（通信与信息系统专业论文）基于重构观测信号序列的mimo信道估计技术研究.pdf

西南交通大学硕士研究生学位论文第l 页 摘要 多输入多输出( m u l t i p l ei n p u tm u l t i p l eo u t p u t ) 系统作为未来移动通信 系统的优选技术之一，能够充分利用空间资源，在不增加系统带宽和天线 发射总功率的情况下，明显地改进频谱利用率，大大提高系统容量，因此 获得广泛研究。 一般而言，采用空时编码可获得较高的m i m o 系统容量。然而，采用 空时编码的前提是信道状态信息能够被准确估计，只有获得较准确的信道 状态信息，m i m o 系统才能获得理想的信道容量。因此，如何获得准确的 m i m o 信道状态信息就成为一个关键问题。 本文正是从m i m 0 系统研究出发，重点研究了m i m o 系统中的关键 技术之一的信道估计技术。首先，本文针对静止信道条件下或信道缓慢变 化条件，在传统的基于训练序列的信道估计算法基础上，提出了一种基于 重构观测样本的信道估计方法。新的估计方法通过充分利用系统所提供的 冗余信息，构造出新的观测序列：累加观测信号序列a o n s s 和级联观测 信号序列c o n s s 。假设信道状况理想且服从平坦衰落，提出了基于a o n s s 和c o n s s 的m l 估计算法、l s 估计算法和l m m s e 估计算法，推导得出 了基于a o n s s 和c o n s s 的广义c r a m e r r a o 下界。研究表明：基于重构 观测样本的m l 估计算法、l s 估计算法和l m m s e 估计算法性能优于其 相对应的传统估计算法，可以获得更准确的信道估计结果。然而，基于 a o n s s 或是基于c o n s s 观测信号序列的m i m o 信道估计方法的应用条 件是不尽相同的，只有发射端再重复发送完全相同的训练序列的情况下， 才可使用基于a o n s s 的m i m o 信道估计策略。而基于c o n s s 的m i m o 信道估计策略由于是对接收信号进行级联，则没有这个限制条件，但由于 增加了接收信号的长度而使得计算复杂度却基于a o n s s 的估计方法。 此外，针对连续衰落，本文仍实施基于a o n s s 和c o n s s 的信道估计。 我们把信道分组衰落情况下所得到的最大似然估计算法以及对应的最优 训练序列应用于信道连续衰落的情况，并在此基础上研究信道估计误差。 研究表明：在信道连续衰落的情况下，信道估计误差由噪声和信道时变特 性造成，与传统的最大似然估计算法相比，基于重构样本的m l 算法增加 西南交通大学硕士研究生学位论文第l i 页 了观测训练序列样本数，该方法降低了由噪声造成的估计误差，但却使得 由信道时变特性造成的估计误差增加。另外，传统m l 估计算法所对应的 估计误差可视为基于a o n s s 的m l 估计算法以及基于c o n s s 的m l 估 计算法所对应的估计误差在没有冗余时的特例。相关仿真结果表明：在信 道时变情况下，论文所提出基于重构观测样本的信道估计方法是切实可行 的，为深入研究m i m o 通信系统下的基于重构观测样本的信道估计提供了 一种新的思路和途径。 关键词：m i m o ，信道估计，累加观测信号序列，级联观测信号序列。 西南交通大学硕士研究生学位论文第1 il 页 a b s t r a c t b e c a u s eo fh i g h l ys p a c er e s o u r c eu s i n ge f f i c i e n c ya n dh i g h l ys p e c t r u m u s i n ge f f i c i e n c ya n di m p r o v i n gc h a n n e lc a p a c i t yg r e a t l yw i t h o u ti n c r e a s i n g c h a n n e lb a n d w i d t h ，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 ts y s t e mi sc h o s e na so n e o ft h ea d v a n t a g e dt e c h n i q u e sf o rt h ef u t u r em o b i l ec o m m u n i c a t i o ns y s t e m ， w h i c hh a sb e e nt h et o p i co fm a n yr e s e a r c h e s i ng e n e r a l ，u s i n gs p a c et i m ec o d ec a ni m p r o v em i m os y s t e mc a p a c i t y h o w e v e r ，t h ep r e c o n d i t i o no fu s i n gs p a c et i m ec o d ei st h a tm i m oc h a n n e l i n f o r m