（交通信息工程及控制专业论文）基于训练序列的MIMO信道估计及相关技术研究.pdf

西南交通大学博士研究生学位论文第1 页 摘要 基于训练序列的信道估计具有复杂度低，运算速度快，估计精度高等优点， 在现代无线通信中占有重要地位。基于训练序列的m i m o ( m u l t i p l e i n p u t m u l t i p l e o u t p u t ) 信道估计按训练序列和数据的发送方式可分为三类：时分复用 ( t i m ed i v i s i o nm u l t i p l e x ，t d m ) ，隐含训练序列( s u p e r i m p o s e dt r a i n i n g ，s t ) 和数据相关隐含训练序列( d a t ad e p e n d e n ts u p e r i m p o s e dt r a i n i n g 。d d s t ) 信 道估计方法。本文围绕如何提升这三种方案的系统性能以及它们的优化性能比 较展开研究。 论文首先分析了t d m 训练序列长度与信道容量的关系；分别推导了训练 序列和信息序列功率一定以及峰均功率比给定时，基于频率选择一眭m i m o 信道 容量最大的训练序列最优长度；通过仿真分析了训练序列长度对信道容量的影 响，最优训练序列长度与信噪比和峰均功率比的关系。 然后，论文推导了频率选择性m i m o 信道下，s t 系统训练序列的最优功率 分配。给出了信道均衡器的信噪比与信息序列、训练序列以及噪声功率的关系， 并根据此关系推导了s t 系统基于均衡器信噪比最大的训练序列和信息序列最 优功率的表达式。分析和仿真结果表明，s t u i i 练序列最优功率和接收天线信 噪比有关；信号检测误符号率最小值对应的训练序列功率与理论推导的最优功 率拟合很好。 接着，论文从多个角度研究了提高d d s t 系统性能的方法。( 1 ) 、叠加在训 练序列和信息序列上的数据相关序列( d a t ad e p e n d e n ts e q u e n c e s ，d d s ) 对信 号检测来说相当于噪声，会严重影响信号估计的性能。论文研究了d d s 与信息 序列的内在关系，并提出一种既适用于二进制相移键控( b p s k ) 又适用于高阶 幅度调制信号的d d s 消除算法。分析了d d s t 信号榆测错误平层产生的原因， 推导了误符号率和误码率平层的表达式。为消除d d s t 信号榆测的错误平层， 论文又提出一种信号编码算法并给出了该算法数据冗余率的表达式。研究结果 表明，与现有算法相比，本文提出的信号检测算法复杂度更低，检测性能更好； 信息编码算法以很低的冗余率消除或减小了信号检测错误平层。( 2 ) 、为解决 d d s t 系统现有的训练序列与数据帧同步算法都只适用于单入单出 ( s i n g l e i n p u ts i n g l e o u t p u t ，s i s o ) 系统，不能直接扩展到m i m o 系统的问题， 论文提出一种基于平衡零相关区( z e r oc o r r e l a t i o nz o n e ，z c z ) 序列的d d s t 数 第1 | 页西南交通大学博士研究生学位论文 据帧同步、信道和直流偏置估计联合算法。研究结果表明：本文提出的算法在 s i s o 系统下与已有文献的算法性能接近，在m i m o 系统下的性能则比现有算法 更佳。( 3 ) 、与s t 方案类似，当天线发送的总功率一定时，训练序列的功率越 大，信号检测的性能越差。本文分析了信道均衡器信噪比和训练序列功率的关 系；推导了频率选择性m i m o 信道下，不考虑d d s 消除和d d s 已知时，d d s t 训练序列和信息序列的最优功率分配并给出了最优功率的表达式。研究结果表 明，d d s t t ) i i 练序列的最优功率与信噪比无关，与是否采用d d s 消除算法无关 与信道增益也无关。 论文最后给出了s t 和d d s t 系统训练序列功率最优时，信道容量下界的表 达式。论文从训练序列选择，信道估计性能，信道容量以及信号检测误码率和 系统吞吐率等方面比较了t d m ，s t 年i d d s t 的性能。仿真和数值结果分析表明， 在训练序列功率和长度都最优，t d m 和d d s t 峰均功率比相等时，d d s t 除采 用现有的d d s 消除技术时的信号检测误码率性能比t d m 稍差外；其余性能均 比t d m 好。 