一种改进的mimo-ofdm信道估计算法

一种改进的mimo-ofdm信道估计算法

1基于导频的信道估计算法随着多媒体带宽业务的蓬勃发展，未来多功能系统的数据分辨率和信号效率提出了更高的要求。mimo-whyd系统是由多输入和多输出（mimo）系统和正交频分复器（ofdm）技术相结合而成的。mimou出口商系统采用空时编码，具有分集激励和编码幅度，显著提高了系统容量、数据分辨率和信号效率，预计将成为未来无线通信系统的主要技术方案之一。在无线通信系统中,信道估计的好坏直接影响到接收端相干检测的性能.基于导频的信道估计主要分为LS算法和MMSE算法.前者假设信道冲击响应(CIR)是未知确定不变的,而后者假设CIR是随机过程中的随机变量.早期的MIMO研究假设信道是空间不相关的,而在实际MIMO-OFDM系统中,由于天线间隔等约束,不同发送和接收天线间的信道往往是空间相关的.对于这种信道,可以采用MMSE技术进行信道估计,利用信道相关性等先验信息获得较好的估计性能.然而,利用先验信息的代价就是高计算复杂度,而且,当不能够预先得知信道空间相关性信息时,MMSE技术不适合高速快变衰落信道,很大程度地阻碍了此算法的实际应用.为了适应更广泛的应用需求,本文集中开发无需利用信道先验信息的LS估计算法.文提出一种基于最小MSE的LS信道估计算法.文在802.11n室内模型下提出一种角域LS信道估计算法,但此算法利用的时域正交导频方案并不适用于室外无线通信.为了适应室外无线信道,基于文的相移正交LS算法、根据角域内信道系数空间不相关,提出一种相移正交角域LS算法.该算法利用最有用抽头(MST)技术来忽略能量较小的抽头、保留能量较大的抽头来减少噪声对信道估计的影响,改善了相移正交LS算法的性能.通过3种不同室内外模型的仿真实验验证了所提算法的有效性.2信号空间方程在角域中,不同波束形成的主瓣用来标识物理传输环境.一个MIMO系统,波束形成将有Nt个发送波瓣和Nr个接收波瓣.一个传输和接收天线对形成一个角域区域,因此,角域可分为Nt×Nr个角域区域.如图1所示,发送波瓣2和接收波瓣2表示一个角域区域(2,2),多条无法分辨的物理路径如果均出现在角域(2,2)中就可合并为一个路径A,而其它由可合并物理路径构成的路径B,由于它的发起点或终点在其它波瓣处,所以对路径A没有任何影响.从而,不同的物理路径会近似地产生不同的角域区域,可认为不同角域区域内的信道系数空间不相关.假设在时刻l,发送和接收天线间有任意个路径,第i个路径的衰减因子是ai,角度φit(Ωit=sinφit),φir(Ωir=sinφir).在时域内,信道矩阵为R(l),l=0,1,2,···,L-1,L是MIMO信道时间扩展长度.那么,信道矩阵R(l)可表示为其中,其中,λc为载波波长,di为发射天线与接收天线之间沿路径i的距离,Et(Ω)和Er(Ω)为发射和接收方向余弦Ωt和Ωr上的单位空间特征图,∆t和∆r是分别表示发送和接收天线阵的间距.角域与时域之间的转换可表示为其中,上标a表示角域变量,Qt和Qr为发送和接收信号空间正交基,该基提供了接收信号的角域表示,它们的列向量分别为其中,Mt=Nt∆t和Mr=Nr∆r分别是归一化的发送天线和接收天线阵长度.3ls估计算法的mse基于导频的信道估计算法大体上可分为LS算法和MMSE算法.虽然MMSE算法利用信道空间相关性能得到很高的估计性能,但利用信道先验信息将产生高计算复杂度,使MMSE算法不适用于实际应用,故在实际的通信标准中,采用的往往都是LS算法.为了获得最小的信道估计均方误差(MSE)值,这里选择相移正交LS算法.该算法不但要求每根发射天线导频序列中的导频等能量、等间隔,而且不同发射天线间的导频序列相互相移正交.