a t i o nc a nb ee s t i m a t e d c o r r e c t l y o n l yw i t ht h e c o r r e c te s t i m a t e d c h a n n e li n f o r m a t i o n ，m i m os y s t e mc a n g e t t h ei d e a lc h a n n e l c a p a c i t y t h e r e f o r e ，h o wt og e tt h em i m oc h a n n e li n f o r m a t i o nc o r r e c t l yb e c o m e sa c r u c i a lp r o b l e m c h a n n e le s t i m a t i o n ，o n eo fc r u c i a l t e c h n i q u e s i nm i m os y s t e m ，i s i n v e s t i g a t e di nt h i sp a p e r a tf i r s t ，f r o mt h et r a d i t i o n a lc h a n n e le s t i m a t i o n s t r a t e g yu s i n gt r a i n i n gs e q u e n c e ，an o v e lc h a n n e le s t i m a t i o nm e t h o d ，w h i c hi s b a s e do nr e c o n s t r u c t e do b s e r v e ds i g n a ls e q u e n c ei s p r o p o s e d b a s e do n r e d u n d a n ti n f o r m a t i o nu s e db yt h en o v e lm e t h o d ，t w on e wo b s e r v e ds e q u e n c e s a r ep r o p o s e d ：o n ei sa c c u m u l a t i v eo b s e r v e dn o i s ys i g n a ls e q u e n c e ( a o n s s ) ； t h eo t h e ri sc o n c a t e n a t e do b s e r v e dn o i s ys i g n a ls e q u e n c e ( c o n s s ) u n d e rt h e a s s u m p t i o nt h a tc h a n n e li sb l a c ka n df l a tf a d i n g ，f i r s t l y ，m a x i m u ml i k e l i h o o d ( m l ) c h a n n e le s t i m a t i o n ，l e a s ts q u a r e ( l s ) c h a n n e le s t i m a t i o na n dl i n e a r m i n i m u mm e a ns q u a r ee r r o r ( l m m s e ) c h a n n e le s t i m a t i o n ，w h i c ha r ea l l b a s e do na o n s sa n dc o n s s ，a r ed e r i v e d t h e n ，b a s e do na o n s sa n d c o n s s ，t h eg e n e r a l i z e dr a n d o mc r a m e r - r a ol o w e rb o u n d s ，w h i c hi n c l u d e t r a d i t i o n a lc r a m e r - r a ol o w e rb o u n d sa s s p e c i a lc a s e s ，a r ea l s od e r i v e d c o m p a r i n gt ot r a d i t i o n a lm l ，l sa n dl m m s ee s t i m a t i o na l g o r i t h m s ，t h e p e r f o r m a n c e so fp r o p o s e dm l ，l sa n dl m m s e b a s e do na o n s sa n dc o n s s a r eb e t t e r h o w e v e r ，t h e p r e c o n d i t i o n o f u s i n g a o n s si st h a t e v e r y t r a n s m i t t e dp a c k a g e st r a i n i n gs e q u e n c ei st