基于导频序列的信道估计算法的研究
第一章绪论
1.1 研究背景和意义
现代社会已经进入了信息时代，在各种信息技术中，信息的传输即通信起着支撑作用。由于人类社会生活对通信的需求越来越高，世界各国都在致力于现代通信技术的研究与开发以及现代通信网的建设现代移动通信技二十世纪二十年代，但是一直到20 世纪70 年代中期才迎来了移动通信的蓬勃发展时期。美国贝尔实验室研制成功先进移动电话系统，建成了蜂窝状模拟移动通信网，大大提高了系统容量。从八十年代开始，数字移动通信系统进入了发展和成熟时期，欧洲首先推出了全球移动通信系统（GSM），随后美国和日本也相继制定了各自的数字移动通信体制。90年代初，美国Qualcomm公司推出了窄带码分多址（CDMA）蜂窝通信系统，这是移动通信系统发展中的里程碑。从此码分多址这种新的无线接入技术在移动通信领域占据了越来越重要的地位。这些目前正在广泛使用的数字移动通信系统是第二代移动通信系统。第二代移动通信系统主要是为支持语音和低速率的数据业务而设计的，但是随着人们对通信业务范围和业务速率要求的不断提高，已有的第二代移动通信网将很难满足新的业务需求。为了适应新的市场需求，人们正在研究和设计第三代移动通信系统。尽管目前关于第三代移动通信系统的研究和标准化工作十分引人注目，但是目前第三代移动通信的方案实际只能是第二代移动通信方案的改进，算不上真正意义上的宽带接入网络。而且3G的核心网还没有完全脱离第二代移动通信系统的核心网的结构。目前，人们把越来越多的眼光投向三代以后的（beyond 3G/4G）移动通信系统中新一代移动通信（beyond 3G/4G）将可以提供的数据传输速率高达100Mbit/s，甚至更高，支持的业务从语音到多媒体业务，包括实时的流媒体业务，数据传输速率可以根据这些业务所需的速率不同进行动态调整。新一代移动通信的另一个特点是低成本。因此在有限的频谱资源上实现更高速率和更大容量，需要频谱效率更高的通信技术。MIMO技术充分开发空间资源，利用多个天线实现多发多收，在不需要增加频谱资源和天线发送功率的情况下，可以成倍地提高信道容量。OFDM技术是多载波传输的一种，其多载波之间相互正交，可以高效的利用频谱资源。另外，OFDM将总带宽分割为若干个窄带子载波可以有效的抵抗频率选择性衰落。因此充分研究开发这两种技术的潜力，将两者结合起来成为新一代移动通信核心技术的解决方案。信道估计是无线通信中的关键技术之一，对MIMO-OFDM系统的信道估计算法进行研究和改进，对MIMO-OFDM系统技术的发展有着非同寻常的意义。
1.2 MIMO-OFDM 系统信道估计的研究现状
随着对无线通信业务需求的不断提升，人们越来越关注对后3G(B3G)移动通信系统的研究。MIMO和OFDM技术的结合能够有效地减轻无线通信系统实验扩展的影响，显著增加系统容量，获得更稳定的性能，被公认为事后3G系统的主流技术。由于在接收端，每个子载波的信号都是来自不同发射天线的多个独立衰落信号的叠加，因此信道估计变得困难。
本论文提出新的一种使用频分复用导频的序列时域关联估计的信道冲击响应信道估计算法。在频率中，使用导频的训练序列估计信道冲击与训练序列和接收信号进行的相关计算所获得信道冲击响应有相同的作用。对它进行DFT变换就可以获得信道的频域响应结果。在时域，应用MMSE准则就可以得到临近两个的导频符号间符号数据衰落数值的最好估计。
MIMO-OFDM系统与传统SISO-OFDM统相比一个重要的不同在于满足一定的信道环境条件下，MIMO系统的各发送接收支路之间都拥有相互独立的空间传输信道，即OFDM系统在时域上的信道估计各径延迟与复增益或在频域上的信道估计（估计各个子载波的复增益）都将因为空间参数的引入而更为复杂。而在空间复用MIMO-OFDM 系统中，MIMO信道估计的作用则更为重要，因为从各条OFDM“基带处理单元”中产生出的数据符号在没有经过空时处理的情况下直接被发送，这些相互独立的数据符号将在空间传输中发生混叠，而各接收支路上收到的也是这些被信道噪声所干扰的混叠数据符号。接收机要完成MIMO解码任务，即从这些被干扰的混叠数据符号中恢复出从各条发送支路所送出的原始数据，其实现的一个必要前提条件是需要对各组发送接收对之间的空间信道响应有准确的估计。从单载波系统的角度分析，这些不同发送接收对之间的空间信道就是在某个指定载波上的空间信道矩阵，而从OFDM的角度来看这就转化为在所有子载波上的空间信道矩阵。
目前MIMO-OFDM 信道估计的方法通常可以分为三类：
第一类是基于导频或训练序列的方法。这类方法通常是在发送端发送训练序列来识别出各发送接收之路之间的空间信道并获得这些信道的初始估计，然后再利用嵌入在每个数据符号中的导频数据不断跟踪信道的变化。具体的方法有LS算法，在掌握信道二阶统计特性的情况下还可以采用更为准确的算法等。具体的参考文献有由ik Schober等人提出的采用二维Winner滤波器自适应跟踪时变信道的算法、eder snazi等人提出的自适应信道估计算法、线性高斯内插估计方法、最大似然估计算法、最优线性MMSE算
法，由于LS算法估计效果不够理想，MMSE算法又过于复杂，XiaoYang等人还提出了将MMSE和RLS算法相结合的算法。还有一种就是通过设计导频和训练序列来降低算法的复杂度，提高估计性能，例如Han Zhan等人提出的导频符号分析补偿算法，有的在训练序列中进行功率补偿。基于导频训练序列的信道估计方法性能好，简单且易于实现，应用广泛，几乎可以用于所有的无线通信系统。这类方法的缺点就是训练序列占用了信息比特，降低了信道传输的有效性，浪费了带宽。另外在接收端，要将整帧的信号接收后才能提取出训练序列进行信道估计，不可避免的带来了时延。
