MIMOOFDM系统中信道估计解析.docx
- 文档编号:6849938
- 上传时间:2023-01-11
- 格式:DOCX
- 页数:128
- 大小:106.43KB
MIMOOFDM系统中信道估计解析.docx
《MIMOOFDM系统中信道估计解析.docx》由会员分享,可在线阅读,更多相关《MIMOOFDM系统中信道估计解析.docx(128页珍藏版)》请在冰豆网上搜索。
MIMOOFDM系统中信道估计解析
题目:
MIMO-OFDM系统中信道估计及信号检测算法的研究
独创性(或创新性)声明
本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。
尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。
申请学位论文与资料若有不实之处,本人承担一切相关责任。
本人签名:
关于论文使用授权的说明学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定,即:
研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。
学校有权保
留并向国家有关部门或机构送交论文的复印件和磁盘,允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。
(保密的学位论文在解密后遵守此规定)本学位论文不属于保密范围,适用本授权书。
本人签名:
夺^
摘要
MIMO-OFDM系统中信道估计及信号检测算法的研究
输入多输出(MIMO)和正交频分复用(OFDM)是LTE的两大核心技术。
多输入多输出(MIMO)技术利用各种分集技术带来的分集增益可以提高系统的信道容量、数据的传输速率以及系统的频谱利用率,这些都是在不增加系统带宽和发射功率的情况下取得的;正交频分复用(OFDM)技术是多载波调制技术的一种,其物理信道是由若干个并行的正交子信道组成,因此可有效地对抗频率选择性衰落,同时通过插入循环前缀(CP)可以有效消除由多径而引起的符号间干扰(ISI)。
由于多输入多输出(MIMO)在提高系统容量和正交频分复用(OFDM)在对抗多径衰落方面的优势,基于两者结合的MIMO-OFDM系统已经引起了广泛的关注。
信道估计算法和信号检测算法是MIMO-OFDM系统的关键技术。
其中信道估计算法对MIMO-OFDM系统接收端的相干解调和空时检测起着至关重要的作用,信道估计的准确性将影响系统的整体性能。
目前对信道估计算法的研究有很强的理论与实用价值,虽然已有各种类型的信道估计算法提出,但是算法的准确性需要进一步地提高,同时为了算法能够顺利地应用于实际系统中,也要求算法的计算复杂度不能过高,需要在保证准确度的同时将算法的计算复杂度进一步地降低。
MIMO-OFDM系统接收机中的信号检测算法性能好坏及其复杂度高低直接影响着整个通信系统的质量和发展前景。
复杂度低的信号检测算法往往检测性能很差,而具有优异检测性能的算法往往伴随着偏高的复杂度。
复杂度过高的算法实现又常常受限于当前硬件的处理能力,尤其是当天线的数目线性增加时,算法的复杂度往往呈现指数级的增加。
因此研究既能拥有最优的信号检测性能且复杂度适中的信号检测算法对MIMO-OFDM系统的实现具有重要的意义。
论文以MIMO-OFDM系统中的信道估计算法和信号检测算法为研究内容,主要工作包括以下三部分-
1、研究信道估计算法,包括典型的数据辅助信道估计算法、肓信道估计算法以及结合前两者的半盲信道估计算法。
总结和分析了现有的针对MIMO-OFDM系统的各类典型信道估计算法的优缺点,深入研究了现有的半盲信道估计算法,提出了一种基于空间交替广义期望最大化(SAGE)的半盲信道信道估计与信号检测联合算法。
该算法首先将子帧划分为若干个OFDM子块,根据训练符号子块初始化子帧,然后在每一个子块上通过迭代不断更新信道状态信息及OFDM符号检测值。