关键字：m i m o ，信道估计，信号检测，功率分配，帧同步 西南交通大学博士研究生学位论文第f ii 页 a b s t r a c t c h a n n e le s t i m a t i o nb a s e do nt r a i n i n gs e q u e n c e sh a st h ea d v a n t a g eo fl o w c o m p l e x i t y , h i g hs p e e da n de x c e l l e n tp e r f o r m a n c e ，w h i c hp l a y sav e r yi m p o r t a n t r o l ei nm o d e mw i r e l e s sc o m m u n i c a t i o n s f r o mt h ev i e w p o i n to fd a t aa n dt r a i n i n g s e q u e n c et r a n s m i s s i o n s ，t h e r ea r e t h r e em a j o rs c h e m e so ft r a i n i n gb a s e dm u l t i i n p u t m u l t i - o u t p u t ( m i m o ) c h a n n e le s t i m a t i o n o n ei st i m e - d i v i s i o nm u l t i p l e x e d ( t d m ) s c h e m ea n dt h eo t h e rt w oa r es u p e r i m p o s e dt r a i n i n g ( s t ) a n dd a t a d e p e n d e n t s u p e r i m p o s e dt r a i n i n g ( d d s t ) s c h e m e s i nt h i st h e s i s ，a l g o r i t h m st oi m p r o v et h e s y s t e mp e r f o r m a n c ea n dp e r f o r m a n c ec o m p a r i s o n o ft h et h r e es c h e m e sa r e i n v e s t i g a t e d f i r s to fa l l ，t h er e l a t i o n s h i po fc h a n n e lc a p a c i t ya n dt r a i n i n gs e q u e n c el e n g t ho f t d mi sa n a l y z e d o p t i m a lt r a i n i n gl e n g t ho ft d mf o rf r e q u e n c ys e l e c t e dm i m o c h a n n e li sd e r i v e dw h e nt h ep o w e ro ft r a i n i n ga n dd a t as e q u e n c eo rp e a kt oa v e r a g e p o w e rr a t i o ( p a p r ) i sg i v e n t h ee f f e c to ft r a i n i n gl e n g t ho nc h a n n e lc a p a c i t ya n d t h er e l a t i o n s h i po fo p t i m a lt r a i n i n gl e n g t hb e t w e e ns i g n a lt on o i s er a t i o ( s n r ) a n d p a p ri sa n a l y z e db ys i m u l a t i o n n e x t ，t h eo p t i m a lp o w e ra l l o c a t i o no fs ts c h e m ef o rf r e q u e n c ys e l e c t i v em i m o c h a n n e li sd e r i v e d t h er e l a t i o n s h i pb e t w e e nt h es n ro ft h ec h a n n e le q u a l i z e ra n d t h et r a i n i n gs e q u e n c e sp o w e ri sa n a l y z e d t h eo p t i m a lp o w e ra l l o c a t i o no ft h e t r a i n i n gs e q u e n c ei sd e r i v e db a s e do nt h ec r i t e r i o no fm a x i m i z i n gs n ro ft h e e q u a l i z e r a n a l y s i sa n ds i m u l a t i o nr e s u l t ss h o wt h a t t h es n ro ft h ec h a n n e l e q u a l i z e ri sm a x i m i z e da tt h eo p t i m a lt r a i n i n gs e q u e n c ep