第二类是基于被传输信息符号的有限字符和其统计特性的盲信道估计方法。由于盲信道估计算法仅仅利用接收端数据的统计特性以及一些信道特征和发送序列的统计特性来进行信道估计的，无需使用训练序列，因此大大提高了频谱利用率，引起了越来越多人的关注。盲信道估计算法根据统计特性的不同主要分为：基于高阶统计特性的盲信道辨识（HOS），例如由Shengli Zhou提出的基于输入信号的高阶统计量的盲信道估计算法；基于二阶统计特性的盲信道辨识方法，其中一些算法是基于自相关矩阵子矩阵的盲估计算法，另一些是基于子空间分解的盲信道估计算法；第三种就是基于一阶统计特性的辨识方法。基于高阶统计量的盲辨识方法计算量大，收敛慢，且需要大量的数据，因此对于快速时变的通信信道它并不合适。基于二阶统计特性的盲方法由于仅仅需要计算自相关和互相关函数，因此计算量较小。但基于二阶统计的盲方法存在一些缺陷，比如存在信道的不确定量。基于一阶统计特性的辨识方法（隐含导频）通过在发送信号上叠加周期训练序列，同样节约了频带资源并且实现简单，但是由于这种处理会增加发送功率，从而使MIMO-OFDM系统的信道容量降低。
第三类是同时利用盲道估计算法所用的信息和已知符号的信息来完成信道估计的半盲信道估计算法。可以根据对未知输入符号的先验知识的利用程度对半盲道估计算法如下分类。第一种是确定性算法，如SF算法、SRM算法、确定性ML算法、最小二乘平滑方法及双边线性预测方法。第二种是利用统计量信息的高斯算法，（盲）预测算法或者（盲）协方差匹配算法。将未知输入符号作为高斯随机变量来处理的半盲高斯最大似然（aussian Maximum Likelihood）也属此类。在文献中还给出了一种半盲GML算法，它采用了已知输入符号的不精确模型。第三种是利用数据的二阶或者高阶统计量的半盲道估计算法。第四种是利用输入符号的有限字符特性的算法，这类算法中有盲ML算法及其半盲推广形式。还有半盲统计ML(SML)算法也属此种算法。在MIMO-OFDM系统中，也有很多人致力于半盲道估计算法研究。半盲道估计算法算法与基于导频的信道估计算法相比计算复杂度要高，但是它提高了系统的频谱利用率。与盲道估计算法相比，又降低了计算复杂度，所以它是介于导频信道估计和盲信道估计之间的一种算法。
1.3 本文主要的研究内容及章节安排
本文研究了基于MIMO-OFDM 系统中自适应信道估计算法。根据MIMO-OFDM 系统中现有的信道估计算法，结合实际提出了若干改进，并且对此进行了计算机仿真分析和实验，得到的试验数据和结果证明了算法的可行性和很好的收敛效果。本文可分为以下几个部分：
第一章主要介绍了知识和研究的意义，以及信道估计算法的研究现状。第二章主要阐述了MIMO-OFDM 系统，分别概述了MIMO 系统、OFDM 系统的基本原理、MIMO 和OFDM 技术的结合以及本论文相关的MIMO-OFDM 关键技术，并讨论了无线信道的基本特征，重点介绍了大尺度衰落，阴影衰落和小尺度衰落，以及与多径衰落相关的时延扩展和多普勒频移等重要的概念。本章还介绍了瑞利衰落信道的特征，Jakes 模型和加性高斯白噪声等重要概念。第三章重点介绍了现有的基于导频序列的信道估计算法包括LS 算法和线性最优线性MMSE 算法；以及盲信道估计算法和半盲信道估计算法。第四章主要研究了基于MIMO-OFDM 系统的信道估计算法。首先介绍了MIMO-OFDM 系统模型和导频的设计，然后介绍将LS 和MMSE算法引入到MIMO-OFDM 系统中，最后给出了计算机仿真和结论。第五章是全文的总结和展望。
第二章MIMO-OFDM系统
众所周知，在未来的宽带无线通信中，存在两个最严峻的挑战：多径信道衰落和带宽效率。OFDM 通过将频率选择性多径衰落信道在频域内转变为平坦信道，从而减少了多径信道的影响，而MIMO 技术能够在空间中产生独立的并行信道同时传输多路数据流，有效的增加了系统的传输速率，即由MIMO提供的空间复用技术能够在不增加系统带宽的情况下增加频谱效率，所以如果将这两种技术相结合能使系统具有很高的传输效率和很强的可靠性。本章将分别介绍MIMO 技术，OFDM 技术，以及研究MIMO 和OFDM 两种技术相结合产生一些新技术。
2.1 MIMO 系统
MIMO系统即多入多出系统，MIMO技术最早是由Marconi于1908 年提出的，它利用多天线来抑制信道衰落。根据收发两端天线数量，相对于普通的单输入单输出SISO （Single-Input Single-Output）系统，MIMO系统还可以包括单输入多输出SIMO （Single-Input Multiple-Output）系统和多输入单输出MISO（Multiple-Input Single-Output）系统。可以看出，此时信道容量随天线数量的增大而线性增大。也就是说可以利用MIMO信道成倍地提高无线信道容量，在不增加带宽和天线发送功率的情况下，频谱利用率可以成倍地提高利用MIMO技术可以提高信道的容量，同时也可以提高信道的可靠性，降低误码率。前者是利用MIMO信道提供的空间复用增益，后者是利用MIMO信道提供的空间分集增益。实现空间复用增益的算法主要有贝尔实验室的BLAST算法、ZF算法、MMSE算法、ML算法。ML算法具有很好的译码性能，但是复杂度比较大，对于实时性要求较高的无线通信不能满足要求。ZF算法简单容易实现，但是对信道的信噪比要求较高。目前性能和复杂度最优的就是BLAST算法。该算法实际上是使用ZF算法加上干扰消除技术得到的。目前MIMO技术领域另一个研究热点就是空时编码。常见的空时码有空时块码、空时格码。空时码的主要思想是利用空间和时间上的编码实现一定的空间分集和时间分集，从而降低信道误码率。
