MIMOOFDM系统的信道估计解读

1、第第5章章 MIMO-OFDM系统的信道估计系统的信道估计 5.1 引言引言 无论是单载波系统还是多载波系统，在接收端，要采用相干解调无论是单载波系统还是多载波系统，在接收端，要采用相干解调恢复数据信息，都需要较准确的恢复数据信息，都需要较准确的 CSI作为数据处理的必要参数，所作为数据处理的必要参数，所以，信道估计是影响以，信道估计是影响 OFDM系统和系统和MIMO-OFDM系统性能的关键因系统性能的关键因素。和传统单天线情况下的素。和传统单天线情况下的 OFDM系统相比，系统相比，MIMO-OFDM系统中系统中的的CSI估计更困难些，原因是多天线的使用使得在任一子载波上接估计更困难些，原

2、因是多天线的使用使得在任一子载波上接收到的信号都是多个畸变信号的叠加。当对其中一个接收天线对的收到的信号都是多个畸变信号的叠加。当对其中一个接收天线对的CSI进行估计时，其它发射天线的发送信号就是干扰。进行估计时，其它发射天线的发送信号就是干扰。 1 5.2 信道估计算法信道估计算法 信道估计信道估计 非盲信道估计非盲信道估计盲信道估计盲信道估计 基于导频的信道估计基于导频的信道估计 基于训练序列的信道估计基于训练序列的信道估计 （基于块状导频的信道估计）（基于块状导频的信道估计） 2 t基于基于训练序列训练序列的信道估计的信道估计 t基于导频的信道估计基于导频的信道估计 ff3 4.3.1

3、LS信道估计算法信道估计算法 LS方法是使测量值和模型之间的加权误差最小。方法是使测量值和模型之间的加权误差最小。 Y?Xh?N?表示，则用表示，则用LS算法估计算法估计 h?若衰落若衰落 h的的LS估计用估计用 hLSLS的代价函数为的代价函数为 ?)?Y?Xh?J(hLSLS2H?)?(Y?XhLS) (Y?XhLSHHHH?Y Y?Y XhLS?hLSX Y?hLSX XhLSHH?的导数，使得的导数，使得 求求 hLS?)?J(h*HHLS? ?2X Y?2X XhLS?h?*?04 LSh?HH?1LS?X X?1X Y?X Y即即 h?X?1Y?y0?TLS?y1yN?1?x0 x

4、?1x?N?1?LS估计的均方误差（估计的均方误差（MSE）可以推得）可以推得 MSELS?E?h?h?LS?H?h?h?LS? E?h?X?1Y?H?h?X?1Y? E?X?1Z?H?X?1Z?2?n?2x5 ? 基于训练序列的信道估计基于训练序列的信道估计 Th?X?1Y?y1yN?1?LS?y0?x0 x?1xN?1? 基于梳状导频的信道估计基于梳状导频的信道估计 若若 导频子载波的信道响应导频子载波的信道响应 Np:导频符号导频符号个数个数 Hp?Hp(0 ) Hp(1 )?Hp(Np?1 )?T?H(0 ) H(G)?H?(Np?1 )G?T接收到的导频信号矢量接收到的导频信号矢量

5、Yp?Yp(0 ) Yp(1 )?Yp(Np?1 )?TYp?XpHp?Ip?Wp?N/ Np6 GYp?XpHp?Ip?Wp?Xp(0 )0?0?X0X (1 )0?pp?0?00?XN?p(p?1 )?Wp为导频子载波中的高斯噪声。为导频子载波中的高斯噪声。 Ip是是ICI矢量。矢量。 在常规的梳状导频估计中，基于在常规的梳状导频估计中，基于LS准则的导频信号估准则的导频信号估计可以表示为计可以表示为 Hp,LS?Hp,LS(0 ) Hp,LS(1 ) ?Hp,LS(Np?1 )?T?X?1pYp?Yp(0 )Yp(1 )Yp(Np?1 )?T? X (0 )X (1 )?ppXp(Np?

6、1 ) ?7 4.3.2 LMMSE信道估计算法信道估计算法 ?1?hLMMSE?Rhp ?(Rp ?p ?) pY?Xh?N之间的互相关矩阵。之间的互相关矩阵。 ?h和含噪声的导频估计和含噪声的导频估计 p?是是 Rhp ? E?hpRp ?p ?p ?R? E?pHpp?(pp )2nH?1是导频估计矩阵的自相关矩阵。是导频估计矩阵的自相关矩阵。 对于块状导频信道估计对于块状导频信道估计 2H?1?1?hLMMSE?RhhRhh?n(pp ) p4.3.3 信道插值信道插值 1.线性插值线性插值 2.齿条插值和三次插值齿条插值和三次插值 8 3.低通插值低通插值 基于低通滤波器梳状导频结构

7、的信道估计框图基于低通滤波器梳状导频结构的信道估计框图 9 4.4 OFDM系统信道估计系统信道估计 4.4.1 导频插入间隔以及导频图样导频插入间隔以及导频图样 导频符号成正方形分布的导频符号成正方形分布的OFDM符号帧结构符号帧结构 10 插入导频的间隔必须满足奈奎斯特抽样定理，即无失插入导频的间隔必须满足奈奎斯特抽样定理，即无失真恢复的抽样间隔必须小于抽样信号两倍带宽的倒数。真恢复的抽样间隔必须小于抽样信号两倍带宽的倒数。 1/( Nf?fc)?max或或 N1f?max?fc1/( NtT)?2fd或或 N?1t2fdT实际中实际中 N?1?f?N?1 ?t?max?fc?2f?dT?