o w e r ，a n dt h eo p t i m a l p o w e ro ft h et r a i n i n gs e q u e n c e si si n c r e a s e dw i t hi n c r e a s eo ft h es i g n a lt on o i s e r a t i oa tt h er e c e i v e da n t e n n a s t h e n ，s e v e r a la l g o r i t h m sa r ep r e s e n t e dt oi m p r o v et h es y s t e mp e r f o r m a n c eo f d d s t ( 1 ) f o rd a t ad e t e c t o r ，t h ed a t ad e p e n d e n ts e q u e n c e s ( d d s ) a d d e do nt h e t r a i n i n ga n dd a t as e q u e n c e sa c ta sn o i s ea n dt h u sd e g r a d i n gt h ed a t ad e t e c t i o n p e r f o r m a n c e an e wd d sr e m o v a la l g o r i t h m ，w h i c hi sn o to n l ys u i t a b l ef o rb p s k s i g n a lb u ta l s os u i t a b l ef o rh i g ho r d e re q u i - s p a c e da m p l i t u d eo re q u i - s p a c e ds q u a r e q u a d r a t u r ea m p l i t u d em o d u l a t i o n ( q a m ) ，i sp r e s e n t e di nt h i st h e s i s s y m b o la n d b i te r r o rf l o o ro ft h ep r o p o s e dd e t e c t i o nm e t h o di sa n a l y z e dt o o t or e m o v et h e e r r o rf l o o r ad a t ac o d i n gm e t h o di sa l s op r o p o s e da n dt h er e d u n d a n tr a t i oo ft h e c o d i n ga l g o r i t h mi sg i v e n a n a l y s i sa n ds i m u l a t i o nr e s u l t ss h o wt h a tt h ep r o p o s e d 第1v 页西南交通大学博士研究生学位论文 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ - _ _ 一1 - _ - _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ - _ _ - _ - _ - _ _ _ - _ _ _ _ _ _ _ _ - _ - - _ _ _ _ _ _ _ - _ - _ _ _ - _ - - _ _ _ _ - - _ _ _ _ _ _ _ _ _ _ - - _ _ _ _ _ _ _ _ _ _ d e t e c t i o nm e t h o dh a sl o w e rc o m p l e x i t ya n db e t t e rp e r f o r m a n c et h a nt h ee x i s t i n g m e t h o d s t h ed a t ac o d i n ga l g o r i t h mc a nr e m o v eo rr e d u c et h ee r r o rf l o o rb ym u c h l o w e rr e d u n d a n tr a t i o ( 2 ) t h ee x i s t i n gd d s tb l o c ks y n c h r o n i z a t i o na l g o r i t h m s w o r kw e l lf o rs i n g l e - i n p u ts i n g l e o u t p u t ( s i s o ) s y s t e m s ，b u tc a nh a r d l yw o r kf o r m i m os y s t e m an e wj o i n tb l o c k s y n c h r o n i z a t i o n ，c h a n n e l a n dd c o f