【《MIMO-OFDM信道估计算法研究》3700字】

MIMO-OFDM信道估计算法研究目录TOC\o"1-3"\h\u15458MIMO-OFDM信道估计算法研究 119481.1.信道估计 18741.1.1.盲信道估计 171021.1.2.半盲信道估计 27611.1.3.非盲信道估计 25971.2.常用的信道估计算法 2215081.2.1.最小二乘(LS)信道估计算法 2253111.2.2.最小均方误差(LMMSE)信道估计算法 343621.2.3.基于DFT的信道估计算法 37741.3.不同信道模型下的信道估计算法研究 4208721.3.1.AWGN信道 4273421.3.2.Rayleigh信道 6312431.4.不同调制方式下的信道估计算法研究 8160911.4.1.16QAM 8199071.4.2.64QAM 8108061.4.3.QPSK 10219591.5.不同天线数对MMSE信道估计算法的影响 12在MIMO-OFDM系统中，信号在无线通信过程会受到干扰和失真，从而出现衰落。同时在MIMO-OFDM系统中，由于天线数目增多，需要处理的信道参数也会增加，这会提高系统的复杂度。因而为了使接收端接收到准确无误的信道状态信息，克服干扰和失真，有必要对接收端的信道参数进行估计。信道估计从系统接收端接收到的信息中将信道模型特有参数恢复出来的过程叫做信道估计。其中参数化估计是对信道模型的衰落幅度，时延等具体参数进行估计。非参数化信道估计是对某一频域或者某一时域信道响应进行参数估计，主要包括盲信道估计、非盲信道估计和半盲信道估计算法[23]。盲信道估计盲信道估计性能比较好，但是复杂度高不容易实现。这主要是因为盲信道估计在判断信道状态信息的时候，可以不使用参考信号，而仅通过系统接收到的统计信息完成判断。盲信道估计算法常常需要信道的相关矩阵信息或者进行子空间分解处理，包含大量的矩阵计算，所以复杂度较高，难以应用在时变信道上。而基于传统子空间的信道估计算法则存在收敛速度慢等问题。半盲信道估计半盲信道估计相当于其他两种信道估计方法的折中，性能方面比非盲信道估计更好，系统复杂度上比盲信道估计更低。在对信道状态信息进行估计时，半盲信道估计不仅需要接受到的统计信息，也需要少量的导频作为参考信号。常用的基于离散傅里叶变换域的信道估计算法(DFT)性能优于LS估计方法，复杂度低于MMSE估计方法，并且易于实现[23]。DFT与DCT相比存在一定的差距。非盲信道估计非盲信道估计需要使用已知的参考信息来获得信道状态信息，通常会在发送信息时，加入已经训练好的序列来完成信道估计，常用的还有加入导频符号的方法。在使用训练序列进行信道估计的时候，发送端会首先发送一次训练序列，接收端接收到训练序列信息之后完成第一次信道估计。之后再进行实时信道估计时，发送的的都是需要处理的信息，通过第一次的信道估计可以对接收到的信息进行判决和更新。而在使用导频符号进行信道估计时，发送时数据带有已知的导频符号，最后接收端将数据和已知导频符号一起接收。根据已识别出的导频信号，可以直接得到所有导频处的信道估计，最后由差值算法得到整个信道的估计参数。常用的导频有块状、梳状和菱形，主要根据导频的排列方式进行的划分。在MIMO-OFDM系统的信道估计中采用的导频或者训练序列必须在时域或者频域正交。该方法复杂度低易实现，实际的无线通信系统多采用这种信道估计方法。经典的频域估计算法主要有LS算法和MMSE算法。LS算法容易实现，但是性能不佳。MMSE算法性能优于LS算法，但计算量很大。常用的信道估计算法最小二乘(LS)信道估计算法设估计模型为。其中为的矩阵，为待估参数矢量，为N维噪声矢量，为观测值矢量。模型中方程组个数大于等于待估参数的个数，秩等于待估参数个数。令表示对信道的估计。最小二乘法信道估计算法在获得信道估计时，代价函数需要对求偏导，并令其为0。代价函数为：(2.10)由此得到最小二乘法LS信道估计的解：(2.11)最小均方误差(LMMSE)信道估计算法为了得到信道估计，最小均方误差信道估计算法需要使代价函数最小化。MMSE信道估计的代价函数可以表示为：(2.12)同样需要使代价函数关于的偏导数等于0。由此得到最小均方误差信道估计的解:(2.13)其中为待估参量矢量的自相关矩阵，为最小二乘信道估计，待估参量矢量的加性噪声方差。基于DFT的信道估计算法DFT信道估计算法在LS和MMSE算法的基础上进行了改进，对估计信道取IDFT之后再对频域部分元素置零。该算法通过去除噪声以提高性能，但是不能消除最大信道时延带来的影响。估计的信道取IDFT，得：（n=0,1……N-1）(2.14)为N维噪声。表示由LS或MMSE信道估计算法得到的第个子载波的信道增益[19]。信道的系数可以表示为：(2.15)其中L为最大信道时延。然后将剩余的L个信道系数转换到频域：(2.16)DFT信道估计算法在导频的基础上，对信道估计值进行快速傅里叶变换，在频域对部分元素做置零处理，以减少导频污染。不同信道模型下的信道估计算法研究在不同信道模型下，仿真比较了MIMO-OFDM系统下的LS、LMMSE和DFT信道估计算法性能。