2.2 OFDM 技术
OFDM（正交频分复用）技术实际上是MCM（Multi-Carrier Modulation，多载波调制）的一种。其主要思想是将信道分成若干正交子信道，将高速数据信号转换成并行的低速子数据流，调制到在每个子信道上进行传输。正交信号可以通过在接收端采用相关
技术来分开，这样可以减少子信道之间的相互干扰（ICI ）。每个子信道上的信号带宽小于信道的相关带宽，因此每个子信道上可以看成平坦性衰落，从而可以消除符号间干扰。而且由于每个子信道的带宽仅仅是原信道带宽的一小部分，信道均衡变得相对容易
2.2.1 OFDM 的优点
OFDM 技术之所以越来越受关注，是因为 OFDM 有很多独特的优点： 频谱利用
率很高。频谱效率比串行系统高近一倍，这一点在频谱资源有限的无线环境中很重要。OFDM 信号的相邻子载波相互重叠，从理论上讲其频谱利用率可以接近 Nyquist 极限。 抗多径干扰与频率选择性衰落能力强。由于 OFDM 系统把数据分散到许多个子载波上，大大降低了各子载波的符号速率，从而减弱多径传播的影响，若通过采用加循环前缀作为保护间隔的方法，甚至可以完全消除符号间干扰。 采用动态子载波分配技术能使系统达到最大比特率。通过选取各子信道，每个符号的比特数以及分配给各子信道的功率使总比特率最大。即要求各子信道信息分配应遵循信息论中的“注水定理”，亦即优质信道多传送，较差信道少传送，劣质信道不传送的原则。 通过各子载波的联合编码，可具有很强的抗衰落能力。OFDM 技术本身已经利用了信道的频率分集，如果衰落不是特别严重，就没有必要再加时域均衡器。但通过将各个信道联合编码，可以使系统性能得到提高。 基于离散傅立叶变换（DFT ）的 OFDM 有快速算法，OFDM 采用 IFFT 和 FFT 来实现调制和解调，易用 DSP 实现。
2.2.2 OFDM 的基本原理
一个 OFDM 符号由一组承载了某种 PSK 或者某种 QAM 调制信号的子载波叠
加构成。设 N 表示子载波个数，T 表示 OFDM 符号的宽度， )1...,1,0(-=N i d i ，是分配给每个子信道的数据符号，c f 是第 0 个子载波的载波频率，则从t = ts 开始的 OFDM 符号可以表示为
[]?????+>∧<+≤≤??????-+--=∑-=s s s s N i s T i c T s i t T t t t T t t t t t f j t t rect d t s ,0,))((2exp )(Re )(102π (2-1)
在多数文献中，通常用富等消极带信号来描述OFDM 的输出信号
[]?????+>∧<+≤≤---=∑-=s s s s N i s T i T s i t T t t t T t t t t t j t t rect d t s ,0,)(2exp )()(1
02π (2-2)
其中， 的实部和虚部分别对应于 OFDM 符号的同相和正交分量，在实际中可以
分别与相应子载波的正弦分量和余弦分量相乘，构成最终的子信道信号和合成的 OFDM 符号。
图 2.1 中给出了 OFDM 系统的基本模型框图，其中在接T i c i f f +=在接收端，将
接收到的同相和正交矢量映射回数据信息，完成子载波解调。 如图 2.2 表示在一个 OFDM 符号内包含四个子载波的实例。其中，所有的子载波都具有相同的幅值和相位，但实际应用中，根据数据符号的调制方式，每个子载波都有相同的幅值和相位是不可能的。从图 2.2 可以看出，每个子载波在一个 OFDM 符号周期内都包含整数倍个周期，而且各个相邻的子载波之间相差一个周期。这一特性可以用来解释子载波之间的正交性，即
图2.1OFDM 基本原理框图
????≠==T m n T n m n m dt t jw t jw 01
,0,1)exp()exp( (2-3)
如果对(2-2)式中的第 k 个子载波进行解调，然后在时间长度T 内进行积分，可以
得到
∑??∑==+-+-=∧=-=---=101
1
01
))(2exp())(2exp()(2exp(N i T t s t k
s k i i
T s t s t N i s T i i s T
k
T k d dt t t j d dt t t j d t t j d πππ （2-4）
图2.2MIMO-OFDM符号内包括三个子载波的情况
从上式可以看出，对第k个子载波进行解调可以恢复出期望符号。而对其它载波来说，由于在积分间隔内，频率差别(i ?k)/T可以产生整数倍个周期，所以积分结果为零。
OFDM 载波之间的正交性还可以从频域的角度来解释。根据(2.1)式，每个OFDM 符号在其周期T 内包括多个非零的子载波。因此，它的频谱可以看作是周期为T 的矩形脉冲的频谱与一组位于各个子载波频率上的δ 函数的卷积。矩形脉冲的频谱幅值为c函数，这种函数的零点出现在频率为整数倍1/T的位置上。如图2.3 所示，图sin fT
)
(
中给出了相互覆盖的各个子信道内经过矩形波形成型得到符号的函数频谱。在每一个载波频率的最大值处，所有其它子信道的频谱值恰好为零。由于在对OFDM 符号进行解调的过程中，需要计算这些点上所对应的每一子载波频率的最大值，因此可以从多个相互重叠的子信道符号频谱中提取出每个子信道符号，而不会受到其它子信道的干扰。
图2.3 OFDM 子载波频谱图