f s e t e s t i m a t i o na l g o r i t h mb a s e do nb a l a n c e dz e r oc o r r e l a t i o nz o n e ( z c z ) s e q u e n c ef o r m i m os y s t e mi sp r o p o s e d a n a l y s i sa n ds i m u l a t i o nr e s u l t ss h o wt h a tt h en e w a l g o r i t h mh a st h es a m ep e r f o r m a n c ea st h ee x i s t i n ga l g o r i t h m sf o rs i s os y s t e m s w h e nt h e i rb l o c ka n dc y c l i cp r e f i xl e n g t h sa r et h es a m e w 1 1 i l ef o rm i m os y s t e m s t h ep e r f o r m a n c eo ft h ep r o p o s e da l g o r i t h mi sm u c hb e t t e rt h a nt h a to ft h ee x i s t i n g a l g o r i t h m s ( 3 ) s i m i l a rt ot h es ts c h e m e ，f o ra f i x e dt r a n s m i s s i o np o w e r , t h ed a t a d e t e c t i o np e r f o r m a n c ew i l ld e g r a d ew i t ht h ei n c r e a s eo f t r a i n i n gp o w e r r e l a t i o n s h i pb e t w e e nt h es n ro ft h ed a t ad e t e c t o ra n dt h et r a i n i n gs e q u e n c ep o w e r i sa n a l y z e d t h eo p t i m a lp o w e ra l l o c a t i o no ft h et r a i n i n gs e q u e n c e sa n dd a t a s e q u e n c e si sd e r i v e dw h e nd d si st r e a t e da sn o i s ea n dd d si sk n o w n a n a l y s i s a n ds i m u l a t i o nr e s u l t ss h o wt h a tt h eo p t i m a lp o w e ro fd d s tt r a i n i n gs e q u e n c e si s i n d e p e n d e n to fs n ra n dw h e t h e rt h ed d sr e m o v a la l g o r i t h mi se m p l o y e d f i n a l l y , t h ec h a n n e lc a p a c i t yl o w e rb o u n d so fs ta n dd d s t s c h e m e sa r ed e r i v e d w h e no p t i m a lt r a i n i n gp o w e ri se m p l o y e d a n dt h ep e r f o r m a n c eo ft d m ，s ta n d d d s ti sc o m p a r e db yt r a i n i n gs e q u e n c es e l e c t i o n c h a n n e le s t i m a t i o nm s e ，d a t a d e t e c t i o nb e ra n ds y s t e mt h r o u g h p u t s i m u l a t i o na n dn u m e r i c a lr e s u l t ss h o wt h a t i ft h el e n g t ha n dp o w e ro ft r a i n i n gi so p t i m a la n dp e a k t o a v e r a g ep o w e rr a t i o ( p a p r ) o ft h et d ma n dd d s ti st h es a m e ，a l m o s ta l lo ft h ea b o v ep e r f o r m a n c eo f d d s to u t p e r f o r m