（通信与信息系统专业论文）基于隐含导频的mimoofdm系统时变信道估计研究.pdf

摘要 基于隐含导频的m i m o o f d m 系统时变信道估计研究 专业名称：通信与信息系统 博士生：张涵 指导教师：戴宪华教授 摘要 正交频分复用( o r t h o g o n a lf r e q u e n c yd i v i s i o nm u l t i p l e x i n g _ o f d m ) 是信息高 速传输的有效技术，它将所传输的数据流分解为若干个比特流，降低每个子数据 流的传输速率，从而有效的增强了抵抗码间干扰及多径信道衰落的能力；同时， o f d m 具有频谱利用率高，实现简单等一系列优点，因此成为了未来移动通信 技术的主要候选方案之一。信道估计是o f d m 系统的重要环节之一，为高传输 速率、高传输质量、高服务性能的第四代无线通信系统( 4 g - - f o r t hg e n e r a t i o n ) 提供了必要的性能保障。本文主要针对基于隐含导频的o f d m m i m o 系统时变 ( t i m e - v a r y i n g ) 信道估计及信道均衡。 隐含导频一顾名思义，是将已知的导频信号在发射段叠加在数据信息上。通常， 导频符号的能量远小于传输的未知数据，类似“水印”，隐含在传输数据之中。相 对于传统的时分、频分( t i m e - d i v i s i o nm u l t i p l e x - - t d m 、f r e q u e n c y - d i v i s i o n m u l t i p l e x - - f d m ) 导频，该方法与盲信道估计相似，不需要额外的时隙或频谱米 传输导频信息，保证了系统的传输效率；同时，具有复杂度低等优点。近年来， 基于隐含导频的o f d m 系统信道估计得到了国内外学者的关注。 本论文对一些经典的隐含导频信道估计算法进行了总结，然后在此基础上对多 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 ，m i m o ) o f d m 进行了分析，得到了 一些新的结论。与时不变信道估计不同，在时变( t i m e v a r y i n g ) 环境下，由于 用户的移动造成的多普勒效应，会引起o f d m 系统的子载波间干扰( i n t e r c a r r i e r i n t e r f e r e n c e ，i c i ) ，破坏子载波问的正交性，导致系统的性能恶化。因此，信道 估计对于时变环境下的o f d m 系统来说十分关键。针对现有基于隐含导频无法 摘要 估计o f d m m i m o 系统时变多径信道，本论文进行了深入研究，针对不同的时 变环境，提出了基于隐含导频的时变o f d m 系统信道估计算法，分别为：( 1 ) 当系统相对多普勒频移在0 1 左右的环境下，提出了基于分段线形模型的隐含导 频时变信道估计算法。该算法首先对无线时变信道进行线性建模，通过估计分段 内线性模型的斜率和参考点来获得待估计信道时域响应；其中，利用非独立导频 ( 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 ) 消除了数据对导频估计的干 扰，在接收端，通过迭代补偿，提高系统的误码率性能。( 2 ) 基于正交基扩展模 型( b a s i se x p a n s i o nm o d e l - - b e m ) 的估计算法。与前一种算法相似，利用正交 基( 如f o u r i e r 正交基等) 对时变信道建模，然后通过估计模型参数来获得所有 待估计信道响应。与现有文献所涉及的正交基建模不同，该算法提出的时变信道 模型框架不仅描述了单个o f d m 符号周期内信道系数的变化，同时涵盖了多个 o f d m 符号周期间信道系数的变化趋势。利用这一思想，通过对每个o f d m 符 号内获得的待估计参数进行加权平均，有效的消除了传输数据对导频信号的干 扰，同时，对导频也进行了优化设计。在此基础上，还分别推导了上述算法的信 道系数估计方差的闭式解，为进一步的导频能量优化提供了重要参考依据，根据 分析，随着统计数据的增加，信道估计均方误差将无限趋近于一个下限值，该下 限值与导频发射功率成反比。为了在不提高导频功率的前提下进一步提高系统估 计性能，我们利用一种联合检测算法，迭代的提高系统的性能。由于基扩展模型 与j a k e s 模型的拟合程度较高，因此该算法不仅可处理时慢变信道估计( 相对多 普勒频移小于0 1 ) ，还适用于系统相对多普勒频移较大的情况。 在信道估计的基础上，我们还研究了在信道时变环境下的o f d m 系统信道 均衡的问题。利用在接收端时域加窗的方法，将每一个o f d m 符号周期内的数 据进行分段处理，使得算法复杂度与o f d m 系统子载波数成一阶线性关系，并 大大低于现有时变信道均衡算法进行数据检测的复杂度。 