从图 2.3 可看出，OFDM 系统满足奈奎斯特无码间干扰准则，即多个子信道频谱
之间不存在相互干扰，但此时的符号成形不像通常的系统，不是在时域进行脉冲成形，而是在频域实现的。因此，根据时频对偶关系，通常系统中的码间干扰（ISI ）变成了OFDM 系统中的子载波间干扰（ICI ）。为了消除ICI ，要求一个子信道频谱的最大值对应于其它子信道频谱的零点
2.2.3 OFDM 导频符号的选择和插值技术
信道传输函数的自相关函数具有时域和频域可分的性质。因此，OFDM 可以在时域
和频域内分别插入导频符号，导频符号的分布如图 2.4 所示。其中，f N 表示导频符号在频率方向的间距，f N 表示导频符号在时间方向的间距。根据二维抽样定理，能够无失真恢复信道冲激响应的抽样率必须不小于信号带宽的两倍。因此，导频符号在频率方向的间隔和时间方向的间隔分别为
m a x 21212121,ft t T f f N N S m ?≈≈ （2-5）
其中， m f 为最大多普勒频移， S T 为 OFDM 符号周期，Δf 为子载波的带宽（子
载波间隔），τmax 为系统最大延迟时间。实际传输中，为了使信道估计具有更加精
确并有更强的跟踪能力，要考虑多普勒频移和信道最大时延处于最坏的情况，插入足够的导频，以便能跟上信道时频的变化。因此，导频的间隔由整个系统的多普勒频移和功率延迟谱决定。另外，还要考虑硬件性能的变化，如收发信机的振荡频率漂移和相位噪声等。
图2.4 OFDM 导频符号结构
通过估计出导频子载波位置处的子信道传输函数后，就可以通过简单的插值方法来估算其它子载波上的子信道传输函数（频域响应）。典型的插值方法有线性插值、分段线性插值、Cubic插值和Winner插值等。线性插值方法实现简单，但在时间和频率方向同时使用时估计精度较低，很难实用。分段线性插值和Cubic插值的性能要好于线性插值的方法。与前三种插值方法相比，Winner滤波插值方法是采用最小均方误差准则的二维插值方法，因此可以较好地抑制信道噪声并获得信道的最优估计，但是它的计算复杂度很高，从而使接收机变得复杂。因此，在实际应用中为了在性能和复杂度之间取得折衷，通常在时间方向上采用线性插值，而在频率方向上用分段线性插值和Cubic插值并经过低通滤波处理，可以得到较好的效果。
2.3 MIMO-OFDM 系统
对于高速无线通信，单纯的OFDM 系统对抗无线环境中的多径衰落是不够的，必须和MIMO 技术结合起来，才能更好地发挥其功效。无线信号在复杂的无线信道中传播产生瑞利衰落，在不同空间位置上其衰落特性不同。如果两个位置间距大于天线之间的相关距离（通常相隔十个信号波长以上），就认为两处的信号完全不相关，这样就可以实现信号空间分集接收。MIMO 技术通过空间分集消除无线传输中的信道衰落。MIMO-OFDM 技术的关键是能够通过空间分集将传统通信系统中存在的多径影响因素变成对用户通信性能有利的增强因素。同时，在MIMO-OFDM 系统中加入合适的数字信号处理的算法能更好地增强系统的稳定性。
目前，各国数字蜂窝移动通信已有很大发展，但仍满足不了需求。解决移动通信的容量问题成为当务之急。采用MIMO-OFDM 技术是一种有效的手段。MIMO 技术与OFDM 技术相结合是无线通信领域智能天线技术的重大突破。MIMO 技术能在不增加带宽的情况成倍地增加通信系统的容量和频谱利用率，OFDM 技术被普遍认为是新一代无线通信系统必须采用的关键技术。MIMO-OFDM 技术可以为系统提供空间复用增益，从而大大增加信道容量。MIMO 技术的空间复用就是在接收端和发射端使用多个天线，充分利用空间传播中的多径分量，在同一频带上使用多个数据通道（MIMO 子信道）发射信号，从而使得容量随着天线数量的增加而线性增加。这种信道容量的增加不占用额外的带宽，也不消耗额外的发射功率，因此是增加信道和系统容量的一种非常有效的手段。MIMO 技术在一定程度上可以利用传播中的多径分量，也就是说MIMO 可以抗多径衰落，但是对于频率选择性深衰落，MIMO 技术依然是无能为力的。目前解决MIMO 技术中的频率选择性衰落的方案可以结合OFDM 技术，将频率选择性衰落转换为子载波上的平坦衰落。另外，OFDM 技术是4G 的核心技术，而OFDM 提
高频谱利用率的作用有限，在OFDM 的基础上合理开发空间资源，也就是MIMO-OFDM，就可以提供可靠的高数据传输速率。
2.3.1 MIMO-OFDM 系统模型
图 2.5 给出了MIMO-OFDM 系统发送端框图。源比特流采用前向编码，通过数字调制映射到星座图上，再经过MIMO 编码。每个天线并行符号流的输出都经过相同的传输处理。首先，插入导频符号，符号序列经过IFFT 调制转化为OFDM 符号序列，在OFDM 符号中加入循环前缀消除信道时延扩展的影响。
图2.5MIMO-OFDM系统发送端
图2.6 MIMO-OFDM系统接收端
图2.6给出了MIMO-OFDM系统接收端框图。接收的符号流先经过同步（包括粗频率同步和定时偏差调整）处理，然后将导频和循环前缀从接收符号流中去掉，剩下的OFDM 符号通过FFT 调制，频率导频在OFDM 符号解调时移去，然后经过精频率同
步和时间同步将导频和数据符号分离出来。接收天线中的精频率导频用做信道估计。估计信道矩阵使MIMO 解码器精确的解调出OFDM 符号。
可靠的信道估计要利用信道训练符号或者导频符号。这些导频符号是分布在各个子信道中已知的发送数据，通常导频越多信道估计结果就越准确但导频会占用系统带宽，所以要衡量好信道估计的精确度和系统频谱的有效性。