并通过相邻子块传递跟踪的信道状态估计信息来依次完成对所有子块的信号检测,最终完成对所有子帧的信号检测和整个信道状态信息的跟踪。
通过仿真分析了所提出算法的性能,指出该算法和传统的信道估计算法相比具有良好的误码率性能,但是算法复杂度还是偏高。
因为对子块的迭代更新检测和子块间的检测都用到了最大似然(ML)信号检测算法,其算法复杂度偏高,从而导致整个算法的复杂度较高。
尤其是在采用了高阶调制和天线数目较多的MIMO-OFDM系统中,其算法复杂度呈现指数级的增加,因此降低算法中信号检测算法的复杂度成为优化该算法的关键。
2、研究信号检测算法。
对现有的基于分层空时结构的MIMO系统的信号检
测算法进行了研究,包括最优信号检测算法、次最优信号检测算法以及分层信号检测算法。
详细分析了最优信号检测算法即最大然(ML)信号检测算法在“搜素无序数据库中最小值”时存在的搜索复杂度高的问题,针对此问题提出了一种基于格洛弗量子搜索算法(Grover'sQuantumsearch)的次最优信号检测算法。
该算法通过设置基于双门限的判定函数,将未加整理的数据库搜索问题转换为判定问题以降低复杂度,同时执行Grover迭代可以将问题解的概率幅度进行放大,进而降低非解的概率幅度,从而在测量时以较大的概率得到问题解。
通过仿真证明了该算法在保证检测准确度的同时可以大幅度降低最优信号检测算法的复杂
度。
在对次最优信号检测算法的研究中,分析了典型的基于球形译码(SD)的信号检测算法的原理,针对传统的球形译码(SD)信号检测算法的缺陷提出了一种有效的改进搜索半径的球形译码(SD)信号检测算法,仿真表明该算法在误码率性能上要优于传统的线性信号检测算法,且相比于传统的固定半径的球形译码(SD)信号检测算法具有较低的计算复杂度。
3、研究降低复杂度的信道估计和信号检测联合算法。
针对第一部分提出的
基于SAGE半盲信道估计与信号检测联合算法存在的复杂度高的问题,结合第二部分提出的基于格洛弗量子搜索算法(Grover'sQuantumsearch)的次最优信号检测算法提出了一种改进的信道估计和信号检测联合算法。
通过改变完全数据Z与观测数据Y的映射关系,将原算法的流程进行了改进,同时利用格洛弗量子搜索算法对最大似然(ML)信号检测算法的搜索过程进行了优化,有效降低了算法复杂度。
通过仿真证明了降低复杂度后的联合算法仍然具有良好的算法性能。
关键词:
多输入多输出正交频分复用信道估计信号检测空间交替广义期望最大化格洛弗量子搜索
第一章绪论
在20世纪80年代中期,以北美地区的高级移动电话系统(AdvancedMobilePhoneService,AMPS)及其改进型系统全接入通信系统(TotalAccessCommunicationsSystem,TAGS)为代表的第一代蜂窝状移动通信系统拉开了人类发展移动通信系统的序幕。
以频分复用(FrequencyDivisionMultiplexing,FDM)和语音信号模拟调制为特点的第一代移动通信系统虽然在商业上取得了巨大的成功,但是其存在着频谱利用率低、无高速数据业务支持、终端设备体积大重量大且成本高的弊端。
为解决模拟系统的这些缺陷,以全球移动通讯系统(GlobalSystemofMobilecommunication,GSM)和IS-95为代表的第二代数字蜂窝移动通信系统迅速在全球范围内普及。
相对于第一代的模拟移动通信系统,第二代移动通信系统主要采用时分多址(TimeDivisionMultipleAccess,TDMA)的数字调制方式,以传输语音和低速率的数据业务为目标,有效地提高了频谱利用率,使系统性能大为改善,并可支持多种业务类型,与综合业务数字网(IntegratedServicesDigitalNetwork,ISDN)等兼容。
但是其满足不了日益增长的数据业务对系统容量的需求,且越区切换性能较差。
随后为了支持中速率数据业务,在20世纪90年代中期幵始出现了以通用分组无线服务技术(GeneralPacketRadio