关键词：隐含导频，m i m o o f d m ，时变信道估计 i i a b s t r a c t l i n e a r l yt i m ev ：y i n gc h a n n e le s t i m a t i o n i n e a r l y 1t m e - v a r y ma n n e ls t i m a t i o nf o r1 0 r o f d m m i m o s y s t e m su s i n gs u p e r i m p o s e dt r a i n i n g m a j o r ： c o m m u n i c a t i o n s i n f o r m a t i o ns y s t e m s n a m e ：h a n z h a n g s u p e r v i s o r ：x i a n h u ad a i ，p r o f e s s o r a b s t r a c t o r t h o g o n a lf r e q u e n c yd i v i s i o nm u l t p l e x i n g ( o f d m ) i sa ne f f e c t i v em e t h o df o r h i 曲d a t ar a t et r a n s m i s s i o n i td i v i d e st h eh i g h - s p e e dd a t as t r e a mi n t os e v e r a ll o wd a t a r a t eb i t s ，a n dt h u se x h i b i t sr o b u s t n e s sa g a i n s tf r e q u e n c y - s e l e c t i v ef a d i n gc h a n n e l s m e a n w h i l e ，o f d mt e c h n i q u ei sb e i n gp u r s u e d 勰ap o t e n t i a lc a n d i d a t ef o rt h ef u t u r e m o b i l ec o m m u n i c a t i o ns y s t e m sd u et oi t sb a n d w i d t he f f i c i e n c ya n ds i m p l e i m p l e m e n t a t i o n c h a n n e le s t i m a t i o ni so n eo ft h ek e yt e c h n i q u e sf o ro f d ms y s t e m s ， a n db e i n ga ni n d i s p e n s a b l e p a r tf o rt h ef o u r t hg e n e r a t i o n ( 4 g ) s y s t e m sw h i c hr e q u i r e s h i g hd a t ar a t e ，b j g hq u a l i t ya n dh i g hm o b i l i t y t h e r e f o r e , t h i st h e s i sf o c u s e so nt h i s t o p i cu n d e rt i m e - v a r y i n ge n v i r o n m e n tb yu s i n gs u p e r i m p o s e dt r a i n i n gs e q u e n c e ，a n d t h ec o r r e s p o n d i n gd e s i g ni s s u eo f t h eo p t i m a lt r a i n i n gs e q u e n c ea sw e l la si n f o r m a t i o n s e q u e n c ed e t e c t i o n i nc o n v e n t i o n a lc h a n n e le s t i m a t i o ns c h e m e s ，w h e r ec h a n n e l sc a nh ee f f e c t i v e l y e s t i m a t e db yu s i n gt h et i m e - d i v i s i o nm u r i p l e x e d ( t d m ) a n d ( o r ) f r e q u e n c y - d i v i s i o n m u l t i p l e x e d ( f d m ) t r a i n i n gs e q u e n c e s i nr e c e n ty e a r s ，a na r e n m t i v ea p p r o a c h , r e f e r r e dt oa ss u p e r i m p o s e dt r a i n i n g ( s t ) ，h a sb e e nw i d e l ys t u d i e d i nt h ei d e ao fs t , a d d i t i o n a lp e r i o d i ct r a i n i n gs e q u e n c et h a tw i t ham u c hl o w e rt r a n s m i s s i o np o w e r c o m p a r e dt oi n f o r m a t i o ns e q u e n c ea r ea r i t h m e t i c a l l ya d d e dt oi n f o r m a t i o ns e q u e n c e i nt i m e - o rf r e q u e n c y - d o m a i n ，a n dt h ec h a n n e lt r a n s f e rf u n c t i o nc a nt h u sh ee s t i m a t e d b yu s i n gt h ef i r s t o r d e rs t a t i s t i c s t h ea d v a n t a g eo fs ti st h a tt h e r ei sn ol o s si n t r a n s m i s s i o nr a t e ，a n dt h u se n a b l e sh i g h e rb a n d w i d t he f f i c i e n c y t h i st h e s i s s u m m a r i z e ss o m ec l a s s i c a ls t - b a s e dc h a n n e le s t i m a t i o nm e t h o d s a t i e ra n a l y z i n gt h e a b s t r a c t m u l t i p l ei n p u tm u l t i p l eo u t p u t ( m i m i ) o f d ms y s t e m su s i n gs t , s o m en e w c o n e l u s i o l l sa r eo b t a i n e d u n l i k et h ec o n v e n t i o n a ll i n e a r l yt i m e i n v a r i a n t ( l t i ) c h a n n e le s t i m a t i o ns c h e m e s ， u n d e rt h ee n v i r o n m e n to fl i n e a r l yt i m e - v a r y i n g ( l t v ) ，t h ev a r i a t i o no fc h a n n e l c o e f f i c i e n t sw i l ll e a dt oi n t e r c a r r i e ri n t e r f e r e n c e ( i c i ) a n dd e s t r o yt h eo r t h o g o n a l i t yo f s u b c a r r i e r s ，r e s u l t i n gi nd e g r a d a t i o no fo f d ms y s t e mp e r f o r m a n c e s i n c em i t i g a t i n g i c in e e d sc h a n n e li n f o r m a t i o n , e s t i m a t i n g 州c h a n n e li sv e r yi m p o r t a n t f o c u s i n g o nt h ep r o b l e mt h a tc o n v e n t i o n a ls t - b a s e ds c h e m e sc a n n o tb ea p p l i e di nu v m u l t i p a t h 伍d i n gc h a n n e l s ，t h i s t h e s i s p r o p o s e s s t - b a s e dc h a n n e le s t i m a t i o n a p p r o a c h e sf o rd i f f e r e n tt i m e - v a r y i n gs c e n a r i o s ，w h i c ha r ea sf o l l o w s ：( 1 ) t h em e t h o d b a s e do np i e c e - w i s el i n e a rm o d e ls i n c et h ec h a n n e ld u r i n go n eo f d mp e r i o di s m o d e l e da sal i n e a rf u n c t i o n , t h ec h a n n e li m p u l s er e s p o n s e ( c i