2.3.2 MIMO-OFDM 系统的主要技术
多天线技术可以有效地改善容量及其性能，而且还可以显著地提高网络的覆盖范围和可靠性，使网络适合互联网和多媒体业务的发展。目前，在美国California已经建立了多输入多输出OFDM系统。MIMO-OFDM系统使用两种关键技术：多输入多输出（MIMO）天线和正交频分复用（OFDM）调制。
衰落环境中，在发射机和接收机配有多天线可以获得分集的好处。采用多个天线，就会相应生成多个空间信道，而且若干个空间信道不太可能同时处于深衰落中。如果基站处采用2 副发送天线和 3 副接收天线，而在移动台一侧采用1副发送天线和3副接收天线，则与单一输入单一输出系统相比，这种系统通过降低衰落容限，使得链路预算可以获得10~20dB 地改善。此外，2副发送天线可以用于提高数据传输速率，即在特定信道条件下，通过2副天线向用户发送独立地数据流，这种技术也被称作空间复用。在接收机一侧，采用多天线分离空间复用地数据流，并且还可以抑制干扰。发送分集目前已经提出了多种发送分集方案，它们都需要在实施复杂度与性能之间进行折中。在有些MIMO-OFDM系统中，下行链路选择时延分集，这种方案的好处在于实施简单而且性能又好，并且不需要信息的反馈。在这种方案中，第二副天线是第一副天线的时延复本。通过适当的编码和交织，发射机可以在不了解任意信道状态的前提下，获得空间频率分集的好处。下一代的无线系统还可以集成改进的发送分集方案，其中最引人注目的就是：不需要反馈的空时编码，基于信道统计特性并且要求最小信息反馈的线性预编码在空时卷积编码中，相同信号经过不同的编码，形成不同的数据流，然后经过多副天线发送出去。而另一种空时分组编码凭借其简单的线性译码，也得到广泛的关注。在线性预编码中，根据慢变信道统计特性，把发送信号映射到多幅发送天线。线性预编码还可以与空时编码共同使用。初步测试表明：与时延分集或单一空时分组编码相比，该组合方案分别可以获得2~3dB 的增益。空间复用为提高数据传输速率，可以采用空间复用方法，即通过两个基站的发送天线，发送两组不同的编码数据流。这样，可以把高速编码数据流分割为一组相对速率较低的数据流，分别在不同的天线，对不同的数据流独立编码、调制和发送，但是使用相同的频率和时隙。每副天线都可以接收经过不同信道
滤波的两个独立发送的消息。接收机利用空间均衡器分离 2 个信号，并且解调，译码解复用和恢复处原始信号。只要每个发送天线数据流内包括不同的空间签名序列（即信道矩阵满秩），就可以对组合的发送信号进行分离。由于多数空间均衡器都使用信道矩阵求逆，因此只有在接收天线的个数大于等于独立发送信号的数量时才是可行的。链路适配层可以在每个用户的基础上，检测信道状况，并且确定时采用空间复用方案还是空间分集方案。接收分集和干扰消除由于基站和移动台一侧采用多副天线，因此在两端都可以获得分集好处。在接收端可以采用最大比合并（MRC）把多个接收机内得到的信号进行相干叠加，使得信噪比能够最大化。由于MRC 与期望信号的空间签名序列相匹配，而不是与干扰信号的空间签名序列匹配，因此MRC 具有潜在的抑制干扰的作用。但是MRC 不能抑制强干扰，例如由于空间复用使得两个数据相互干扰，或者由于频率重用，其它小区内的共道用户而造成的强干扰。在这种情况下，更希望采用最下均方算法（MMSE），以降低期望信号与器估计值之间的均方误差。从而使得信号干扰噪声比（SINR）。MMSE 算法要求能够得知噪声和干扰的统计特性，因此确定周围环境时噪声受限还是干扰受限，在适当时间和频段内进行平均得到精确的统计值是非常重要的。如果干扰源为空间复用的用户，则可以在MMSE 算法中利用干扰源的空间签名序列；而当干扰来自邻近小区的用户时。则利用二阶统计特性（协方差矩阵）得到干扰的空间结构。
软译码：MRC 与MMSE 算法都能生成软判决信号，供软译码器使用。在每个子载波的基础上有估计到的SINR 对软判决进行加权，即为状态好的子信道分配较大的权值，为较差的子信道分配较小的权值。软判决译码与SINR 加权组合使用，可以在频率选择性信道中获得3~4dB 的性能增益。
2.4 无线信道的衰落
衰落是无线信道中的重要概念。无线信道强度随着时间和频率的变化可以分为两种：大尺度衰落（large-scale fading），阴影衰落和小尺度衰落（small-scale fading）。大尺度衰落是指电波在自由空间内的传播损耗。由于传播环境的地形起伏，建筑物和其它障碍物对电波的阻塞或者遮蔽而引发的衰落叫做中等尺度衰落，又叫阴影衰落。多径衰落表示无线电波在空间传播会存在反射，绕射和衍射等，因此造成信号可以经过多条路径到达接收端，而每个信号分量的时延，衰落和相位都不相同，因此在接收端对多个信号分量叠加时，会造成同相增加，异相减小的现象，这也叫做小尺度衰落。
2.4.1大尺度衰落的主要表现
无线电波在自由空间内传播，其信号功率会随着传播距离的增加而减少，这会对数据速率以及系统的性能带来不利影响。最简单的大尺度路径损耗的模型可以表示为
r d t P r
p K L 1==- （2-6）
其中， pt 表示本地发射信号功率，pr 表示接收功率， 是发射机和接收机之间的距离。对于典型环境来说，路径损耗指数d ，r 一般在 2 到 4 中选择。由此可以得到平均的信号噪声比（ SNR ）为
B N d t P n P r
p K S N R 01γ==- （2-7）
其中， No 是单边噪声功率谱密度，b 是信号带宽， K 是独立于距离,功率和带宽的常数。如果为保证可靠接收，要求 ，其中 表示信噪比门限，则路径损耗会为比特速率带来限制