st h a to ft d me x c e p td d s td a t ad e t e c t i o np e r f o r m a n c eo ft h e e x i s t i n gd d sr e m o v a lt e c h n o l o g y k e y w o r d s ：m i m o ，c h a n n e le s t i m a t i o n ，d a t ad e t e c t i o n ，p o w e ra l l o c a t i o n ，b l o c k s y n c h r o n i z a t i o n 第v i ii 页西南交通大学博士研究生学位论文 图表索引 图1 1 论文组织结构图1 1 图2 1m i m o 系统发射端模型1 6 图2 2 基于训练序列系统的数据结构图1 7 图2 3 信道容量与训练序列长度的关系2 4 图2 - 4 最优训练序列长度与信噪比的关系2 5 图2 5 最优训练序列长度与峰均功率比的关系2 5 图2 - 6 信道容量与信噪比的关系2 6 图2 7 信道估计性能与信噪比的关系2 7 图2 8 信号检测误码率与信噪比的关系2 7 图3 1m i m o 系统隐含训练序列方案发送端模型3 0 图3 3 均衡器信噪比与训练序列功率的关系曲线( 露= o 8 ) 3 7 图3 - 4 信号检测误符号率与训练序列功率的关系曲线( 一= o 8 ) 。3 8 图3 5 信号检测误符号率与训练序列功率的关系曲线( 蠢= 1 ) 3 9 图3 6 训练序列最优功率与信噪比的关系曲线( 蠢= 1 ) 3 9 图4 1s i s o 系统d d s t 发射端模型4 2 图4 24 a s k 星座图4 8 图4 3 误符号率曲线图5 6 图4 4 误比特率曲线图5 6 图5 1m i m o 系统d d s t 方案发送端模型6 0 图5 2 发送和接收数据流示意图6 2 图5 3s i s o 系统( f = 严1 ) 帧同步误差率6 6 图5 4m i m o 系统( 户严2 ) 帧i 一步误差率6 7 图5 5s i s o 系统( ，千1 ) 信道估计误差6 7 西南交通大学博士研究生学位论文第lx 页 图5 - 6m i m o 系统( f = 严2 ) 信道估计误差6 8 图5 7s i s o 系统( 户，= 1 ) 信号检测误码率6 9 图5 8m i m o 系统( 户严2 ) 信号检测误码率6 9 图6 1 均衡器信噪比与训练序列功率的关系曲线7 7 图6 2 信号检测误符号率与训练序列功率的关系曲线7 8 图6 3 不同检测方法的误符号率与训练序列功率的关系曲线7 8 图6 - 4 信道估计m s e 与训练序列功率的关系曲线7 9 图7 1 基于训练序列发送方案示意图8 2 图7 2 训练序列的最优比例曲线( 戌，r = 2 ，m - - 4 ) 8 3 图7 3 信道估计m s e 曲线( 户1 ，r = l ，m = 4 ) 8 5 图7 _ 4 信道估计m s e 曲线( 户2 ，r = 2 ，m = 4 ) 8 5 图7 5 信道容量曲线( 户1 ，r = l ，m = 4 ) 8 8 图7 - 6 信道容量曲线( 户2 ，r = 2 ，膨= 4 ) 8 8 图7 7 信号检测误码率曲线( 户l ，r = l ，朋q ) ：8 9 图7 8 系统吞吐率曲线( t = l ，r = l ，m = 4 ) 8 9 表4 1 几种信号检测算法运算复杂度比较4 9 表4 2 数据冗余率和符号错误平层列表5 5 第x 页西南交通大学博士研究生学位论文 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规 定，同意学校保留并向国家有关部门或机构送交论文的复印件和电 子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本学 位论文的全部或部分内容编入有关数据库进行检索，可以采用影 印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1 保密口，在年解密后适用本授权书； | 2 不保密剧，适用本授权书。 ( 请在以上方框内打“ ) 学位论文作者繇叩 日期：沙fd 年f 月沙日 指导教师签名： 日期：沙，d 年f 月歹z ，日 西南交通大学 学位论文创新性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下独立进行研究工 作所取得成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集 体已经发表或撰写过的研究成果。对本文的研究作过贡献的个人和集体，均已 在文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。 本学位论文的主要创新点如下： 1 分别推导了频率选择性多入多出( m i m o ) 信道下，隐含训练( s t ) 序列系统 和数据相关隐含训练序y u ( d d s t ) 系统中信道均衡器的信噪比与训练序列 和噪声功率等的关系。