZF 下理想信道与LS 估计信道的性能比较和LS 估计信道的不同天线数MIMO 系统的性能比较。

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。从信道估计算法输入数据的类型来分，MIMO信道估计方案可以划分为时域和频域两个类方法。频域方法主要针对多载波系统；时域方法适用于所有单载波和多载波MIMO系统，它借助于训练序列或发送数据的统计特性，估计衰落信道中各多径分量的衰落系数。从估计算法先验信息的角度，时域方法又可分为一下3类：（1）基于训练序列的估计按一定估计准则确定待估参数，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，即导频或训练序列。在此，我们将基于训练序列和导频序列的估计统称为训练序列估计算法。基于训练序列的信道估计适用于突发传输方式的系统。通过发送已知的训练序列，在接收端进行初始的信道估计，当发送有用的信息数据时，利用初始的信道估计结果进行一个判决更新，完成实时的信道估计。基于导频符号的信道估计适用于连续传输的系统。通过在发送有用数据的过程中插入已经的导频符号，可以得到导频位置的信道估计结果；接着利用导频位置的信道估计结果，通过内插得到有用数据位置的信道估计结果，完成信道估计。（2）盲估计利用调制信号本身固有的、与具体承载信息比特无关的一些特征，或是采用判决反对的方法来进行信道估计的方法。（3）半盲估计结合盲估计与基于训练序列估计这良好总方法优点的信道估计方法。一般来讲，通过设计训练序列或在数据中周期性地插入导频符号来进行估计的方法比较常用。而盲估计和半盲估计算法无需或者需要较短的训练序列，频谱效率高，因此获得了广泛的研究。但一般盲估计和半盲估计方法的计算复杂度较高，且可能出现相位模糊（基于子空间的方法）、误码传播（如判决反馈类方法）、收敛慢或陷入局部极小等问题，需要较长的观察数据，这一定程度上限制了它们的实用性。

信道估计

重庆交通大学信息科学与工程学院综合性设计性实验报告专业：通信工程专业11级学号：631106040222 姓名：徐国健实验所属课程：宽带无线接入技术实验室(中心)：软件与通信实验中心指导教师：吴仕勋 2014年3月

一、题目 OFDM系统的信道估计技术二、仿真要求要求一：OFDM系统的数据传输 ①传输的数据随机产生； ②调制方式采用16QAM；要求二：要求对BER的性能仿真设计仿真方案，比较两个信道估计算法（基于LS与基于DFT +LS）的性能，并画出真实估计信道幅度与信道估计的对比图。三、仿真方案详细设计信道估计模型: 无线传播信道具有很大的随机性，会引起传输信号幅度、相位和频率的失真。产牛符号|’HJ干扰等，对接收机的设计提出了很大的挑战．这就要求对无线信道进行估计和预测。信道估计器是接收机的一个重要组成部分。在理论研究中。为了更好地描述信道对信号的影响．引入了信道模型统计的方法．通过研究信号在特定环境下的特性来进信道建模。根据不同的考量标准，产生了不少信道估计算法。总而言之，—个“好”的估计方法就是要使某种估计误差最小化的估计算法。但是通常考虑到具体实现，则要求算法的复杂度要低。因此在设计信道估计算法时，需要权衡算法精准度和设计复杂度间的矛盾。信道估计一般分为非盲估计、盲估计和半肓估计。在OFDM系统中，由于传输速率较高。并且在接收端需使用相干解调技术获得较高性能，一般采用非盲估计。其基本过程是：在发送端适当位置插入导频，接收端利用导频恢复出导频位置的信道信息。在OFDM信道估计的各种算法中，典型的有LS和DFT算法。LS的准则是求得接收与发送端的最小平方误差；而DFT算法的准则则是基于LS算法基础上在DFT变换。

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（beyond 3G/4G）移动通信系统中新一代移动通信（beyond 3G/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。

实现信道估计算法的MATLAB仿真

clear all; %close all; i=sqrt(-1); Rayleigh=1; AWGN=0; % for AWGN channel MMSE=0; % estimation technique Nsc=64; % Number of subcarriers Ng=16; % Cyclic prefix length SNR_dB=[0 5 10 15 20 25 30 35 40]; % Signal to noise ratio Mt=2; % Number of Tx antennas Mr=2; % Number of Rx antennas pilots=[1:Nsc/Ng:Nsc]; % pilot subcarriers DS=5; % Delay spread of channel iteration_max=200; %%%%%%%%%%%%%%%%%%%%%%%%%%%% % Channel impulse response % %%%%%%%%%%%%%%%%%%%%%%%%%%%% if (Rayleigh) N=50; fm=100; B=20e3; fd=(rand(1,N)-0.5)*2*fm; theta=randn(1,N)*2*pi; c=randn(1,N); c=c/sum(c.^2); t=0:fm/B:10000*fm/B; Tc=zeros(size(t)); Ts=zeros(size(t)); for k=1:N Tc=c(k)*cos(2*pi*fd(k)*t+theta(k))+Tc; Ts=c(k)*sin(2*pi*fd(k)*t+theta(k))+Ts; end r=ones(Mt*Mr,1)*(Tc.^2+Ts.^2).^0.5; index=floor(rand(Mt*Mr,DS)*5000+1); end MEE1=zeros(1,length(SNR_dB)); MEE2=zeros(1,length(SNR_dB)); for snrl=1:length(SNR_dB) snrl

OFDM系统中时变信道参数的估计

信道估计算法

信道估计

基于训练的最小二乘(LS)算法的信道估计

最新LS信道估计算法

信道估计总结 (2)

信道估计

基于导频序列的信道估计算法的研究

实现信道估计算法的MATLAB仿真