()γ100t KP B ≤ （2-8）
可见，如果不采用其它特殊的技术，那么数据的符号速率以及电波的传播范围都会受到很大的限制。但是在一般的蜂窝系统中由于小区的规模相对较小，所以这种大尺度衰落对移动通信系统的影响并不需要单独加以考虑。
2.1.2阴影衰落
当电磁波在空间传播受到地形起伏，高大建筑物的阻挡，在这些障碍物后面会产生电磁场的阴影，造成场强中值的变化，从而引起衰落，被称作阴影衰落。与多径衰落相比，阴影衰落是一种宏观衰落，是以较大的空间尺度来衡量的，其衰落特性符合对数正态分布，其中接收信号的局部场强中值变化的幅度取决于信号的频率和障碍物状况。频率较高的信号比低频信号更加容易穿透障碍物，而低频信号比较高频率的信号具备更高的绕射能力。
2.1.3小尺度衰落
无线信道的主要特征就是多径传播，即接收机所接收到的信号通过不同的直射、反射、折射等路径到达接收机。多径传播模型如图 2.1 所示，由于电波通过各个路径的距离不同，因而各条路径中发射波的到达时间和相位都不相同。不同相位的多个信号在接收端叠加，如果同相叠加则会使信号幅度增强，而反相叠加则会削弱信号幅度。这样，接收信号的幅度就会发生急剧变化，就会产生衰落。
图2.7多径传播模型
小尺度衰落的主要表现为：发射信号在短距离或短时间传播后得到的接收信号强度急剧地变化；在不同多径信号上，存在着时变的多普勒频移（Doppler Shifts）引起的随机频率调制；多径传播引起的时延扩展。影响小尺度衰落的主要原因有多径传播，移动台的运动速度和传播环境物体的运动。
2.2 多径信道的时延扩展和多普勒频移
时延扩展和多普勒频移是多径信道中两个非常重要的概念。时延扩展由发射信号到达接收端的时间和路径不同引起的。多普勒频移则由于移动台的运动导致接收信道的频率发生变化
2.2.1时延扩展
发射端发送一个窄脉冲信号，则在接收端可以收到多个窄脉冲，每一个窄脉冲的衰落和时延以及窄脉冲的个数是不同的。这样就造成了信道的时间弥散性，设maxτ 被定义为最大时延扩展。在传输过程中，由于时延扩展，接收信号中的一个符号的波形会扩展到其它符号当中，造成符号间干扰（ISI）。为了避免产生ISI，应该令符号宽度要远远大于无线信道的最大时延扩展，或者符号速率要小于最大时延扩展的倒数。由于移动环境十分复杂，不同地理位置，不同时间所测量到的时延扩展都可能是不同的，因此需
要采用大量测量数据的物理平均。 在频域内，与时延扩展相关的另一个重要参数就是相关带宽，实际应用中通常用最大时延扩展的倒数来表示相关带宽，即
m a x
1)(t c B ≈? (2-10) 从频域角度观察，多径信号的时延扩展可导致频率选择性衰落，即针对信号中不同
频率成分，无线传输信道会呈现不同的随机响应，由于信号中不同频率分量的衰落是不一致的，所以经过衰落之后，信号波形就会发生畸变。当信号的频率较高，信号带宽超过无线信道的相干带宽时，信号通过无线信道后各频率分量的变化是不一样的，引起信号波形的失真，造成符号间干扰，此时认为发生了频率选择性衰落。反之，当信号传输效率较低，信道带宽小于相干带宽时，信号通过无线信号后各频率分量都受到相同的衰落，因而衰落波形不会失真，没有符号间干扰，则认为信号只是经历了平衰落，即非频率选择性衰落
2.2.2多普勒频移
移动台在运动中进行通信时，接收信号的频率会发生变化，这就是多普勒频移，这
是任何波动过程都具有的特性。 信道的时变性是指信道传递函数是随时间而变化的，即在不同时刻发送相同的信号，在接收端收到的信号是不相同的。时变性在移动通信系统中的具体体现之一就是多普勒频移，即单一频率信号经过时变衰落信道之后呈现为具有一定带宽和频率包络的信号，这又可以称为信道的频率弥散性。多普勒效应所引起的附加频率偏移可以称为多普勒频移（Doppler Shift ），可以用下式表示
θθ
θλc o s c o s c o s m c vf v d f f c === (2-11) 其中，fc 表示载波频率，c 表示光速， fm 表示最大多普勒频移，v 表示移动台的
速度。可以看到，多普勒频移与载波台运动速度成正比。当移动台正向入射波方向移动时，多普勒频移为正，即移动台接收到的信号频率会增加；如果背向入射波方向运动，则多普勒频移为负，即移动台接收到的信号频率会减少。由于存在多普勒频移，所以当单一频率信号(fo)到达接收端的时候，其频率不再是位于频率轴± fo 处的单纯δ 函数，而是分布在 ( fo-fm,fo+fm), 内的，存在一定宽度的频谱。
从时域来看，与多普勒频移相关的另一个概念就是相干时间，即
m
f c T 1)(≈? (2-12) 相干时间是信道冲激响应维持不变的时间间隔的统计平均值。换言之，相干时间就
是指一段时间间隔，在此间隔内，两个到达信号有很强的幅度相关性。如果基带信号带宽的倒数，一般指符号宽度大于无线信道的相干时间，那么信号的波形就可能会发生变
化，造成信号的畸变，产生时间选择性衰落；反之，如果符号的宽度小于相干时间，则认为是非时间性选择性衰落，即慢衰落。
2.4 加性高斯白噪声
高斯白噪声是所有信道的干扰源，它来源于信道媒质微粒的热运动，它实际上是一
种不确定的因素，它的存在使得信号经过信道都会或多或少受到影响，之所以称噪声为白的，是因为这种噪声的功率谱分布均匀，并且包含整个频域，这与白光是各种色光的叠加相似。当信噪比较低的时候，白噪声对信道干扰的影响也就越凸现出来，由于高斯分布是不均匀的，误码是难以避免的。当信噪比高，不出现特殊情况的时候，这种噪声的影响逐渐削弱，所以一般系统在越过信噪比门限的时候，误码率就会以较快的速度趋向零，再增大信噪比已经不是很有意义