根据信噪比最大原则推导了s t 系统训练序列和信 息序列的最优功率；以及不考虑数据相关序歹i j ( d d s ) 消除和d d s 已知两种 情况下，d d s t 训练序列和信息序列的最优功率分配。给出了s t 和d d s t 训练序列功率最优时，信道容量下界的表达式。分析和仿真结果表明，s t 系统训练序列最优功率和接收天线信噪比有关；d d s t 训练序列的最优功 率与接收天线信噪比无关，与是否采用d d s 消除无关。( 第3 章，第6 章， 第7 章) 2 分析了频率选择性m i m o 信道下，用r r 信道估计的训练序列与信息序列 按时分复用( t d m ) 方式发送时的信道容量界；推导了训练序列和信息序列 功率一定及峰均功率比给定时，基于信道容量最大的训练序列最优长度。 从训练序列选择，信道估计性能，信道容量以及信号检测误码率和系统吞 吐率等方面比较了t d m ，s t 和d d s t 的性能。分析结果表明，在训练序 列功率和长度最优，t d m 和d d s t 峰均功率比相等时，d d s t 采用现有 的信号检测技术时，其信号检测误码率性能比t d m 稍差，而其余情形的 性能均比t d m 好，多数情况下s t 系统性能都较差。( 第2 章，第7 章) 3 虽然叠加在训练序列和信息序列上的数据相关序y l j ( d d s ) 有效地抵消了信 息序列对信道估计的影响，但是d d s 对信号检测来说相当于噪声，会严 重影响信号检测的性能。论文根据d d s 与信息序列的内在关系，提出一 种基于部分均值的信号检测算法，该算法既适用于二进制相移键控( b p s k ) 又适用于高阶幅度调制信号。分析与仿真结果表明，与现有算法相比，本 文提出的算法复杂度更低，检测性能更好。( 第4 章) 4 分析了d d s t 信号检测误符号率和误码率平层产生的原因，推导了它们的 表达式。为消除d d s t 信号检测的错误平层，本文提出一种信号编码算法 并给出了该算法的数据冗余率表达式。研究结果表明，该编码算法能以很 低的冗余率消除或减小信号检测错误平层。( 第4 章) 5 数据帧同步的性能对d d s t 信道估计和信号检测性能有很大的影响。本文 基于平衡零相关区( z c z ) 序列提出了一种d d s t 数据帧同步，信道和直流 偏置估计的联合算法。仿真结果表明，基于平衡z c z 序列的联合算法在 m i m o 系统下可以很好地实现数据帧同步和直流偏置的估计与消除。( 第 5 章) 学位敝作者答名：吁 日期：励口年月 西南交通大学博士研究生学位论文第1 页 第一章绪论 随着社会的发展，人们对通信的要求也越来越高。希望无论何时何地在任 何状态下都能和任何人沟通联系，交流信息。移动通信是实现这一目标的主要 手段。 1 8 9 7 年，意大利科学家gm a r c o n i 在固定站和一轮乘船之间，首次使用无 线电进行了距离为1 8 海里的消息传输并获得成功，揭开了移动通信的开端。在 后来1 0 0 多年时间里，在飞速发展的计算机和半导体技术的推动下，无线通信 理论和技术取得了日新月异的进步。由于它的方便、灵活和可随身携带的特点， 深受人们的青睐。如今，无线移动通信已经发展到大规模商用并逐渐成为人们 日常生活不可或缺的重要通信方式之一。用于个人通信的移动通信网络已经由 以语音通信为主的第一代( 1 g ) 、第二代( 2 g ) 系统逐步向以数据通信为主的 第三代( 3 g ) 系统转移。第三代系统的基本特征是支持语音和多媒体数据通 信，可以提供各种宽带业务，如高速数据、慢速图像等。 下一代移动通信中，物理层的关键技术不但要满足用户数量不断增长，质 量不断提高的要求，还要保证通信的安全保密性。由于信道环境和条件的影响 使通信速率和带宽受到一定限制。一般认为，今后发展以2 m b p s ( 变速移动) 、 2 0 m b p s ( 室内) 为剖1 1 。即使在这种速率下，仅靠r a k e 接收机以抗频率选择 性衰落和多径干扰已经不适应了。多径干扰主要决定于多径时延与信息码元周 期的比值。多径时延一定时，码元速率越高，多径干扰越严重。o f d m 技术可 以大大降低信息码元速率、增大码元周期，从而实现减小多径十扰的目的。 o f d m 存在的缺点是：峰均功率比( p e a k t o a v e r a g ep o w e rr a t ep a p r ) 过大； 抗频率扩散性能差；对同步性能要求高；需要获得精准的信道状态信息等。这 些都是有待进一步研究的问题。 近年来，m i m o ( m u l t i p l e i n p u tm u l t i p l e o u t p u t ) 技术受到越来越广泛的关 注【2 儿3 1 。m i m o 无线通信技术是指任何一个无线通信系统的发射端和接收端都 采用了多个天线或天线阵列，该技术最早是南m a r c o n i 于1 9 0 8 年提出的，它利 用多天线来抑制信道衰落。