信道使用了加性高斯白噪声和Rayleigh衰落信道模型，发送天线和接收天线数目都是2，多径数目L=5，导频方式选择了块状导频，调制方式采用16QAM，画出了发送前和接收后的星座图，主要对LS、LMMSE和DFT三种信道估计算法的BER、MSE进行比较。AWGN信道图3.1AWGN信道下16QAM调制后星座图图3.2AWGN信道下接收端星座图图3.3三种信道估计算法在AWGN信道下的均方误差图3.4三种信道估计算法在AWGN信道下的误码率分析：在AWGN信道下进行信道估计时，发现三种算法对应的误码率和均方误差都会在信噪比逐渐增大时降低。从图3.3可以看出均方误差的数值整体呈线性降低的趋势，其中LMMSE算法的均方误差数值更小，然后是DFT和LS信道估计算法，所以从均方误差来看LMMSE算法性能更好。在信噪比较小时LMMSE和DFT的信道估计误码率十分接近，在高信噪比时，LMMSE信道估计算法的误码率最低，DFT信道估计算法的误码率明显低于LS算法的误码率。所以从误码率来看，LMMSE算法的估计性能更好。Rayleigh信道图3.5Rayleigh信道下16QAM调制后星座图图3.6Rayleigh信道下接收端星座图图3.7三种信道估计算法在Rayleigh信道下的均方误差图3.8三种信道估计算法在Rayleigh信道下的误码率分析：在Rayleigh信道下进行信道估计时，LS、LMMSE和DFT三种算法的性能指标都会随着信噪比的提高而有所降低。从图3.7可以看出三种方法的均方误差整体都是线性下降，其中LMMSE信道估计算法的均方误差数值最小，性能更好，然后是DFT和LS信道估计算法。在信噪比数值较小时，三种算法误码率非常接近，在高信噪比时，LMMSE和DFT信道估计算法的误码率要明显低于LS算法的误码率，LMMSE信道估计算法的误码率最低。所以从误码率来看，LMMSE估计性能更好。总结：对两种信道进行对比，AWGN信道和Rayleigh信道下，信道估计算法的均方误差和误码率都呈下降趋势，但AWGN信道明显小于Rayleigh信道，所以AWGN信道下的信道估计算法性能更好。不同调制方式下的信道估计算法研究在调制方式不同，仿真比较了MIMO-OFDM系统下的LS、LMMSE和DFT信道估计算法性能。仿真环境为Rayleigh衰落信道，发送天线和接收天线数目都是2，多径数目L=5，导频方式选择了块状导频，调制方式采用16QAM、64QAM、QPSK，画出了发送前和接收后的星座图，主要对LS、LMMSE和DFT三种信道估计算法的BER、MSE进行比较。16QAM当调制方法为16QAM时，Rayleigh信道下LS、LMMSE和DFT三种信道估计算法的仿真结果与不同信道模型下的结果相同，关于性能指标的比较如图3.7,3.8所示。分析：当仿真环境选取的是Rayleigh信道，调制方式选择16QAM时，三种信道估计算法所对应的均方误差和误码率都会随着信噪比的不断提高而有所降低。均方误差基本上是按照一个线性的趋势不断下降，其中LMMSE信道估计算法的均方误差数值更小，性能更好。从误码率来看，低信噪比时三种信道估计误码率相对接近，高信噪比时，LMMSE和DFT算法的误码率明显低于LS算法的误码率，LMMSE算法的误码率最低，性能更好。64QAM图3.9Rayleigh信道下64QAM调制后星座图图3.10Rayleigh信道下接收端星座图图3.11调制方式为64QAM时三种算法的均方误差图3.12调制方式为64QAM时三种算法的误码率分析：Rayleigh信道下进行信道估计，调制方式采用64QAM时，三种算法误码率与均方误差都随着信噪比的增大而逐渐降低。从图3.11可以看出三种算法的均方误是一种线性下降的情况，明显看出LMMSE算法的均方误差小于DFT算法、小于LS算法，即LMMSE算法的性能最好。从误码率来看，LMMSE算法与DFT算法接近。QPSK图3.13Rayleigh信道下QPSK调制后星座图图3.14Rayleigh信道下接收端星座图图3.15调制方式为QPSK时三种算法的均方误差图3.16调制方式为QPSK时三种算法的误码率分析：仿真环境选择的是Rayleigh信道，调制方式选取QPSK时，三种信道估计算法对应的均方误差和误码率都随着信噪比的增大而降低。从图3.15来看三种算法的均方误差都是线性降低的，其中LMMSE信道估计算法的均方误差数值更小，性能更好。从误码率来看，三种信道估计方法误码率较为接近。总结：比较Rayleigh信道下不同调制方式对信道估计算法的影响。可以看出对于同一信道估计算法，例如LMMSE算法，通过比较图3.7，3.11，3.15的均方误差，发现QPSK调制方式下的估计算法的均方误差低于64QAM，低于16QAM，即QPSK调制方式下信道估计算法性能优于64QAM和16QAM。从误码率来看，通过比较图3.8、3.12、3.16的误码率数值，发现QPSK调制方式下的误码率数值远低于64QAM和16QAM，即QPSK调制方式下信道估计算法性能更好。不同天线数对MMSE信道估计算法的影响通过比对分析不同信道模型、调制方式下估计算法的均方误差和误码率性能，发现MMSE算法性能更好，因而在研究天线数目对信道估计算法的影响时选择MMSE算法。仿真环境选择的是Rayleigh衰落信道，编码方式采用