对于高斯信道，噪声的仿真可以通过信号的能量、信噪比得到，具体的做法是通过
对基带信号模拟频带传输的仿真，可以通过
)l o g (102
5.0σS E SNR -= （2-13） 算得噪声的方差，这就可以产生一个零均值的，方差确定的高斯平稳序列。这个
序列叠加在信号抽样的序列上就得到了信号在信道中传输的加性模型。
第三章MIMO-OFDM 信道估计技术
信道估计是OFDM的重要技术组成部分，无线通信系统的性能主要受到无线信道的制约。发射机和接收机之间的传播路径非常复杂，从简单的视距传播到遭受各种复杂的地貌影响的多径传播。此外，无线信道不像有限信道那样固定并可预见，而是具有很大的随机性，导致接受信号的幅度、相位和频率失真，很难进行分析。所有这些问题对接收机的设计提出很大的挑战，而在接收机中，信道估计器是一个很重要的组成部分。在OFDM系统中，信道估计器的设计主要有两个问题：一是导频的选择。由于无线信道的时变特性，需要接收机不断对信道进行跟踪，因此导频信息也必须不断地发送。二是既有较低的复杂度又有良好的导频跟踪能力的信道估计器的设计。在确定导频发送方式和信道估计准则的条件下，寻找最佳的信道估计器结构。在实际设计中，导频信息的选择和最佳估计其的设计通常优势相互关联的，因为估计器的性能与导频信息的传输方式偶关。OFDM系统接收端需要知道信道状态信息（CSI）来恢复数据，没有信道状态信息，所发送的数据将不能被恢复。信道的盲估计在频带的利用率上要远高于半盲道估计和给予导频的估计算法，而且能大大提高系统效率，但是在运算的复杂程度上却大大超过后者。现金主要的信道估计算法有LS信道估计、LMMSE信道估计、SVD信道估计等。
无线通信系统的性能很大程度上受到无线信道的影响，如阴影衰落和频率选择性衰落等等，使得发射机和接收机之间的传播路径非常复杂。无线信道并不像有线信道固定并可预见，而是具有很大的随机性，这就对接收机的设计提出了很大的挑战。在OFDM 系统的相干检测中需要对信道进行估计，信道估计的精度将直接影响整个系统的性能。为了能在接收端准确的恢复发射端的发送信号人们采用各种措施来抵抗多径效应对传输信号的影响，信道估计技术的实现需要知道无线信道的信息，如信道的阶数、多普勒频移和多径时延或者信道的冲激响应等参数。因此，信道参数估计是实现无线通信系统的一项关键技术。能否获得详细的信道信息，从而在接收端正确地解调出发射信号，是衡量一个无线通信系统性能的重要指标。因此，对于信道参数估计算法的研究是一项有重要意义的工作。
信道估计的目的在于识别每组发送天线与接收天线之间的信道冲激响应。从每副天线发出的训练子载波都是相互正交的，从而能够唯一的识别每副发送天线到接收天线的信道。训练子载波在频率的间隔要小于相干子带宽，因此可以利用内插训练子载波之间
的信道估计值。根据信道的时延扩展，能够实现信道内插的最优化。在下行链路中，在逐帧基础上向所有用户和广播发送专用信道标识时隙。上行链路中，由于移动台发出的业务可以构成时隙，而且信道在时隙与时隙之间会发生变化，因此需要在每个时隙内包括训练和数据子载波。
同步：在上行和下行链路传输之前，都存在同步时隙，用于实施相位，频率对齐，
并且实施频率偏差估计。时隙可以按照如下方式构成：在偶数序号子载波上发送数据与训练符号，而在奇数序号子载波设置为零。这样经过 IFFT 变换之后，得到的时域信号就会被重复，更加有利于信号的检测。
3.1 基于导频序列的信道估计
具体的方法有LS 算法，在掌握信道二阶统计特性的情况下还可以采用更为准确的
算法等。具体的参考文献有由ik Schober 等人提出的采用二维Winner 滤波器自适应跟踪时变信道的算法、eder snazi 等人提出的自适应信道估计算法、线性高斯内插估计方法、最大似然估计算法、最优线性MMSE 算法，由于LS 算法估计效果不够理想，MMSE 算法又过于复杂，XiaoYang 等人还提出了将MMSE 和RLS 算法相结合的算法。还有一种就是通过设计导频和训练序列来降低算法的复杂度，提高估计性能，例如Han Zhan 等人提出的导频符号分析补偿算法，有的在训练序列中进行功率补偿。基于导频训练序列的信道估计方法性能好，简单且易于实现，应用广泛，几乎可以用于所有的无线通信系统。这类方法的缺点就是训练序列占用了信息比特，降低了信道传输的有效性，浪费了带宽。另外在接收端，要将整帧的信号接收后才能提取出训练序列进行信道估计，不可避免的带来了时延；下面介绍两种基本的基于导频序列的信道估计算法。
3.1.1 LS 算法
LS 估计算法结构比较简单、计算量也较小，但是对AWGN 和ICI 都较为敏感。在
AWGN 和ICI 较大时，估计的性能下降较大。由于数据子载波上的信道响应是通过对导频子载波上的频率响应内插得到的，导频子载波处频率响应的估计的准确程度将直接影响到整个估计的性能
假定第 k 个符号周期，发射天线i 和接收天线j 之间的载波信道响应可以表示为
[][]∑-==10
,,L l nl N w k n i h k n i H (3-1) 定义基于 LS 准则的代价函数为
[][][][]∑∑∑-==-∧∧-=???? ????????10112),,(,,N n r M i L l l ml N k n t W l k i k n X l k i c h h (3-2)
将其求导，并令为零
[]{}[][]{}[][]{}
[]0,Im ,,Re ,21,,=??????????-=∧∧∧∧∧∧???? ??????? ??????