r ) c a nb eo b t a i n e db y e s t i m a t i n gt h es l o p ea n dt h er e f e r e n c es i g n a lo f t h em o d e li nw h i c had a t ad 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 ) b a s e da p p r o a c hi sp r o p o s e dw h e r e i nt h ei n f o r m a t i o n s e q u e n c ei n t e r f e r e n c et oc h a n n e le s t i m a t i o nc a nb ec a n c e l l e d i na d d i t i o n , ad e c i s i o n a i d e dr e c o n s t r u c t i o n ( d a r ) s c h e m ei sa d o p t e dt oe n h a n c et h es y m b o le r r o rr a t e ( s e r ) p e r f o r m a n c ea tr e c e i v e re n d t h i sm e t h o di ss u i t a b l ef o rt h ec a s ew h e r et h er e l a t i v e s y s t e md o p p l e rf r e q u e n c ys m a l l e rt h a no re q u a l st o0 1 ( 2 ) t h em e t h o db a s e do n b a s i se x p a n s i o nm o d e l ( b e m ) s i m i l a rt ot h em e t h o d ( 1 ) ，w er e s o r tt ot h et r u n c a t e d f o u r i e rb a s e st om o d e lt h el c h a n n e la n dt h e na d o p tat w o - s t e pa p p r o a c ht o e s t i m a t et h et i m e - v a r y i n gc h a n n e lc o e f f i c i e n t so v e rm u l t i p l eo f d ms y m b o l s u n l i k e t h ee x i s t i n gc h a n n e lm o d e l s ，t h ea p p r o x i m a t i o nf r a m eo ft h eb e mm o d e lc o v e r s m u l t i p l eo f d ms y m b o lp e r i o d s t h a ti s ，n o to n l yt h et a r g e to f d ms y m b o lb u ta l s o i t sn e i g h b o r i n go f d ms y m b o l sw i l lb ei n v o l v e df o rc h a n n e le s t i m a t i o n b a s e do nt h e c h a n n e lm o d e l e db yt h et r u n c a t e df o u r i e rb a s e s ( d f b ) ，t h et vc h a n n e lc o e f f i c i e n t s a r eo p t i m a l l ye s t i m a t e di no n eo f d ms y m b o lb yj u d i c i o u s l yd e s i g n i n gt h e s u p e r i m p o s e dt r a i n i n gs y m b o l s ，a n dt h e ns m o o t h e db yu s i n gaw e i g h t e da v e r a g e a p p r o a c ho v e rm u l t i p l eo f d ms y m b o l s f u r t h e r m o r e ，ac l o s e d - f o r me x p r e s s i o no ft h e e s t i m a t i o nv a r i a n c ei sd e r i v e d ，w h i c hp r o v i d e sag u i d e l i n ef o r d e s i g n i n gt h e s u p e r i m p o s e dp i l o ts y m b o l s w ed e m o n s t r a t eb ys i