假设信道估计在g个OFDM符号下进行,也就是导频序列通过g个OFDM符号,q表示第q根接收天线,则第q根接收天线接收到的信号可建模为其中,Yq=[YqT(0),···,YqT(g-1)]T,Ξq=[ΞqT(0),···,ΞqT(g-1)]T,hq=[hq,1T,···,hq,NtT],并且,其中,Srdiag(n)和Brdiag(n)是K×K维对角矩阵,对角线元素分别包含第n个OFDM符号中的信号子载波和导频子载波,F为傅里叶变换矩阵.信道冲击响应的LS估计可表示如下:其中,是第q根接收天线的信道冲击响应估计值.LS算法的MSE可表示为:其中,σf2为噪声方差,ε(·)为求数学期望.为使得系统MSE最小,AHA必须为对角矩阵.4mst技术的角域描述正如前面所讨论的,在角域内,信道系数可近似为空间不相关且独立于噪声.因此,可以在每个角域面里对信道系数进行独立地过滤来减小噪声产生的估计误差.相移正交角域LS算法可描述如下:(1)通过式(11)获得不同发送和接收天线间的初始信道估计值,并构成Nr×Nt时域信道矩阵R(l).(2)通过式(5)把时域信道矩阵R(l)转换为角域Ra(l),并通过估计信道的即时功率,假设噪声方差σf2已知.因此,MST技术在角域内表示为其中,门限值η为噪声方差σf2.(3)由于Qt和Qr为酉矩阵,故可得R(l)=Qr·Ra(l)QtH,把已过滤的信道矩阵由角域转换为时域.可以看到MST技术无需利用信道相关信息,而计算复杂度方面只是在估计每个信道系数时增加了一个复数乘法.5种信道估计算法的性能选择2×4的MIMO系统,假设接收机完美同步,无线信道被建模为瑞利多径信道,有8条瑞利多径,每条路径拥有相同的功率时延谱.每个OFDM符号内有16个导频子载波和112个数据子载波,循环前缀为8.每个子载波等能量,采用QPSK进行调制.每个发送天线发送5000个OFDM符号.要跟踪快变衰落无线信道,信道估计需要在每个OFDM符号内进行.但每个OFDM符号内导频数过多会导致数据传输效率较低,为了克服这种影响,可以考虑信道估计在多个OFDM符号内进行.为了评估两种信道估计算法的性能,仿真实验将在3种不同信道模型和2种多普勒频率(Dopplerfrequency)下进行.模型A:平坦农村模型平坦农村环境下(见图2~4)的角度扩展不到1◦,这样,大量多径分量能保证无能量泄漏.对于慢时变信道,多普勒扩展为10Hz时,相移正交LS算法在g=1,2,4时有相似的MSE性能;相移正交角域LS算法在g=1时可得到比相移正交LS算法更好的估计性能,而随着g的增加,相移正交角域LS算法在低信噪比下的性能将出现明显的下降.对于快时变信道,多普勒扩展为100Hz时,不管g取多少,两种算法均出现明显的性能下降.模型B:城市环境模型典型城市环境下(见图5、6)的角度扩展不超过20◦,对于慢时变信道,当g=1时,相移正交角域LS算法的MSE性能在低信噪比下优于相移正交LS算法,随着SNR的逐渐增加,相移正交LS算法的估计性能要优于相移正交角域LS.然而,相移正交角域LS算法在g=2时将失效.对于快时变信道,不论g取多少,两种算法均得到较低的MSE性能.模型C:室内环境模型室内环境下(见图7)的角度扩展范围是0◦到360◦.与前面两种室外模型不同的是,在室内模型下,由于大部分多径分量会产生较严重的能量泄漏,相移正交角域LS算法将产生明显的性能下降.从图中可以看出,在室内环境下,不论快时变还是慢时变信道,不论g取1还是2,相移正交LS算法的性能完全胜过相移正交角域LS算法.综上,相移正交角域LS算法在室外环境,尤其在低信噪比下,具有良好的估计性能.6种多通道相