Service,GPRS)和IS-95B为代表的2.5G的移动通信系统。
随着数据业务的不断丰富和多媒体通信的发展需要,早在1985年国际电信联盟(InternationalTelecommunicationsUnion,ITU)就提出了未来公众陆地移动通信系统(FuturePublicLandMobileTelecommunicationSystem,FPLMTS)的概念,在1996年其被更名为IMT-2000(InternationalMobileTelecommunication-2000)。
2000年5月,国际电信联盟(ITU)正式确定将WCDMA、CDMA2000、TD-SCDMA以及WiMAX作为第三代移动通信系统的四大主流无线接口标准,在前三种标准中,无一不是将在扩频通信技术上发展起来的码分多址技术(CodeDivisionMultipleAccess,CDMA)作为技术基础。
码分多址的优点是频谱利用率高、抗多径干扰能力强、保密性强、支持软容量和软切换。
然而随着经济全球化的发展和信息网络化的快速推进,第三代移动通信(the3rdGeneration,3G)系统已经不能满足“爆炸式增长”的移动数据流需求以及系统用户容量的增长需求。
ra际电信联盟(ITU)早在1999年底就开始了下一代移动通信的研究,称为超3G(Beyond3rdGeneration,B3G)或者第四代移动通信系统(the4thGeneration,4G)。
2004年11月份,在第三代合作伙伴计划(the3rdGenerationPartnershipProject,3GPP)魁北克的会议上,3GPP决定幵始了3G系统的长期演进(LongTermEvolution,LTE)的研究与标准化工作。
从移动通信发展史上来看,移动通信系统的目标无一不是以实现“在任何时间、任何地点、向任何人提供通信服务”这一目标而向前发展的。
一方面要求丰富业务的种类和数量来满足人们不断增长的移动业务需求;另一方面通过采用先
进的通信技术,不断提高系统容量和频谱利用效率。
移动通信系统正是在这两种需求的驱动下而不断向前发展的。
为了满足LTE要求的峰值数据速率下行100Mbps和上行50Mbps、带宽可变、最大可达20MHz、成本低的目标[1],正交频分复用(OrthogonalFrequencyDivisionMultiplexing,OFDM)技术和多输入多输出(Multiple-InputMultiple-Output,MIMO)技术已经成为LTE的两大核心技术。
其中正交频分复用(OFDM)作为一种多载波调制技术,其将单一物理信道分割为若干个并行的正交子信道,减轻了由多径信道环境对系统造成的影响,可以有效地对抗频率选择性衰落,同时通过插入循环前缀(CyclicPrefix,CP)可以有效消除由多径而引起的符号间干扰(InterSymbolInterference,ISI)[2];多输入多输出(MIMO)则利用各种分集技术带来的分集增益可以提高系统的信道容量、数据传输速率以及系统的频谱利用率,这些都是在不增加系统带宽和发射功率的情况下取得的[3,4]。
由于多输入多输出(MIMO)在提高系统容量和正交频分复用(OFDM)在对抗多径衰落方面的优势,将两者相结合的多输入多输出-正交频分复用(MIMO-OFDM)系统已经引起了广泛关注[5-15],其中针对此系统的信道估计算法和信号检测算法也成为了各国学者研究的热点[10-15]。
笔者在参加2011年国家科技重大专项课题“基于TD-LTE的高速铁路宽带通信的关键技术研究与应用验证”(项目编号:
2011ZX03001-007-03)过程中,深入了解了多输入多输出(MIMO)技术和正交频分复用(OFDM)技术,并对MIMO-OFDM系统中的信道估计算法和信号检测算法进行了研究。
因此,本课题旨在以项目进展过程中积累的MIMO-OFDM系统平台作为研究基础,详细研究了针对MIMO-OFDM系统的信道估计算法和信号检测算法,并对本论文后续的可研究方向进行了展望。