m u l a t i o nt h a tt h ee s t i m a t i o n v a r i a n c e ，u n l i k et h a to fc o n v e n t i o n a ls u p e r i m p o s e dt r a i n i n g - b a s e ds c ：f i e m e so fl t i c h a n n e la p p r o a c h e st oaf i x e dl o w e r - b o u n da st h et r a i n i n gl e n g t hi n c r e a s e s ，w h i c hi s i n v e r s e l yp r o p o t a t i o n a lt o t h ep i l o t i n f o r m a t i o np o w e rr a t i o s e c o n d ，t of u r t h e r e n h a n c et h ec h a n n e le s t i m a t i o np e r f o r m a n c eo fw i r e l e s sc o m m u n i c a t i o ns y s t e m sw i t h i v a b s t r a c t al i m i t e dp i l o tp o w e r , a ni t e r a t i v ei n t e r f e r e n c ec a n c e l l a t i o ns c h e m ei sp r o p o s e d b y t h ei t e r a t i v em i t i g a t i o np r o c e d u r e ，t h ec o n t r i b u t i o no ft h ei n f o r m a t i o ns e q u e n c e i n t e r f e r e n c et oc h a n n e le s t i m a t i o n 舔w e l l 舔t h et r a i n i n ge f f e c t so ns y m b o lr e c o v e r y a r ee f f e c t i v e l yc a n c e l l e dw i t h i ns e v e r a li t e r a t i o n s ，r e s p e c t i v e l y s i n c eb e mc a nw e l l a p p r o x i m a t et h ej a k e sm o d e lt h i sm e t h o dc a l lh ea p p l i e dt ot h ec a s ew h e r et h e s y s t e mr e l a t i v ed o p p l e r 丘e q u e n c yi sr a t h e rh i g h ( g r e a t e rt h a n0 1 ) i na d d i t i o nt oc h a n n e le s t i m a t i o n , w ei n v e s t i g a t et h es y m b o ld e t e c t i o ns c h e m ef o r t i m e - v a r y i n go f d ms y s t e m s b yt a k i n ga d v a n t a g eo ft h et i m e - d o m a i nr e c e i v e r w i n d o w i n g ，t h ec o m p u t a t i o n a lc o m p l e x i t yo f t h es i g n a ld e t e c t i o na l g o r i t h mi sl i n e a r i nt h en u m b e ro fs u b - c a r r i e r sa n dt u r n so u tt ob es m a l l e rt h a nt h ee x i s t i n gt i m e - v a r y i n gc h a n n e le q u a l i z a t i o nm e t h o d s k e yw o r d s ：s u p e r i m p o s e dt r a i n i n g ，o f d m m i m o ，t i m e v a r y i n gc h a n n e le s t i m a t i o n v 原创性声明 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究 工作所取得的成果。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作品成果。