当接收天线数大于发射天线数时，信道容量会随着 发射天线的个数呈线性增长，从而突破了传统单输入单输出( s i s o ) 信道的 香农容量限。也就是说可以利用m i m o 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【2 儿3 。o f d m 系 第2 页西南交通大学博士研究生学位论文 统和m i m o 系统在接收信号时都需要知道信道状态信息。 1 1 无线衰落信道传播特征 与其他通信信道相比，移动信道是最为复杂的一种。信号通过无线信道时， 会受到各种衰落的影响，接收信号的功率可以表示为1 4 j ： 尸( d ) = ldi - ”s ( d ) r ( d ) ( 1 1 ) 式中，d 表示移动台与基站的距离向量，l d l 表示移动台与基站的距离。由上 式可知，无线信道对信号的影响分为三种i 大尺度衰落ldr ：表示电磁波的传播损耗，与移动台和基站的距离有关。 其中刀一般为3 4 ； 阴影衰落s ( d ) ：表示由于传播环境中地形，建筑物以及其他障碍物对电磁 波的遮挡引起的衰落；也叫做中等尺度衰落：阴影衰落是一种宏观衰落， 可以用较大的空间尺度来衡量，其衰落特性符合对数正态分布。 多径衰落r ( d 1 ：由于电磁波的反射、绕射和衍射等原因使信号可以经过多 条路径到达接收端。经过不同路径到达的信号的时延、衰落和相位都不相 同，因此几个信号在接收端相加时，如果相位相反信号电压会减小。多径 衰落也被称为小尺度衰落。 无线移动信道的主要特征就是多径传播，即接收机接收的信号是通过不同 路径到达的。如果信号带宽的倒数远大于传播路径时延，则调制码元脉宽远大 于传播路径时延。此时，传输信号的所有频率成分都会由于多径衰落而受到相 同的衰减和相移。这种信道衰落不给接收信号引入失真或只引入少量失真，称 为平坦衰落。如果传播路径的时延范围和信号带宽倒数的比较大，不同路径上 传输的信号会有不同的相移。此时，信道波形引入了幅度和相位失真，这种信 道呈现频率选择性衰落【5 j 。当收发双方发生位移或通信环境中存在障碍物时， 信道的传递函数会出现时变性。相对于大尺度衰落和阴影衰落，频率选择性衰 落和由于多普勒频移等产生的信道的时变特性对无线通信系统的影响最严重。 在实际系统中，应选用合理的信道估计和均衡技术尽可能实现数据的可靠传 输。 西南交通大学博士研究生学位论文第3 页 1 - 2 信道估计方法及特点 无线通信系统中，信号检测和信道均衡等都需要知道信道状态信息( c s i ) ， 因此信道估计占有很重要的地位。一般而言，可以将信道估计方法分为两种： 基于训练序列的信道估计和盲信道估计。基于训练序列的信道估计是指利用已 知的训练序列及其已知特性来实现信道估计，而盲信道估计则仅期望从接收到 的信号中估计信道的冲激响应。 盲估计技术的研究始于s a t o 6 1 ，主要有基于高阶统计的盲估计技术和基于 二阶统计的盲估计技术。基于高阶统计的盲估计技术【7 】【8 1 9 1 1 1 0 】【l l 】【1 2 】【1 3 】【1 4 1 是利用 输出信号采样的高阶矩来辨识信道，这种方法的特点是输入信号必须是非高斯 分布的，需要计算大量的估计方差，计算复杂度高，收敛速度慢，为得到较好 的估计性能需要大量的采样点【l5 1 。基于二阶统计的盲估计技术利用接收信号 的循环二阶矩辨识信道【1 6 】【1 7 】【1 8 】【1 9 1 2 0 1 1 2 1 1 1 2 2 1 。与基于高阶统计的盲估计算法相 比，基于二阶统计的估计算法的优点是算法相对简单；主要缺点是需要信道和 信号的额外信息( 如输入信号的统计特性和信道的阶数等) ，信道估计性能受 信道阶数估计【2 3 】误差的影响很大。与通过训练序列或导频进行信道估计的方 法相比较，盲估计一般需要很长一段接收信息序列，并且算法比较复杂。故通 常只适合于慢速变化的信道，在实际系统应用中受到较大限制。 基于训练序列的信道估计技术需要发送接收端已知的训练序列，并利用其 已知特性实现信道估计。根据训练序列和信息序列发送的方式不同，可分为时 分复用( t i m ed i v i s i o nm u l t i p l e x ，t d m ) ，隐含序列( i m p l i c i tt r a i n i n g ，i t ) 或 叠加序列( s u p e r i m p o s e dt r a i n i n g ，s t ) 和s t 的改进方案数据相关隐含训 练序列( d a t ad e p e n d e n ts u p e r i m p o s e dt r a i n i n gd d s t ) 三种。t d m 方法将已知 训练序列和信息序列通过时分复用( t d m ) 的方式发送，通过对训练序列和 信息序列发送结构和功率的优化设计，可以获得很好的性能。t d m 方案中，训 练序列和信息序列是分开发送的，训练序列需要占用一定的带宽( 专门的信道 或时隙) ，训练序列和信息序列互不干扰，信道估计和信号榆测性能都较好。 s t 方案将训练序列和信息序列叠加在一起发送，在接收端采用一阶统计算法 分离出与训练序列相关的部分来进行信道估计。