1.1课题研究意义
在无线通信系统中,发射信号在传播过程中往往会产生反射、绕射、衍射以及散射等情况。
由于在信道中多种传播环境情况的存在导致了信号本身所具有的时延、相位和振幅不尽相同,同时再受噪声的影响,多路径的信号分量在接收端产生了叠加信号,多路径的信号分量的叠加会使得接收信号产生形变,产生严重的衰落。
而严重的衰落会使得接收端在接收判决时产生误码,从而影响了系统的可靠性。
因此有必要在接收端对信道状态进行估计,对接收信号的幅度和相位进行补偿。
在采用了多进制正交幅度调制(MultipleQuadratureAmplitudeModulation,MQAM)的MIMO-OFDM系统中,接收端在进行相干解调时需要用到信道的瞬
时状态信息,此时信道状态信息估计的准确与否将会对接收机的性能产生直接影响。
同时信道估计也可以进行频率补偿来纠正由于频偏造成的信号正交性的破坏。
对于MIMO-OFDM来说,由于采用了多输入多输出(MIMO)技术,在接收端进行空时检测时要求对信道状态信息已知,此时信道估计的准确性至关重要。
综上两点,可以看出信道估计算法是MIMO-OFDM系统中的关键技术,信道状态信息估计的准确性将影响系统的整体性能。
信道估计算法的研究有很强的理论与实用价值,虽然目前已有很多信道估计算法提出,但是信道估计的准确性仍有待进一步提高,这是本文研究信道估计算法的意义所在。
同时在MIMO-OFDM系统中,系统接收机信号检测算法的性能好坏及其复杂度高低直接影响着整个通信系统的质量和发展前景。
具有优异检测性能的信号检测算法往往伴随着较高的复杂度,复杂度过高的算法其实现常常受限于当前硬件的处理能力,尤其是当天线的数目线性增加时,算法的复杂度往往呈现指数级的增长。
而复杂度低的信号检测算法却往往伴随着信号检测性能的低效,因此研究既能拥有最优的信号检测性能且算法复杂度适中的信号检测算法是MIMO-OFDM系统实现性能充分发挥的关键。
这也是本文研究信号检测算法的意义所在。
1.2无线多输入多输出和正交频分复用技术概述
1.2.1无线多输入多输出技术
传统的无线通信系统往往采用单输入单输出(SingleInputSingleOutput,
SISO)的天线系统,即在发射端和接收端均采用一个天线,这样的系统在信道
容量上往往受仙农(Shannon)容量的限制[16]。
为了达到或者接近仙农(Shannon)容量,一方面可以采用先进的编码策略,比如祸旋码(Turbo码)[17]或低密度奇偶校验(LowDensityParityCheek,LDPC)码[18],另一方面可以加大系统的发射功率。
这些措施远不能满足R益增长的宽带业务对系统容量的需求,而且发射功率不能无限制的增大。
加大系统的发射功率一方面会引起人体健康状态的变化,另一方面由于功放器件在大功率区域下的线性工作特性很难设计,这对硬件设计提出了挑战。
其次由发射功率的增大所引起的功耗也是必须要考虑的问题。
另外一个提高系统容量的方法是采用分集技术,即采用若干优化准则下的发射/合成技术来提高发射/接收信噪比(Signal-to-NoiseRatio,SNR)从而增大系统容量。
多年来,分集技术主要是通过在接收端和发送端采用一元或者多元阵列天线而实现的。
因此就出现了单输入多输出(SingleInputMultipleOutput,SIMO)系统和多输入单输出(MultipleInputSingleOutput,MISO)系统。
在WCDMA
标准中就采用了多输入单输出(MISO)天线系统,其发射天线采用多元阵列天线,接收天线则采用一个阵元。
多输入多输出(MIMO)系统是指在发射端和接收端均采用多元阵列天线的通信系统。
图1-1给出了多输入多输出(MIMO)系统的原理框图。
图1-1多输入多输出(MIMO)系统原理框图
如图1-1所示,在发射端输入的串行数据流首先经过空时变换被转换成若干路并行的子数据流,然后将并行的子数据流经过一定的编码方式对应于不同的发射天线发射出去。