h es a m e ，u s i n gc o n s sd o e s n t h a v es u c hp r e c o n d i t i o n c o m p a r i n gt oa o n s s ，t h es h o r t a g eo fc o n s si st h i s m e t h o dc a ni n c r e a s et h ea l g o r i t h m i cc o m p l e x i t y f u r t h e r m o r e ，w ea p p l yt h em lc h a n n e le s t i m a t o rb a s e do na o n s sa n d c o n s s ，a n dt h eo p t i m a lt r a i n i n gs e q u e n c e sf o rb l o c kf a d i n gc h a n n e l st o 西南交通大学硕士研究生学位论文第l v 页 c o n t i n u o u sf l a tf a d i n gc h a n n e l sa n da n a l y z et h ee s t i m a t i o ne r r o r w es h o wt h a t t h ec h a n n e le s t i m a t i o ne r r o rf o rc o n t i n u o u sf a d i n gc h a n n e l si sc a u s e db yn o i s e a sw e l la st h et e m p o r a lv a r i a t i o no fc h a n n e l f o rt h em o r eo b s e r v e dt r a i n i n g s e q u e n c es i g n a l s ，n o v e lm le s t i m a t o r sb a s e do na o n s sa n dc o n s sh a v e l e s se s t i m a t i o ne r r o rd u et on o i s e t h a nt h a to ft r a d i t i o n a lm le s t i m a t o r h o w e v e r , f o rt h em o r eo b s e r v e dt r a i n i n gs e q u e n c es i g n a l s ，e s t i m a t i o ne r r o r d u et ot e m p o r a lv a r i a t i o no fc h a n n e li si n c r e a s e d f u r t h e r m o r e ，t r a d i t i o n a lm l e s t i m a t o rc a nb es e r v e da sas p e c i a lc a s eo fm le s t i m a t o rb a s e do na o n s s a n dc o n s sw i t h o u tr e d u n d a n c y s i m u l a t i o nr e s u l t ss h o wt h a tu n d e rt h e c o n t i n u o u s f a d i n gc h a n n e l ，t h ep r o p o s e d r e c o n s t r u c t e do b s e r v e ds i g n a l s e q u e n c em e t h o di sv i a b l ef o rc h a n n e le s t i m a t i o n ，w h i c hg i v e sa n o t h e rm e t h o d t or e s e a r c ht h em l m oc h a n n e le s t i m a t i o nb a s e do nr e c o n s t r u c t e do b s e r v e d s i g n a ls e q u e n c e k e yw o r d s ：m i m o ，c h a n n e le s t i m a t i o n ，a c c u m u l a t i v e o b s e r v e dn o i s y s i g n a ls e q u e n c e ( a o n s s ) ，c o n c a t e n a t e do b s e r v e dn o i s ys i g n a ls e q u e n c e ( c o n s s ) 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、缩印或扫描等复印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0 ，使用本授权书。 ( 请在以上方框内打“ ) 学位论文作者签名：支一焰 日期：伽9 、，7 , 2 , - 指导老师签名：曦汰慕 日期：扣国江 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，是在导师指导下独立进行研究工作所 得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体 已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，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 在传统的基于训练序列的信道估计算法基上，提出了一种基于重构观测 训练序列的信道估计方法。新的估计方法通过充分利用系统所提供的冗余信息， 并在此基础上构造新的观测序列累加观测信号序列a o n s s 及级联观测信号序 列c o n s s 。 2 针对分组衰落信道，提出了基于a o n s s 和c o n s s 的最大似然估计算 法、最小二乘估计算法和线性最小均方误差估计算法，推导得出了基于累加观 测信号序列a o n s s 和级联观测信号c o n s s 的广义c r a m e r r a o 下界。研究表 明：传统的c r a m e r - r a o 下界可以视为广义c r a m e r - r a o 下界在没有冗余信息时 的特例，基于重构观测样本的m l 估计算法、l s 估计算法和l m m s e 估计算法 性能优于传统似然估计算法，可以获得更准确的信道估计结果。 3 针对连续衰落信道，本文把信道分组衰落情况下所得到的最大似然估计 算法以及对应的最优训练序列应用于信道连续衰落的情况，并在此基础上获得 由传统m l 估计算法、基于累加观测信号的m l 估计算法以及基于级联观测信 号的m l 估计算法所对应的估计误差。相关研究表明：在信道时变情况下，论 文所提出基于重构观测样本的信道估计方法是切实可行的，为深入研究m i m o 通信系统下的基于重构观测样本的信道估计提供了一种新的思路和途径。 西南交通大学硕士研究生学位论文第1 页 第1 章绪论 未来移动通信中日益增加的数据业务和宽带因特网业务，在传输速 率、性能和系统业务容量等方面对无线通信系统提出了更高的要求。但是 随着各种无线通信业务和宽带数据业务的不断发展，无线资源、尤其是频 谱资源变得越来越紧张，因而仅仅依靠更多的频谱资源来提高无线通信系 统的性能是不够的。由此如何更高效地利用这些有限的通信资源成为无线 通信新技术发展的焦点所在。在有限的频谱资源和复杂的传输环境下，下 一代无线移动通信的关键技术之一的多输入多输出( 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 ) 技术能在不增加带宽的情况下实现更高的传输速率和更 好的传输质量，成倍地提高了通信系统的容量，是高速数据传输的优选技 术之一1 1 。2 。，因而越来越受到更多的关注。 本章简单介绍了未来无线通信系统关键技术之一的m i m o 技术及其 研究现状，以及m i m o 信道估计的重要性和研究现状。 1 1m i m o 技术简介 多输入多输出( m i m o ) 系统是在无线通信智能天线技术的基础上发展 起来的，其主要特点就是在通信系统的收发两端采用多天线配置，以解决 未来移动通信系统大容量、高速率传输和日益紧张的频谱资源间的矛盾。 1 1 1m i m o 通信理论发展史 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 ) 技术由来已久。早在1 9 0 8 年， 马可尼就提出用它来对抗衰落。上世纪7 0 年代，有人提出将多输入多输 出技术用于通信系统，从上世纪8 0 年代开始，学者们研究发现多天线空 间分集可改善无线链路性能并增加系统容量，s a l z 和w y n e r 在技术报告f 3 】 中针对单用户m i m o 高斯信道，以两径传播信道模型分析了空间分集对信 道容量和容量分布的影响。w i n t e r s 在文献【4 】中讨论了干扰受限的无线系 统中，利用多天线空间分集和最优合并所能带来的容量增益，并明确地指 西南交通大学硕士研究生学位论文第2 页 出了增加天线数目可以增加系统容量。上世纪9 0 年代由a t & tb e l l 实验 室首次验证实现了应用于移动通信系统的m i m o 技术。1 9 9 5 年t e l a t a r 给 出了在衰落情况下的m i m o 信道容量1 2 j ，1 9 9 6 年f o s c h i n i 给出了一种多 输入多输出处理算法一一对角贝尔实验室分层空时( d b l a s t ) 算法1 5 j ，研 究表明，采用8 天线收发的该算法系统能大大提高频谱利用率，在相同的 总发射功率和系统带宽的情况下，是单天线收发系统的4 0 多倍。