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：嗽 日期：2 0 0 9 年6 月9日 引言 选题目的及意义 引言 移动通信是现代通信系统中不可或缺的组成部分，它不但集中了无线通信和 有线通信的最新技术成就，而且集中了网络技术和计算机技术的大量成果。进入 2 l 世纪，移动通信进入了前所未有的蓬勃发展时期，并且正朝着个人通信这一 更高阶段发展。未来移动通信的目标是：能在任何时间、任何地点、向任何人提 供快速可靠的通信服务。 随着人们对通信业务范围和通信业务速率的不断提高，现有的移动通信网络 难以满足新业务的需求，因此，国内外专家学者将目光转移到了新一代无线通信 系统( 4 g ，f o r t hg e n e r a t i o n ) 的研究。目的是在概念和技术上寻求创新和突破， 改善现有通信质量，使现有无线通信系统的容量及速率有几十倍甚至数百倍的提 高，达到高速率传输的要求 1 3 】。对于高速移动业务，传统的传输模式，如单载 波t d m a 和窄带c d m a 技术都存在着较大的缺陷，特别是在严重的多径衰落干 扰情况下。 鉴于此，人们开始越来越关注具有抗衰落能力强、对窄带噪声及窄带干扰不 敏感、带宽扩展灵活和支持可变用户速率的正交频分复用( o f d m ) 技术 4 - 1 0 。 o f d m 是一种新的高效的多载波调制解调技术，它将所传输的数据流分解成若 干个比特流，使得每个子数据流以低速率传输，从而增强了抵抗码间干扰和信道 多径衰落的能力，能将频率选择性衰落信道转换为平坦衰落信道，因此，在接收 端可以用低复杂度的均衡器来解决无线通信中的码间干扰问题 1 3 1 6 。 另一方面，多输入多输出( m i m o ) 技术是无线通信领域天线技术的重大突 破。它采用多个天线同时发送和接收数据，在不损失任何频谱资源的同时，利用 空问中增加的传输获得有效的空间分集增益，增加系统的容量，改善系统的性能 【l l 一1 2 。因此，将m i m o 和o f d m 两项技术结合，即m i m o o f d m 技术成为 了一种自然的想法。它综合了两种技术的优点，不仅可以避免在高速传输中的频 率选择性衰落，提供更高的传输速率，而且可达到比单天线系统大得多的系统容 量增益，因此成为了下一代通信系统关键技术的重要候选之一。但是，将m i m o o f d m 系统真正投入到现实应用t f | 还存在很多问题。众所周知，对于宽带移动 通信系统来讲，信道的时延扩展以及系统的多普勒频移所导致的频率性选择衰落 和时问性选择衰落严重影响了通信系统的性能，冈此，为了对抗这种双选择性衰 落的无线环境，对信道估计的研究变得非常重要。 信道估计是在通信系统中很重要的一部分，它是信号解调，检测和均衡的基 础。与相干解调相比，没有进行信道估计的差分解调系统在信噪比上有接近3 d b 的性能损失。由于大部分的相干解调算法都需要完备的信道知识，因此，精确的 信道估计可以极大的提高相干解调o f d m 系统的性能。 传统的信道估计算法可以分为两大类：l 、盲估计( b l i n de s t i m a t i o n ) ；2 、 基于训练序列导频( t r a i n i n g p i l o t ) 的非盲估计。盲估计即指不使用已知的训练 序列导频信息，而只利用传输数据的自身特点，如统计型方法、预编码和确定 型方法，获得信道估计值的方法 1 7 2 1 。与传统的非盲信道估计技术相比，盲信 道估计技术由于不需要预先插入导频，提升了系统的传输效率。然而由于盲信道 估计算法需要大量积累数据来获得数据的统计量，因此计算复杂度高且收敛速度 较慢，使这种方法受限与实际无线通信环境，特别是无线移动环境下的信道估计。 基于训练序列导频的信道估计是指在信号估计阶段利用收发双方都已知的 导频信息来估计信道的方法。相对于盲信道估计，该方法具有更好的估计效果， 而且可以更好地跟踪无线信道的变化，可以适用于信道时变的情况。因此o f d m 系统的接收机通常使用导频估计来提高其性能。 对于o f d m 系统而言，在信号载波频率及传输速率一定的情况下，信道变 化的快、慢取决于数据块或o f d m 符号的大小。在信道慢时变或甚慢变的情况 下，可以在时域周期性的插入导频符号来估计信道，即所谓的块状导频估计信道。 而在时变的环境下，为了跟踪信道的变化并获取信道的知识，训练数据需要以某 种连续的方式插入在数据序列钟，如利用梳状导频序列，也即每一个o f d m 符 号的某些子载波放置导频数据。目前，国际上已经有许多文献对梳状导频序列信 道估计方法进行了研究，且扩展到了m i m o o f d m 系统环境- f 2 2 2 8 。然而， 在信道快时变的环境下，导频符号需要周期性的连续发送，严重的降低了系统的 频谱利用率及传输效率【2 9 3 0 】。 自2 0 0 0 年前后，一种基于隐含导频的信道估计方法引起了广大学者的注意。 与传统的时分、频分的导频( t d m f d m ) 不同，隐含导频即是在发射端将已知 2 引言 的训练序列在时域算数的叠加在未知传输数据上。由于导频信号的能量远远小于 传输数据信息，类似图像处理中的“水印”，隐含与数据信息中。