在接收端通过多个天线进行接收,根据信道估计模块得到的信道状态估计信息,并结合空时译码模块对并行的数据流进行译码处理,最后串行输出。
可以看出实质上,多输入多输出(MIMO)系统利用收发两端的多付天线对空间维进行扩展,同时充分挖掘信号的空域、时域、频域特性以得到空间分集增益或复用增益,从而实现在不增加系统带宽和天线发射功率的情况下多输入多输出(MIMO)系统容量(也叫吞吐量)和频谱效率的提升。
在多输入多输出(MIMO)技术的实际应用中已经证明了多输入多输出(MIMO)系统容量与收发天线数目中较小的天线数近似呈线性增长。
1.2.2正交频分复用技术
第三代移动通信系统主要釆用了码分多址(CDMA)技术,LTE在无线接入网(RadioAccessNetwork,RAN)侧引入了正交频分复用(OFDM)技术用来取代码分多址(CDMA)技术。
正交频分复用(OFDM)的雏形最早由R.W.chang在20世纪60年代提出,即利用相互重叠的频分复用子信道传输并行数据。
其可以充分利用频谱资源,能有效对抗窄带脉冲噪声和多径衰落,并且可以避免在接收端使用高速均衡器[19]。
1971年,Weinstein和Ebert提出将离散傅立叶反变换(InverseDiscreteFourierTransform,IDFT)和离散傅立叶变换(DiscreteFourierTransform,DFT)分别应用到正交频分复用(OFDM)的调制模块和解调模块中以实现多载波调制和解调,使系统的复杂度大大降低,为正交频分复用(OFDM)的实际化应用提供了理论支持[20]。
20世纪80年代随着大规模集成电路的出现使得正交频分复用(OFDM)技术在移动通信中得到了迅猛发展。
20世纪90年代以来,JF?
交频分复用(OFDM)技术已在IEEE802.il无线局域网(WirelessLocalAreaNetwork,WLAN),在数字音频广播(DigitalAudioBroadcasting,DAB),数字视频广播(DigitalVideoBroadcasting,DVB),数字多媒体广播(DigitalMultimediaBroadcasting,DMB),802.16无线城域网(WirelessMetropolitanAreaNetworks,WMAN)等系统中得到了广泛的应用[21-25]。
正交频分复用(OFDM)系统的基本模型如图1-2所示。
图1-2正交频分复用(OFDM)系统的基本模型
在发射端,输入的数字序列首先经过串/并变换和编码映射,然后经过快速傅立叶反变换(InverseFastFourierTransformation,IFFT)实现对编码映射后的星座点多载波调制,再经过并/串变换将并行数据流串行输出,随后经过低通滤波器实现滤波成型和数模(D/A)转换器实现数模转换,最后将数据流上变频到一定的发射频率上并发送出去。
在接收端,接收到的信号先经过下变频,然后低通滤波、模数(A/D)转换和串/并转换后,进行快速傅立叶变换(FastFourierTransformation,FFT),同时对变换所得的数据进行均衡以避免信道失真,最后再进行译码和并/串变换,在接收端恢复出原来的数字序列。
从输入输出信号间的关系来看正交频分复用(OFDM)可以看作是一种调制技术;从输出信号可以看作是各个调制信号之和的角度看正交频分复用(OFDM)可以看作是一种复用技术。
将采用正交频分复用(OFDM)技术的系统所具有的
优势总结起來有以下几点:
1)正交频分复用(OFDM)在对抗频率选择性衰落和载波间干扰方面具有良好的效果,同时可以通过将各子信道联合编码以实现子信道的频率分集,使整体的系统性能得到了提升;
2)正交频分复用(OFDM)的子信道在频域上是重叠的,其由相互正交的子载波构成,能够有效地提高整个系统的频谱利用率;