1 9 9 8 年 t a r o k h 等讨论了用于多输入多输出系统的空时码1 6 j ；1 9 9 8 年w o l n i a n s k y 等人采用垂直一贝尔实验室分层空时( v - b l a s t ) 算法建立了一个m i m o 实 验系统，在室内实验中达到了2 0 b i t s h z 以上的频谱利用率，这一频谱利 用率在普通系统中是极难实现的【7 1 。这些工作受到各国学者的极大关注， 并使得多输入多输出技术的研究工作得到了迅速发展。正是基于多输入多 输出系统的良好性能，m i m o 系统已经在许多无线通信系统中得到广泛应 用。如b e l l 实验室的b l a s t 实验系统、3 g p pw c d m a 系统、3 g p p 2 c d m a 2 0 0 0 系统、无线城域网i e e e8 0 2 1 6 、新的无线局域网i e e e8 0 2 1 l n 方案以及正在制定的移动宽带无线接入i e e e8 0 2 2 0 方案等均已采用或者 计划采用m i m o 技术。 1 1 2m i m o 概念 多输入多输出( m i m o ) 系统是在无线通信分集技术的基础之上发展 而来的。m i m o 系统可以简单定义为：在发射端和接收端均采用多天线配 置的无线通信系统。多径通常会引起衰落，这在普通的通信系统中是非常 不利的。但对m i m o 系统而言，多径却可以作为一个有利因素加以利用。 如图1 1 所示，m i m o 技术在发送端和接收端使用多根天线，在发送端串 行数据符号流经过一些必要的空时处理后被送到天线进行发射，在接收端 通过各种空时检测技术对数据符号进行恢复。由于各个子数据符号流同时 发送到信道，它们共用同一频带，因而并未增加带宽。若各发射接收天线 间的信道相互独立，则多输入多输出系统可以创造多个并行空间信道，通 过这些并行空间信道独立地传输符号，数据率必然可以提高。系统容量是 表征通信系统的最重要指标之一，它表示了通信系统最大的信息传输速 西南交通大学硕士研究生学位论文第3 页 率。对于发射天线数为m ，接收天线数为的m i m o 系统，假定信道为 独立的瑞利衰落信道，并设膨、很大，则m i m o 信道容量c 近似为【5 l ： c = m i n ( m ，) b l 0 9 2 ( , 0 2 ) 1 ( 1 1 ) 其中曰为信道带宽，p 为接收端平均信噪比，m i n ( m ，n ) 为m 、中的较 小者。上式表明，在功率和带宽固定时，多输入多输出系统的最大容量或 者容量上限随着最小天线数的增加而线性增加。而在同样条件下，若在接 收端或者发射端采用多天线或天线阵列的普通智能天线系统，其容量仅随 天线数的对数增加而增加。相对而言，m i m o 技术对于提高无线通信系统 的容量具有极大的潜力。另外，利用m i m o 技术也可以提高信道的可靠性， 降低误码率。 空i l 处邓 吒型k 孙 l 信邀 d 一图1 - 1m i m o 系统原理示意图 1 1 3m i m o 系统的研究现状 目前，虽然第三代移动通信系统可以比第二代移动通信系统提供更快 的传输速率，但仍不能满足未来的高速多媒体通信需求。在下一代移动通 信系统中，需要对一系列关键技术进行研究以有效提高系统速率，这些关 键技术包括：信道传输技术，抗干扰性强的高速接入技术，调制和信息传 输技术，高性能、小型化和低成本的自适应阵列智能天线技术，大容量、 低成本的无线接口和光接口，软件无线电，网络结构协议等。而作为大容 量无线接口的关键技术之一的m i m o 技术，其理论、算法和实现等已得到 了广泛的研究，下面简述有关m i m o 技术的国内外研究现状。 西南交通大学硕士研究生学位论文第4 页 在m i m o 系统理论及性能研究方面已有非常多的研究工作1 3 一j ，但是 由于m i m o 信道本身是一个时变、非平稳的多入多出系统，尚有大量问题 需要研究。比如，很多文献中大多假设静止环境下m i m o 信道为慢衰落信 道，这对于4 g 系统及室外快速移动系统来说是远远不够的，因此必须采 用更加实际的信道模型进行研究，已有不少文献在进行这方面的工作 0 0 - 1 2 】，即对频率选择性衰落和移动台快速移动环境下的m i m o 技术进行 研究。目前宽带m i m o 系统方案大致可分为两类，即空时均衡m i m o 系 统和采用o f d m 调制技术的m i m o 系统。前者主要借助于空时m i m o 均 衡，将宽带频率选择性衰落信道恢复为平坦衰落信道，从而使窄带m i m o 方案下的系统设计得以延伸至宽带应用。典型的m i m o 均衡方法有线性 m i m o 均衡、m i m o 判决反馈( d f ) 均衡以及更为复杂的空时t u r b o 均衡等 1 2 - 1 3 j 。一般的，m i m o 均衡器复杂度较高。而采用o f d m 调制技术的m i m o 系统，或简称为m i m o o f d m 系统，综合了m i m o 高频谱效率和o f d m 简化接收机的特点，受到了广泛的重视1 1 4 。1 引。 m i m o 通过多天线发射多数据流，并由多天线接收实现最佳处理，从 而提高系统容量，但这种最佳处理是通过空时编解码来实现。空时编解码 是应用于无线通信中的一种新的编解码和信号处理技术，它将信道编解码 技术和阵列信号处理技术相结合，采用这种技术，可以大幅度地提高无线 通信系统的信道容量和传输速率，并且可以有效地对抗衰落、抑制噪声和 干扰。