s t 方案中，叠加在训练序列 上的信息序列会降低信道估计的性能。d d s t 方案通过在训练序列和信号序列 上叠加一个与信号序列相关的数据相关序y l ( d a t ad e p e n d e n ts e q u e n c ed d s ) 消除信息序列对信道估计的影响。s t 和d d s t 方案不占用专门的时隙来传送训 第4 页西南交通大学博士研究生学位论文 练序列，以功率损失节约了带宽。平均功率相同时，s t 和d d s t 方案信息符号 功率比t d m 方案的小，因此其实际的信噪比较小。另外，d d s t 方案中叠加的 d d s 虽然抵消了信息序列对信道估计得影响，但是对信号检测来说相当于噪 声，会降低信号检测性能。 1 3 基于训练序列的信道估计及相关技术国内外研究现状 1 3 1 信道估计研究现状 无论是单天线( s i n g l ei n p u ts i n g l eo u t p u ts i s o ) 还是m i m o 系统中，信道 估计技术都占有重要地位。本文主要研究基于训练序列的估计方法，不考虑盲 估计算法。对基于训练序列信道估计的研究主要体现在以下两个方面：估计算 法研究和训练序列设计。 信道估计方法与性能研究 常用的信道估计算法有最d , - 乘法，最大似然( m a x i m u ml i k e h o o dm l ) 和最小均方误差( m i n i m u mm e a ns q u a r ee r r o rm m s e ) 算法等【2 4 】1 9 9 1 年，s n c r o z i e r 等【2 5j 提出一种基于误差平方和最小的信道估计算法，推导了该算法的 估计性能，分析了基于这种算法的最优训练序列。1 9 9 9 年，文献 2 6 】分析了垂 直分层码的m l 信道估计算法并分析了该信道估计算法的最优训练序列。2 0 0 0 年yl i 等在文献 2 7 中提出一种多发射天线o f d m 系统的递归l s 估计算法。 2 0 0 4 年m e h r z a db i g u e s h 2 8 】等研究了多发射、单接收系统的l s 和m m s e 信道估 计方法并探讨了其最优训练序列。同年，他们又在论文【2 9 】和 3 0 中推导了 m i m o 系统下，l s 、m m s e 和s l s 信道估计算法性能和最优训练序列的特性， 比较了这几种算法的性能。从分析结果看出：信道估计性能与训练序列长度和 功率有关，训练序列越长、功率越大，信道估计性能越好。研究表明，m m s e 算法需要知道信道相关矩阵和噪声功率信息，信道估计性能优于l s 和s l s 算 法；l s 算法性能最差，但算法最简单且不需要任何附加信息。后来，袁伟娜 等【3 l 】【3 2 】将文献 2 9 的结论扩展到m i m o 多径信道的情况，且采用z c z 序列【3 3 】作 为训练序列，推导了信道估计均方误差的闭合表达式，分析了l s 幂i s l s 方法的 多径m i m o 信道估计性能。以上研究都是基于假设信道为独立同分布信道进行 的，2 0 0 7 年d k a t s e l i s 等【3 4 】研究了多用户环境下，m i m o 相关信道的信道估计 问题。文中研究了l s ，l m m s e ( 1 i n e a rm i n i m u mm e a ns q u a r e de r r o r ) 和g m 西南交通大学博士研究生学位论文第5 页 ( g a u s s m a r k o v ) 估计算法，提出了种替代l m m s e 算法的估计算法并给出 了这几种算法基于m s e 最小的最优训练序列的性质。 降低m i m o 信道估计算法复杂度，提高估计性能是很多学者研究的重点。 在移动通信中，多径效应一般可以用几个主要路径来模拟，每径的时延变化很 慢而幅度和相位变化较快。根据这一特征，2 0 0 1 年b a o g u oy a n g 等【35 j 提出了基 于参数化模型的信道估计算法，该算法首先利用旋转不变特性信号参数估计方 法( e s p t ) 捕获多径的初始时延，然后通过径间干扰抵消延迟锁定环来跟 踪信道多径时延，最后利用多径时延信息得出一种估计信道频率响应的最小均 方误差估计算法。文献 3 5 】的研究表明，利用参数化信道模型可以有效地降低 稀疏衰落信道相关矩阵的信号子空间维数，提高信道估计的性能。2 0 0 2 年， r c h e n 把文献 3 5 】中基于参数化模型的信道估计方法扩展到m i m o o f d m 系 统 3 6 1 。利用参数化模型，可以通过估计与多径相关的少数几个参数得到 m i m o o f d m 信道响应的估计值。然而当信道变化时，需要用米估计初始时 延的训练符号的数目很大，甚至于可能无法实现。2 0 0 2 年y el p j 通过对最优 训练序列的设计来避免矩阵求逆，从而简化初始信道估计，提高估计性能。2 0 0 4 年，o s v a l d os i m e o n e 掣3