在传输数据信息 满足高斯分布时( 零均值) ，在接收端，通过一阶统计量的方法消除未知传输数 据信息对导频符号的干扰，实现信道估计 3 1 3 9 。与传统的时、频分导频不同， 隐含导频不需要额外的时隙，因此，大大提升了系统的传输效率。与传统的盲估 计方法相比，基于隐含导频的信道估计具有算法复杂度低等优点，适合与实时无 线通信环境。另一方面，隐含导频也带来了一些不利因素，如：1 、接收端进行 信道估计，传输数据相对于导频信号属于加性干扰。虽然在信道时不变 ( t m a e i n v a r i a n t ) 的情况下，可以通过一阶统计量的方法消除数据带来的干扰， 然而在时变信道的环境下，来自未知数据信息的干扰无法消除，严重影响了信道 估计的质量。2 、叠加在未知数据上的导频信号同样影响数据的解调，导致系统 误码率( b e r ) 的上升。3 、导频信号的占用了发射端有限的发射能量，降低了 系统有效信噪比，导致系统误码率的上升。 近年来，基于隐含导频的o d m m i m o 系统信道估计算法受到了国内外广 大学者的关注。然而，现有文献对基于隐含导频的信道估计多集中在信道时不变 的环境下，然而所提出的算法无法直接应用于时变信道估计 3 1 3 8 4 0 - 4 1 。另一 方面，现有文献基本上仅仅考虑如何消除数据对导频信号的干扰，对于导频信号 对数据信息恢复检测的影响研究仍属欠缺。因此，基于隐含导频的m i m o o f d m 系统时变信道估计，如何消除导频一数据之间的相互干扰，将是本论文的主要研 究内容。 根据以上分析，本文主要针对m i m o o f d m 系统中基于隐含导频的信道估 计及信号检测进行研究，包含以下几方面工作： l 、本文利用m i m o o f d m 系统为研究模型，针对设计的隐含导频信号，提出了 一种判决重建( d e c i s i o n - a i d e dr e c o n s t r u c t i o n , d a r ) 的迭代补偿方法，在接 收端利用检测恢复的数据信息消除导频信号对数据检测恢复的加性干扰，改 进了系统误码率性能。 2 、针对m i m o o f d m 时变环境( 相对多普勒频移为0 1 左右) 信道估计进行研 究，利用线性分段假设对时变信道建模，基于此模型，提出了两种隐含导频 的估计算法。算法l 中根据信道估计均方误差最小准则，推导出了相应的最 优导频序列设计方案。算法2 提出了时域非独立导频( d a t ad e p e n d e n t 3 引吉 s u p e r i m p o s e dt r a i n i n g - - d d s t ) 的思想，在发送端引入特定干扰，从而完全 消除了传输数据对导频信号的干扰，同时在接收端，利用迭代补偿的方法提 升了系统误码率性能。 3 、针对隐含导频无法估计快时变信道( 相对多普勒频移大于0 1 ) 的问题，提出 了一种m i m o o f d m 系统基于正交基扩展模型的信道估计算法，首先在一个 o f d m 符号内估计，并通过信道m s e 最小准则推导出相应的最优导频序列 设计，之后利用加权平均，替代了时不变信道估计下一阶统计量的方法，消 除了数据对导频的干扰，获得精确的信道估计。同时，提出了一种联合检测 ( j o i n td e t e c t i o n , j d ) 的迭代方法，在接收端利用检测恢复的数据信息消除 原有数据对导频信号信道估计的干扰，提升系统性能。 4 、由于无线信道的时变引起o f d m 系统的子载波间干扰( i c i ) ，而现有均衡器的 算法复杂度较高。本文提出了一种低复杂度的o f d m 系统时变信道均衡算 法，使得均衡器的复杂度与o f d m 系统子载波数成一阶线性关系。 本论文的创新点 本论文主要研究了基于隐含导频的m i m o o f d m 系统时变信道估计及信号 检测，解决了现有隐含导频无法估计m i m o o f d m 系统时变信道的技术问题， 并有效的消除了导频数据间的干扰问题。基于已估计信道，本论文还提出了一 种低复杂度的时变信道均衡算法，为时变信道检测提供了可靠的保证。本论文的 具体工作及创新点如下： 1 提出了一种基于非独立导频( 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 ) 的分段线形模型的估计算法 与传统的时分、频分( t d m f d m ) 导频不同，隐含导频即是在发射端将已 知的训练序列在时域算数的叠加在未知传输数据上。类似图像处理中的“水印”， 隐含与数据信息中。然而，在接收端估计信道时，传输的数据序列相对于导频信 号将产生严重的加性干扰，导致系统性能的下降。在信道时不变的情况下，可以 通过一阶统计的方法消除传输数据带来的干扰，因此需要长时间的平均。2 0 0 5 年，g h o g h o 4 0 - 4 1 提出了一利- 基于d d s t 的信道估计方法，利用传输数据的特 性，在频域完全消除了数据对导频信号的干扰，实现了基于隐含导频估计信道的 4 引言 理想初衷一在不损失传输效率的同时获得对信道系数的无偏估计。然而，上述方 法都无法直接应用于m i m o o f d m 系统的时变信道估计，特别是快时变信道， 即信道系数在一个o f d m 符号周期内产生变化。