目前常用的空时编码方法包括空时网格码( s t t c ) 、空时分组码 ( s t b c ) 、分层空时码( b l a s t ) 等1 1 6 。1 引。 分层空时码的最大特点是能取得很高频谱效率，但分层空时码不能提 供分集增益，抗衰落能力差，不适合于衰落复杂多变的室外环境i l 引。空时 网格码的优点是能够同时得到编码增益和分集增益，性能较好、抗衰落能 力也较强，而且能够提供比现有系统高3 4 倍的频谱效率1 1 7 】。但是，空时 网格码的译码复杂度随着天线数和码率呈指数级增长，而且在发送天线数 大于2 时，设计符合设计准则的空时网格码难度激增。空时分组码能保证 给定发送和接收天线时的最大分集增益，而且译码算法非常简单，但是它 并没有提供相关的编码增益【娼l 。新的空时编码方法，例如空时t u r b o 码【1 9 】， 被提出以改善m i m o 系统性能，减少空时编码系统的复杂性，更好地适应 西南交通大学硕士研究生学位论文第5 页 新一代无线通信系统的要求和信道的实际情况。 实验系统的研制是m i m o 技术研究中十分重要的一个环节。最早的 m i m o 实验系统是b e l l 实验室研制的b l a s t 系统，该系统的工作频率为 1 9 g h z ，采用d b l a s t 算法，频谱利用率达到了2 5 9 b p s h z 。然而，该 系统仅对窄带信号和室内环境进行了研究，距离实际应用尚有一段距离。 2 0 0 2 年1 0 月，世界上第一颗b l a s t 芯片由b e l l 实验室研制成功，该芯 片支持最高4 4 的天线布局，可处理的最高数据速率达到1 9 2 m b p s 。2 0 0 3 年8 月，a i r g on e t w o r k s 推出了a g n l 0 0 w i f i 芯片组，该芯片组使用多天 线传输和接收技术，将现在w i f i 速率提高到每信道1 0 8 m b p s ，同时保持 与所用常用w i f i 标准的兼容性。 自从t e l a t a r 和f o s c h i n i 在无线m i m o 技术中做出了开创性的工作以 来，目前在蜂窝无线系统等方面已提出了各种试验性的m i m o 系统，尽管 在这方面已取得了较大的进展，但还有许多实际问题尚未解决这些问题主 要包括以下几个方面： 首先，m i m o 信道模型的建立还没有成熟，现在实际化中用的较 多的m i m o 信道模型有i s t - m e t r a 提出的基于空间相关性的 m e t r a 模型，以及3 g p p 推荐的s c m 模型。 其次，由于m i m o 信道的复杂性，对其容量上限的精确估计是一 件非常困难的事情，现有的一些结论也是初步的。 第三，空时编码理论还没有成熟，对接近信道容量上限的空时码 研究还没有形成一个完善的理论体系。 第四，多天线情况下的信道估计对解调译码性能的影响更大，所 以需要研究更精确的信道估计方法。实用中较少使用全盲估计方 法来估计m i m o 信道，一般采用训练序列或导频符号来进行信道 估计。m i m o 信道待估计参数数目高于s i s o 信道，如果在频率选 择性衰落信道中，还需要结合复杂的自适应均衡、判决反馈均衡 ( d f e ) 算法，或者借助于o f d m 技术来对抗宽带信道所遭受的频率 选择性衰落。这样，寻求实用性更强的m i m o 信道估计算法就变 得十分关键。 第五，实际系统研究的一个重要问题就是在移动终端实现多天线 西南交通大学硕士研究生学位论文第6 页 和多路接收。由于移动终端设备通常要求体积小，重量轻，耗电 量低、移动台和基站软硬件实现的复杂度会大大增加。 1 2m i m o 信道估计策略 m i m o 技术增加传输系统容量的前提条件是接收机能对来自各发送 天线的信号进行很好的去相关处理，而要较准确地去相关处理并进而恢复 信号，首先需要对m i m o 多发射多接收信道进行比较精确的估计，使得接 收端有较准确的信道信息，才可以进行相应的解码处理【2 0 1 ，因此信道估计 是m i m o 技术中一个至关重要的问题。在高数据速率m i m o 系统中，对 宽带时变m i m o 信道的估计和跟踪是实现m i m o 系统接收端准确检测、 解码等的基础，也是获得系统性能改善的前提保证1 2 。可以说，对m i m o 信道的预测、估计和跟踪能力，将直接影响和决定无线信道的传输能力和 利用效率。 目前已有大量文献深入研究m i m o 系统容量、时空编码方案、性能和 实现等，但m i m o 信道估计仍有大量问题尚未解决。在传统的单输入单输 出s i s o 系统中，对信道估计已经有了很深入的研究，但m i m o 技术由于 采用空间分集策略来增加传输信道个数，因而接收端所对应的信道个数多 于s i s o 系统，所以信道估计比s i s o 信道估计更加复杂，因而m i m o 信 道估计技术比普通的s i s o 信道估计更具挑战性。特别是在快速移动通信 环境下，信道快速变化，丰富的多径衰落使得m i m o 信道变成频率选择性 信道，时域和频域的变化使得m i m o 信道呈现一个时变f i r 矩阵信道， 对它的估计和跟踪是困难的。