8、一帧中包含的所有导频符号总数为一帧中包含的所有导频符号总数为 N?Nc?grid?N?Ns?f?N?t?11 向上取整向上取整 导频图导频图 两种导频插入模式两种导频插入模式 ? ?NgridNcNs其信噪比的损失为其信噪比的损失为 Vpilot?10 log?1?10?1? ?12 由于插入导频所带来的开销为由于插入导频所带来的开销为4.4.2 时域信道估计算法时域信道估计算法 基于训练符号的时域信道估计算法基于训练符号的时域信道估计算法 对于训练符号对于训练符号 xn，接收到的时域信号为，接收到的时域信号为 rn?h*xn?nn?1 ,2 ,? ,Ncr?Xh?其中其中 训练符号列矢量训练

9、符号列矢量 r ?r1,r2,?,rNc?T?CNc?1信道冲激响应列矢量信道冲激响应列矢量 h ?hTL?11,h2,?,hL?C加性噪声列矢量加性噪声列矢量 ?1,?2,?,?TNc? CNc?113 ?x1xNcxNc?1?xNc?L?2?x2x1x?x?NcNc?L?3?X?xNxNx?N?c?1c?2c?3?xNc?L?xNcxNc?1xNc?2?xNc?L?1?得到信道冲激响应的估值得到信道冲激响应的估值 h?X?1r?X?1Xh?X?1?h?X?1若有多个训练符号时，估计时可求平均若有多个训练符号时，估计时可求平均 h?12X?1(r?1?1?11?r2)?h2(X 1?X 2)

10、信道频域响应的估值信道频域响应的估值 H? DFT?h?14 4.4.2 频域信道估计算法频域信道估计算法 1. 基于插入导频符号的频域信道估计算法基于插入导频符号的频域信道估计算法 一维信道估计算法一维信道估计算法 15 2. 基于训练符号的频域信道估计基于训练符号的频域信道估计LS算法算法 第第 l个符号的第个符号的第 k个子载波上接收到的频域符号为个子载波上接收到的频域符号为 Rl,k?Hl,kXl,k?l,k得到信道频域响应的估值得到信道频域响应的估值 H?*2l,k?Rl,kXl,k?Hl,kXl,k?l,kX*l,k?Hl,k?l,kX*l,k 若有多个训练符号，估计时也可利用类似

11、于时域求平若有多个训练符号，估计时也可利用类似于时域求平均值的方法来平滑噪声的影响，以提高估计准确度。均值的方法来平滑噪声的影响，以提高估计准确度。 16 基于基于DFT的信道估计的信道估计 频域频域 时域时域 频域频域 H?LS(0 )h?LS(0 )h?DFT(0 )H?DFT(0 )LS 信信 H?LS(1 )N 点点 h?LS(L?1 )?h?DFT(L?1 )N 道道 I 点点 ?估估 H?D 计计 LS(N?2 )F h?D LS(L)0F ?H?T LS(N?1 )h?T LS(N?1 )?0?H?DFT(N?1 )基于基于DFT 的的OFDM 系统信道估计示意图系统信道估计示意

12、图 4.4.3 17 采样间隔信道情形采样间隔信道情形 1 0.9 0.8 0.7 度度0.6 h(t)=(t-Ts)+0.5(t-4Ts)幅幅 0.5 化化一一0.4 归归0.3 0.2 0.1 0 0 10 20 30 40 50 60 采样点采样点/个个 18 非采样间隔信道情形非采样间隔信道情形 1 0.9 0.8 0.7 度度0.6 h(t)=(t-1.5Ts) + 0.5(t-4.5Ts)幅幅 0.5 化化一一0.4 归归0.3 0.2 0.1 0 0 10 20 30 40 50 60 采样点采样点/个个 19 频域频域 时域时域 频域频域 H?LS(0 )h?LS(0 )h?D

13、FT(0 )H?DFT(0 )LS ?N 置置 点点 零零 N 信信 HLS(1 )样样 0点点 道道 值值 D ?估估 H?N?I ?2 )D ?选选 0?F ?计计 LS(F H?T 择择 T LS(N?1 )h?LS(N?1 )h?DFT(N?1 )H?DFT(N?1 )改进的基于改进的基于DFT 的的OFDM 系统信道估计示意图系统信道估计示意图 20 五种系统概况五种系统概况 系统系统 使用路径使用路径 LS 063 LS-DFT 02,6163 LS-DFT1 07,5663 LS-DFT2 010,5363 MMSE 063 21 最小均方误差（最小均方误差（MSE）性能仿真）性