3)由于采用了自适应调制(AdaptiveModulationandCoding,AMC)技术,使得整个系统可以根据信道环境的好坏而采用合适的子载波及其调制方式、每个OFDM符号的位数以及分配给子载波的功率。
自适应调制(AMC)技术可以实现灵活配置调制方式使系统适应不同的信道条件,不但提高了系统容量而且也使得系统的可靠性得到提升;
4)将高数据流通过串/并变换转换成低数据流,从而延长了每个符号的持续时间,进而有效对抗由时间弥散所带来的频率选择性衰落,同时通过插入循环前缀可以降低符号间干扰(InterSymbolInterference,ISI),因而可以降低系统接收端均衡器的设计复杂度,推动了正交频分复用(OFDM)技术的实际应用;
5)正交频分复用(OFDM)可以有效地支持非对称性的业务需求,通过动态地调整子信道的个数来实现上下行的数据传输;
6)正交频分复用(OFDM)易于和多种接入方法联合使用,比如与分集技术、空时编码、智能天线等技术相结合,可以有效提高系统传输的可靠性。
采用正交频分复用(OFDM)技术的系统也具有以下缺点:
1)易受载波频偏和相位噪声的影响
正交频分复用(OFDM)技术是一种多载波调制技术,其将单一宽带物理信道分割为若干个并行的窄带正交子信道,这些正交子信道在频谱上往往又是相互重叠的。
因此正交频分复用(OFDM)系统对子载波的正交性要求很高,如果子载波的正交性能很差,子载波之间将会形成相互干扰,从而形成严重的载波间干扰(InterCarrierInterference,ICI)。
在真实的时变无线信道环境中,无线信道往往会发生频率偏移,或者发射机载波频率和接收机本地振荡器之间存在的频率偏差都会破坏子载波的正交性,从而导致载波间干扰(ICI),因此正交频分复用(OFDM)系统对载波频偏和相位噪声非常敏感。
2)有较高的峰值平均功率比(Peak-to-AverageRatio,PAR)
正交频分复用(OFDM)技术作为一种多载波调制技术,和单载波调制相比,多载波调制输出的往往是多个子信道信号的叠加。
如果参与叠加的各子信道信号的相位一致时会使得叠加信号出现较高的瞬时峰值功率(其大小往往远大于叠加信号的平均功率),从而导致较高的峰值平均功率比的出现。
较高的峰值平均功率比将对基站设备和用户设备提出更高的设计和制造要求,因此增加了系统的建设成本。
并且如果发射机内的功率放大器的线性度达不到要求就会产生严重的信号畸变,使得子载波的正交性遭到破坏,进而引起系统性能的下降。
1.2.3无线多输入多输出技术和正交频分复用技术的结合
多输入多输出(MIMO)技术在平坦衰落信道环境下会增加系统的容量和频谱利用率。
但是在频率选择性多径衰落信道环境下,多输入多输出(MIMO)技术的实现需要复杂的信道均衡技术,使得接收机的复杂度大大增加。
因此多输入多输出(MIMO)技术不能广泛地应用到频率选择性衰落信道环境中。
而面对频率选择性衰落信道,正交频分复用(OFDM)可以将其转化为若干个并行的窄带子信道,在各个窄带子信道上可以认为衰落是平坦衰落,这样就有效地对抗了频率选择性衰落。
因此正交频分复用(OFDM)技术正好消除了多输入多输出(MIMO)技术的应用难题,能很好地解决将多输入多输出(MIMO)技术应用于频率选择性多径衰落信道环境下所引起的均衡器复杂度过高的问题,弥补了多输入多输出(MIMO)技术的缺陷。
同时将多天线阵列引入到正交频分复用(OFDM)系统中实现空时编码和分集增益,可以大大提高系统的容量,并改善在深衰环境下正交频分复用(OFDM)子信道误码率较高的问题。
因此多输入多输出(MIMO)与正交频分复用(OFDM)相结合是未来移动通信系统提高容量和增强系统可靠性的一种有效方式。
目前针对多输入多输出-正交频分复用(MIMO-OFDM)系统的研究主要集中在以下几点:
1)空时编译码的设计
在多输入多输出(MIMO)系统中,通过合适的空时编译码才能恢复
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- MIMOOFDM 系统 信道 估计 解析