因而，一些适应s i s o 信道估计的技术并不 适应m i m o 信道估计，这就需要针对m i m o 信道的特点找出对应的最优 信号估计策略。 从信道估计策略来说，可将m i m o 信道估计分为基于训练序列估计、 盲估计和半盲估计、基于隐序列估计四类： ( 1 ) 基于训练序列的估计：发送端按一定规则周期性地在数据包中插 入导频符号，接收端根据训练符号确定各个待估计参数值，其特点是需要 借助参考信号。基于训练序列的信道估计策略性能较优异，技术较成熟， 西南交通大学硕士研究生学位论文第7 页 应用广泛，但当信道快速变化时，发送大量的导频信号来跟踪信道无疑会 影响系统传输效率。 ( 2 ) 盲估计和半盲估计：在盲估计重，发送端不需要在数据包中插入 导频符号，接收端可以利用信号本身固有的、与具体承载信息比特无关的 一些特性( 如恒模、子空间、有限符号集、循环平稳等) ，或是采用判决 反馈的方法来进行信道估计的方法。盲估计策略最大的优点是不占用频带 资源，但相对来说性能较差，而且计算时需要处理大量接收数据而无法满 足实时处理的要求，增加了接收端的复杂度，不适用于快速时变信道，目 前还存在大量问题需要解决，离实用还有一段距离。为此，可以考虑将盲 估计方法和基于训练序列的估计方法有机地结合在一起的半盲估计方法。 ( 3 ) 基于隐序列估计：在实际发送的信息符号上叠加额外的周期序列， 而仅需利用接收信号的统计特性来实现m i m o 信道估计的方法。隐序列估 计策略虽然结合了导频辅助信道估计和盲信道估计的优点，但却导致信道 峰均功率比的增加和接收信号中包含直流分量，从而给发射机的设计提出 了更高的要求。 一般而言，m i m o 信道估计方案与传输方案密切相关，实用的信道估 计技术需要充分利用传输数据的特征，从而能在信道估计误差、频谱效率 以及实现复杂度等方面实现合理的折衷。目前比较实用的信道估计大都是 基于训练序列的m i m o 信道估计方案。 1 3 论文研究内容、研究方法和结构安排 1 3 i 论文的研究内容 通过分析、比较和研究国内外已有的m i m o 信道估计技术，我们得 出如下结论：充分考虑估计技术性能、算法的可实现性和接收机的复杂度 等方面，基于训练的m i m o 信道估计技术不仅能提供优异的估计性能，并 且还能在算法的可实现性以及算法实现的复杂度之间进行很好地折衷，因 此论文研究中将主要讨论基于训练序列的m i m o 信道估计问题。 目前，基于训练序列的信道估计策略的研究主要集中于最优训练序列 西南交通大学硕士研究生学位论文第8 页 的设计、已有估计算法的改进、估计算法同信道容量间的关系，以及估计 算法同其均方误差( 包括c r a m e r r a o 理论界) 的关系f 2 0 , 2 1 , 2 7 - 3 1 l 等。然而，除 了从理论上研究优化训练序列的设计和估计算法之外，导频信号的数量对 m i m o 系统传输容量、估计算法的m s e 等有直接的影响【2 引。此外，已有 研究表明，不同的观测信号序列对应于不同的估计性能，合理地重构观测 信号序列是提高信道估计性能的有效途径1 3 引。从国内外的研究状况来看， 目前尚无将m i m o 信道估计与重构样本结合起来的研究工作，因而深入地 研究重构观测样本对m i m o 信道估计算法性能的影响是有意义的。 本文正是基于此开展了对基于重构观测样本的m i m o 信道估计的研 究工作，论文着重分析了两种重构观测信号序列，即累加观测信号序列 a o n s s 和级联观测信号序列c o n s s ，以及基于这两类观测信号序列的信 道估计方案，并在此基础上针对不同信道情况对m i m o 信道估计进行进行 分析和比较。 1 3 2 论文结构和章节安排 本文针对基于重构观测信号序列的m i m o 信道估计进行了探讨研究。 本文主要内容安排如下： 论文第二章分析了无线信道特点的基础上，研究了信道的频率和时间 选择性衰落的特点，阐述了典型的平坦时不变m i m o 信道的特征并建立了 数学模型，给出了部分仿真结果。 论文第三章针对分组衰落信道，在传统的基于训练序列的信道估计算 法基础上，提出了一种基于重构观测样本的信道估计方法。新的估计方法 通过充分利用系统所提供的冗余信息，在此基础上构造新的观测序列：累 加观测信号序列a o n s s 和级联观测信号序列c o n s s 。假设信道状况理想 且服从平坦衰落，提出了基于a o n s s 和c o n s s 的m l 估计算法、l s 估 计算法和l m m s e 估计算法，推导得出了基于a o n s s 和c o n s s 的广义 c r a m e r r a o 下界，并给出了仿真结果，分析、比较新方法的估计性能。相 关仿真结果表明：在信道服从分组衰落情况下，论文所提出的估计方法是 切实有效的。 西南交通大学硕士研究生学位论文第9 页 论文第四章针对连续衰落信道，实施基于a o n s s 和c o n s s 的信道估 计，把信道分组衰落情况下所得到的最大似然估计算法以及对应的最优训 练序列应用于信道连续衰落的情况，并在此基础上研究信道估计误差。