下一代移动通信中的关键技术-移动通信-2014春

下一代移动通信中的关键技术OFDM技术,OFDM(OrthogonalFrequencyDivisionMultiplexing)，即正交频分复用，主要思想为在频域内将给定信道分成多个正交子信道，然后将高速数据信号转换成多个并行的低速子数据流，调制到每个信道的子载波上进行窄带传输。,在一个载波上串行传输数据,在多个子载波上并行传输数据,OFDM的每个子载波都是窄带信道，可克服宽带信道的频率选择性衰落，即克服了ISI,单载波传输受ISI影响严重，OFDM多载波传输受ISI影响轻微，通过CP技术可克服ISI影响。,通过保护间隔消除OFDM符号间的相互影响。CP技术是一种GI,传统频分复用，频带划分为N个互不重叠的子信道。正交频分复用，各子载波有1/2重叠但正交，频谱效率翻倍。,TheemploymentofFastFourierTransform(FFT)toreplacethebanksofsinusoidalgeneratorandthedemodulationsignificantlyreducedtheimplementationcomplexityofOFDMmodems.,传统频分复用,OFDM,若对信号先进行傅立叶反变换，再发射,时域接收信号,对时域接收信号进行傅立叶变换，将宽带信道退化为窄带信道,信号通过宽带无线信道存在ISI问题,若对频域信号先进行IFFT，再发射,时域接收信号,对时域接收信号进行FFT,OFDM理论分析,FDM仅利用了不同频率正弦信号的正交性,OFDM还利用了正弦信号与余弦信号间的正交性,AdvantagesofOFDMMorerobustagainstmultipathpropagationeffectsHigherspectralefficiencyLesserutilizationofhardwareDrawbacksofOFDMWhileusingOFDMappliedsystem,highpeak-to-averagepowerratio(PAPR)oftransmittedsignalisamajordrawback.Verygoodfrequencysynchronizationiscrucialtomaintainorthogonality.Example:useOFMAasmultipleaccesstechnique,下一代移动通信中的关键技术MIMO技术,所谓MIMO系统就是在发射端和接收端同时安装多个天线的一种空域处理系统。与之相对应的还有SIMO（simple-inputmultiple-output）和MISO（multiple-outputsimple-input）系统。,单输入单输出（SISO）系统：,单输入多输出（SIMO）系统：,多输入单输出（MISO）系统：,多输入多输出（MIMO）系统：,MIMO系统模型：MIMO信道为组合信道，组合信道的总容量小于等于每个信道独立使用时的容量总和。只有当组合信道彼此间正交时，组合信道的总容量等于每个信道独立使用时的容量总和。以下通过对信道冲激响应矩阵进行奇异值分解（SVD），找出MIMO信道中包含的正交信道，则MIMO信道容量等于彼此正交的SISO信道容量的总和。,令，对信道冲激响应矩阵进行SVD分解。其中F和G都是酉矩阵。D是对角矩阵,假设NrNt,将代入MIMO系统中包含的M个正交SISO子信道，M为发射天线数量与接收天线数量的较小者。因此MIMO系统的容量可由下式给出：,MIMO系统的提出是为了进一步提高无线通信系统容量，它可以在不用增加系统带宽的情况下改善了系统性能，提高了数据速率。平坦衰落信道中，MIMO系统可以利用传播中的多径分量，但是，对于频率选择性衰落信道，MIMO系统依然无能为力。而在目前的宽带无线通信中，一般都会发生频率选择性衰落。为了使得MIMO系统性能在频率选择性衰落信道中依然良好，可以将MIMO系统和正交频分复用OFDM调制技术结合起来，形成MIMO-OFDM系统。将MIMO系统与OFDM技术相结合，可以充分利用二者的优势，而又互相弥补不足之处。MIMO-OFDM系统在OFDM高的频谱效率的基础上，又开发了空间资源，能够进一步提高系统容量，4G空中接口的关键技术。另一方面，加入了OFDM调制技术的MIMO系统在抗多径方面表现出了很大的优势，使得MIMO系统在频率选择性衰落信道中也能发挥作用。,智能天线技术,智能天线组成原理框图,x1(n),x2(n),xN(n),w1(n),w2(n),wN(n),y(n),射频到基带转换解调,自适应算法,1.最小均方（LMS）算法定义:第n时刻N个天线接收信号列矢量X(n)=x1(n),x2(n),xN(n)T,W(n)=w1(n),w2(n),wN(n)T为对应的幅相加权矢量。则智能天线暂态输出y(n)=WH(n)X(n)，误差e(n)=y(n)-d(n)=WH(n)X(n)-d(n)，d(n)为训练信号。LMS算法阵列加权矢量更新的递推公式为式中：即为搜索步长，是控制收敛速度和稳定性的标量常数因子，当选择02/Tr(R)时算法收敛,Tr(R)为数据自相关矩阵R的迹，R=EX(n)XT(n)。,2.直接矩阵求逆（DMI）算法DMI算法是一种开环计算方法，它通过直接求解阵列协方差矩阵R来估计权矢量，能实现与特征值散布度无关的最快的收敛速度。假设天线为N阵元的线阵结构，接收信号X(n)为1N的复向量)可表示为,式中，a(i)是第i个来波方向i的空间响应函数，,在实际应用中，可这样进行求解：假设X(n)的K次取样组成一个NK的矩阵，表示为,则,互相关矢量为,d(n)=d(n)d(n+1)d(n+K-1)T是一个K1的列矢量。则DMI算法得到的最优解为,分析表明，当取样数K2N时，它就能收敛到最优值的3dB之内。但是当干扰分布广泛时，收敛所需的取样数就要大。由于该算法的计算复杂性与N3成正比，因此对于小型阵列，其计算效率很高，而对于大尺寸阵列，它所要求的信号处理能力要很强。此外，对于给定的K值，由时间平均得到的估计的质量依赖于输入SNR，当输入SNR下降时，估计质量下降，则需要更多的取样值来消除噪音的干扰，才能得到更精确的估计。,4.计算机仿真,在计算机仿真算法中，为简单起见，期望信号的干扰均用互不相关的高斯噪声来表示。算法中期望信号的入射方向为0，信噪比为4dB，干扰的入射方向为20，干噪比为20dB。假设