基于此，本论文提出了两种基 于时变信道分段线形模型的估计算法，将d d s t 思想扩展到时变信道估计，并利 用时域分段插值获得信道的最终估计。该算法在时域完全消除了数据对导频信号 的干扰问题，为隐含导频估计时变信道提供了参考依据。在数据检测时，利用迭 代补偿，保证了系统的误码率性能。该算法适用于系统相对多普勒频移0 1 左右 的情况。在大大提升了系统的吞吐量的同时，其估计性能及系统误码率接近于基 于t d m f d m 导频估计的方法 8 2 1 。 2 提出了一种基于正交基扩展模型( b a s i se x p a n s i o nm o d e l - - b e m ) 的估 计算法 本论文提出了一种基于b e m 模型的时变信道估计方法，解决了现有隐含导频 无法估计m i m o o f d m 系统时变信道的问题。该方法利用正交基( 如f o u r i e r 正交基等) 对时变信道建模 4 2 5 0 ，然后通过估计模型参数来获得所有待估计信 道响应。与现有文献所涉及的正交基建模不同，该算法提出的时变信道模型框架 不仅描述了单个o f d m 符号周期内信道系数的变化，同时涵盖了多个o f d m 符 号周期间信道系数的变化趋势。利用这一思想，我们推导出了相应的最优导频序 列设计方案，同时提出了一种加权平均的估计算法，克服了传统隐含导频估计时 变信道环境下无法通过简单平均消除传输数据对导频信号的干扰问题，实现了对 m i m o o f d m 系统的变信道的估计。由于b e m 模型与j a k e s 模型的拟合程度较 高，因此，通过对隐含导频信号的设计及优化，该算法不仅可处理时慢变信道估 计( 相对多普勒频移小于0 1 ) ，还适用于系统相对多普勒频移较大的情况( 快时 变信道) 。同时，本文分别推导了上述算法的信道系数估计方差的闭式解，为进 一步的导频能量优化分析提供了重要参考依据。同时，针对移动终端发送功率有 限时无法通过单纯提高导频功率提升系统估计性能的问题，提出了一种联合检测 的迭代方法，利用检测恢复的数据信息消除原有数据对导频信号信道估计的干 扰，在不消耗过多能量传输导频的前提下提升系统估计及数据检测的性能。 3 提出了一种低复杂度的时变信道均衡算法 在信道快时变环境下，所引起的o f d m 系统子载波问干扰将严重影响系统 的性能。现有o f d m 系统下时变信道均衡算法复杂度均较高，或需要多次迭代， 引。高 不适合实际工程的应用。本论文提出了一种基于o f d m 系统的低复杂度均衡算 法，利用时域加窗的方法，将每一个o f d m 符号分段处理，使得算法复杂度与 o f d m 系统子载波数成一阶线性关系，并大大低于现有时变信道均衡算法的复 杂度 5 1 5 6 。该算法特别适用于快时变信道环境( 相对多普勒频移0 1 o 5 ) 。 论文基本结构和内容 本论文主要研究了基于隐含导频的m i m o o f d m 系统时变信道估计及信号 检测，解决了现有隐含导频无法估计时变信道的关键技术问题，并讨论了如何利 用估计信道检测数据等难点的问题。本论文的内容一共分为五个章节，下面我们 将简单地介绍各章的内容： 第一章是本文的绪论部份，它分为两个小节：第一节介绍了无线移动通信的 发展概况；第二节介绍了o f d m 系统及m i m o 技术的基本原理及特点。 第二章给介绍了现有基于隐含导频的经典时不变信道估计算法。经过分析， 现有经典的基于隐含导频算法无法估计时变信道。在时慢变m i m o o f d m 系统 环境下，针对设计的隐含导频信号，提出了一种判决重建的迭代补偿方法，改进 了系统误码率性能。 第三章是本文的主体之一。针对o f d m m i m o 系统的时变信道环境下( 系 统相对多普勒频移小于0 1 ) 的信道估计问题，提出了两种隐含导频的分段线性 模型算法，在时域完全消除了数据信号对导频符号估计信道时的加性干扰，并利 用时域分段插值获得信道的最终估计。在接收端恢复数据时，利用一种迭代补偿 的方法，提升系统的误码率水平。 第四章对快时变信道进行建模，并由此给出相应的o f d m 系统等效基带模 型，然后在此基础上提出了种适合系统相对多普勒频移较大的快时变o f d m 信道估计算法。依据使估计均方误差最小的准则，对导频信号进行了优化设计。 本章还推导了上述算法的信道系数估计方差的闭式解，为进一步的导频能量优化 提供了重要参考依据。同时，提出了一种联合检测的迭代算法，在不提高导频 数据发送功率比的同时提高信道估计的准确性及系统误码率性能。 第五章针对o f d m 系统快时变环境下的数据恢复展开研究，提出了一种 o f d m 系统的低复杂度的无线时变信道均衡算法。该算法复杂度与o f d m 符号 6 引吉 子载波数成一阶线形关系，且低于现有时变信道均衡算法。 第六章总结了本论文的工作，并给出了下一步- t 作的建议。 论文中符号的表示 斜体字母 黑体字母 【】t 【】 【】h 【】t e 仃 i i i i 0 【a k 。 b ( n ：研) a ( n ：小，：) i d i a g x ) d i a g ( a ) l 标量 矩阵或矢量 矩阵或矢