相 关仿真结果表明：在信道时变情况下，论文所提出基于重构观测样本的信 道估计方法是切实可行的，为深入研究m i m o 通信系统下的基于重构观测 样本的信道估计提供了一种新的思路和途径。 论文第五章对全文工作进行了小结，并对所存在的问题和未来的研究 工作进行了展望。 西南交通大学硕士研究生学位论文第1 0 页 第2 章m i m o 信道模型 信道是发射端和接收端之间传播媒介的总称，它是任何一个通信系统 不可或缺的组成部分。刻画和建模宽带m i m o 信道对m i m o 系统的实际 性能的预测、系统仿真及设计有重要作用。本章在深入分析无线信道特点 的基础上，给出了本文后续章节中所使用的m i m o 信道模型。 2 1 无线信道的衰落特征 从发射机发出的无线电波在传播路径上受到周围环境中地形地物的 作用，产生绕射、发射或散射。这样，到达接收机时将是从多条路径传来 的多个信号的叠加。多径传播引起接收信号的幅度、相位和到达时间的随 机变化，同相叠加使信号增强，反向叠加使信号减弱。这样，接收信号的 幅度将急剧变化，即产生所谓的衰落。这种衰落是由多径现象引起的，因 此称为多径衰落。 2 1 1 多径衰落对信号的影响 多径衰落对信号传播的影响主要体现在以下三个方面： 1 信号强度在一段很小的传播距离或时间间隔内快速变化； 2 不同路径信号的多谱勒频移的变化引起的随机频率调制； 3 多径传播引起的时延扩展。 无线传播信道中的多径传播、移动台的速度、周围物体的速度、信号 的发射带宽等许多物理因素都会影响衰落。多径传播通常会使信号到达接 收端所需时间加长，它可能引起码间干扰，从而导致信号污损。基站与移 动台之间的相对运动会使每个多径分量产生不同的多谱勒频移，从而引起 接收信号的随机频率调制。如果信道中的物体处于运动中，它们就会对多 径分量产生时间变化的多谱勒频移。若以明显快于移动台的速度运动，这 种效应就会压倒小尺度衰落。如果发射的无线电信号带宽大于多径信道的 “带宽”，即信号的自相关时间小于多径信号的延时差，则接收信号会发生 畸变，而小尺度衰落则不明显。若发射信号相对于信道有一个窄的带宽， 西南交通大学硕士研究生学位论文第1 1 页 则信号的幅度将快速变化，但信号在时间上将没有畸变。 多径衰落信道一般分为离散多径和连续多径两种情况。对于离散多径 情况，设发送信号为： s ( f ) tr e m f ) e 胁肛( 2 - 1 ) 其中s f ( f ) 为基带调制信号。则经过一个离散多径时变信道后接收信号变为： y ( f ) ；芝a n ( f ) jt 一吒( f ) ) ( 2 2 ) 其中口。( f ) 称为第，l 条路径上的衰落因子，而l ( f ) 称为第厅条路径上的时 延，它们都是时变的。 y ( f ) 一r e ( 辜口。( f ) 函( f 一( f ) ) e j 2 玎正f - “) g 知肛) ( 2 3 ) 从而接收信号的等效基带模型为： r l ( t ) ；a n ( f ) s ，t l ( f ) ) p 一h 饥( 2 - 4 ) 因此离散多径衰落信道的等效基带模型为 c ( 硝) = 印。h 州。6 ( f 一( f ) ) ( 2 5 ) 同样，对于连续多径衰落信道的等效基带模型为 c ( z ；t ) = a ( r ；t ) e 。她7 ( o r 1 2 时，新的估计方法性能逐渐差于m l 估计；当 厶。1 5 h z 时，两种方法的估计性能大约在l t = 9 时性能一致，当l t 9 时，新的估计方法性能逐渐差 于m l 估计。当厶= 2 0 h z 时，两种方法的估计性能大约在l t 一8 时性能一 致，当l t 8 时，新的估计 方法性能逐渐差于m l 估计。因此，若能获得较准确的多谱勒频移估计值， 就可通过获得使新估计方法的性能优于传统估计方法的训练序列长度来 指导自适应的信道估计，从而提高估计性能。 西南交通大学硕士研究生学位论文第5 3 页 岫f m q n r c y l h z l 图4 - 8 估计均方误差( l t = 6 ) m _ s q _ m e j j m a t a o ne l r o r i p = o 帕l t 4 l u i 珊 - b - m le s l l m a | l o n - , 4 - m r e s t i m a h o nu l n g a o n s s 庐2 l ? 。 一一 一 一一一 ) 踟坤hf r e l u e f l c y 仲i 图4 - 9 估计均方误差( f = 7 ) 岫s 岬e l l f m l a b o ne n o rt * - n o i t - - - 9 , l i i l = 2 1 1 l u 砷p 时r 俺掣舯ql 旧o o 晰f n 蛐j e n c v 呦 图4 1 0 估计均方误差( l t 一8 )图4 1 1 估计均方误差( l t 一9 ) 从图4 8 、4 9 、4 1 0 以及图4 1 1 得知：随着多谱勒频移数厶的增大， 新的估计方法性能从优于传统m l 估计转变到差于传统m l 估计。这是由 于当信道时变特性逐渐增强时，仅增加观测样本不能提高估计性能，因而在 信道时变特性较强时，系统采用信道跟踪策略。另外，随着训练序列长度n