14、能仿真 0 LS -5 LS-DFT LS-DFT1 -10 LS-DFT2 MMSE -15 -20 -25 -30 5 10 15 20 25 信噪比信噪比(dB) 22 MSE(dB) 误码率性能仿真误码率性能仿真 10 0 误码率平台 10-1 10-2 LS LS-DFT LS-DFT1 LS-DFT210-3 MMSE0 2 4 6 8 10 12 14 16 18 20 22 信噪比信噪比(dB) 23 SER 4.5 MIMO-OFDM系统信道估计系统信道估计 C1(k,n) IFFT k,n) S(k,n)MIMO MIMO FFT R1(S(k,n)?Channel ?MI

15、MO ?编码器编码器 IFFT FFT RNR(k,n)解码器解码器 CNT(k,n)信道信道 估计器估计器 训练训练 符号符号 基于训练序列的基于训练序列的 MIMO-OFDM系统信道估计系统信道估计 24 t基于训练序列的信道估计基于训练序列的信道估计 f训练模式：发送端发送训练序列，在接收端根据接收数据训练模式：发送端发送训练序列，在接收端根据接收数据 和训练序列计算信道特性。和训练序列计算信道特性。 数据传输模式：根据训练模式计算的信道特性及接收端接数据传输模式：根据训练模式计算的信道特性及接收端接 收的数据计算发送端发送的数据。收的数据计算发送端发送的数据。 25 训练模式训练模式M

16、IMO-OFDM系统输入输出关系：系统输入输出关系： Rj?CHj?Njj?0 , 1 ,? ,NR?1第第 j个天线各个子载波接收信号：个天线各个子载波接收信号： Rj?Rj0 ,?,RTjN?1 发送端每个天线发送的训练序列：发送端每个天线发送的训练序列： C?diag C0,? ,diag Ci,? ,diag CNT?1Ci?Ci0 ,? ,CiN?1 T第第 j个天线信道矩阵（频域）：个天线信道矩阵（频域）： HTj?H0,j,? ,Hi,j,? ,HNT?1 ,jHi,j?Hi,j0 ,?,Hi,jN?1 T26 第第 j个天线的噪声矩阵：个天线的噪声矩阵： Nj?Nj0 ,? ,

17、NjN?1 T信道特性时域和频域关系信道特性时域和频域关系 Hi,j?FLhi,jhi,j?hi,j0 ,?,hi,jL?1 TMIMO-OFDM系统输入输出关系另一种表达：系统输入输出关系另一种表达： Rj?Qhj?NjQ?diag C0FL,?diag CNT?1FLhj?h0 ,j,? ,hi,j,? hNT?1 ,jTMIMO-OFDM系统信道冲激响应的系统信道冲激响应的LS估计为估计为 h?H?1HH?1Hj?(Q Q) Q Rj?hj?(Q Q) Q Nj27 MIMO-OFDM系统信道估计中的训练序列选择：系统信道估计中的训练序列选择： 1. 导频必须等能量；导频必须等能量； 2

18、. 导频插入的子信道必须等间隔；导频插入的子信道必须等间隔； 3. 不同发射天线的导频相互正交。不同发射天线的导频相互正交。 例：例： 线线性调频序列性调频序列 j2?(k/2)2/NXk?A?ek? 偶数?0k? 奇数 不同发射天线训练序列正交不同发射天线训练序列正交 低低PAPR 抗抗ISI干扰干扰 28 C?Ckk为偶数1k?0k为奇数c?cn0?n?N?11(n)?cn?NN?n?2N?1发送端：发送端： OFDM数据数据 训练序列训练序列 OFDM数据数据 接收端：接收端： OFDM数据数据 训练序列训练序列 OFDM数据数据 加入保护间隔情形加入保护间隔情形 发送端：发送端： OF

19、DM数据数据 训练训练 序列序列 OFDM数据数据 接收端：接收端： OFDM数据数据 训练训练 序列序列 OFDM数据数据 特殊训练序列情形特殊训练序列情形 29 基于基于LS算法算法MIMO-OFDM系统系统MSE性能仿真性能仿真 10 5 随机训练序列随机训练序列 恒包络随机训练序列恒包络随机训练序列 特殊训练序列特殊训练序列 MSE (dB) 0 -5 -10 -15 -20 0 5 10 15 20 25 30 35 40 45 50 信噪比信噪比(dB) 随机训练序列：随机产生训练序列随机训练序列：随机产生训练序列 恒包络随机训练序列：用恒包络随机训练序列：用E指数做训练序列，幂次随机变化。指数做训练序列，幂次随机变化。 特殊训练序列：线性调频序列特殊训练序列：线性调频序列 30 基于基于LS算法算法MIMO-OFDM系统系统MSE性能仿真性能仿真 10 0 )-10 Bd( E-20 SM-30 不加零特殊训练序列传统算法不加零特殊训练序列传统算法 -40 特殊训练序列传统算法特殊训练序列传统算法 恒包络随机