? ???l k i h l k i h C l k i h l k i h C l k i h l k i h C j (3-3) 经整理可得
[][][][]1,...,1,0,,...,10),,,,(01110
*-===-∑∑∑-=-=∧L l M j k n t W k n t W l k i k n X R N n r M i L l j n ml N i
ml
N h (3-4) 定义，[][][]∑-=-=1
0*,,,N n ml N j j w k n t k n X l k P (3-5)
[][][]
∑-=-=1
0*,,,N n nl N j i ij W k n t k n t l k q 代入式 (3.3)可得
[][][]∑∑=-=∧-===-r M i L i R j ij
L l M i j l k p l l k q k n i h 11000.01,...,1,0,,...,,,,, (3-6)
写成矩阵矢量的形式为
[][][]k P k Q k h 1-∧
= (3-7) 其中，[]k Q 和[]k P 表示矩阵向量。
3.1.2 最优线性 MMSE 算法
最优线性 MMSE 算法是信道估计中的经典算法，虽然它的估计结果是最优的，但
是由于该算法的复杂度较高从而限制了它在实际中的应用。如果要求在时域滤波，可以通过使用 个过去冲激响应测量值，当前的信道冲激响应测量值和 个将来信道冲激响应测量值来构建滤波器的信道冲激响应。滤波后的信道冲激响应可以通过每一个独立的冲激响应通过最优
线性 MMSE 滤波器得到
LTE_信道估计(简介)
4.13 信道估计 4.13.1 信道估计简介 1.有哪些信道估计方法 (1) (1) 盲估计与半盲估计盲估计与半盲估计盲估计与半盲估计 (2) (2) 基于导频的信道估计基于导频的信道估计基于导频的信道估计 （（3）基于训练序列的信道估计基于训练序列的信道估计 2. 信道估计的作用 (1)(1)抵抗衰落抵抗衰落抵抗衰落，，用估计结果来抵消各个子信道衰落的影响用估计结果来抵消各个子信道衰落的影响，， 从而在接收端获得正确的解调从而在接收端获得正确的解调。。 (2)(2)在在OFDM 无线通信系统中一般采用多进制调制方式无线通信系统中一般采用多进制调制方式，，如MQAM 调制方式调制方式，，这就需要在接收端进行相干解调这就需要在接收端进行相干解调。。由于无线信道的传输特性是随时间变化的于无线信道的传输特性是随时间变化的，，因此相干解调就要用到信调就要用到信道的瞬时状态信息道的瞬时状态信息道的瞬时状态信息，，所以在系统接收端需要进行信道估计需要进行信道估计，，以获得无线信道的瞬时传输特性以获得无线信道的瞬时传输特性 (3)(3)信道估计还可以用来纠正频率偏移造成的信号正交性信道估计还可以用来纠正频率偏移造成的信号正交性的破坏的破坏 (4)(4)对于结合对于结合MIMO 技术的OFDM 系统来说系统来说，，空时检测或空 时解码一般要求己知信道状态信息时解码一般要求己知信道状态信息，，因此这时的信道估计及估计的准确性就尤为重要估计及估计的准确性就尤为重要 (5)(5)对于闭环系统对于闭环系统对于闭环系统，，如OFDM 自适应调制系统自适应调制系统、、 MIMO 一OFDM 自适应调制系统自适应调制系统、、结合信道信息采用改进空时编码发射机的MIMO 系统等系统等，，发射机端同样要求得到信道状态信息信息 3.各种方法的基本原理及准则 原理原理（（1）盲估计盲估计：：不需要发送辊发送特不需要发送辊发送特殊的训练序列殊的训练序列殊的训练序列，，但是 接收须接收到足够多的数据符号接收须接收到足够多的数据符号，，以得到可靠的信道估计道估计，，但有但有 很大的处理延时很大的处理延时。。 （2）基于导频基于导频：：发送端适当位置插入导频发送端适当位置插入导频，，接收端利用 导频恢复出导频位置的信道信息导频恢复出导频位置的信道信息，，然后利用某种处理手段理手段((如内插如内插、、滤波滤波、、 变换等变换等))获得所有时段的信道信息信道信息。。 准则准则 (1) (1) (1) 最小平方误差准则最小平方误差准则最小平方误差准则(Least law (Least Square error law，，LS)LS) (2)(2)最小均方误差最小均方误差最小均方误差( Minimum Mean Square Error ( Minimum Mean Square Error law law，，MMSE)MMSE) （3）最大似然准则最大似然准则 主要用于盲估计主要用于盲估计主要用于盲估计 4.依据各种方法使用条件及优缺点来确定选用何种估计方法 （1） 盲估计盲估计：：优点优点 盲估计可以大大提高系统的传输码率盲估计可以大大提高系统的传输码率盲估计可以大大提高系统的传输码率。。 缺点缺点缺点：：很大的处理延时很大的处理延时
cdma信道解释
PN码 前向链路 前向链路由以下逻辑信道构成：导频信道、同步信道、寻呼信道和若干业务信道。如下图所示：表示由基站发送的前向链路逻辑信道。 各信道流程如下：
由此可以看出，CDMA系统前向链路是由PN长码（码长242－1码片）、Walsh码（码长64码片，共有64个不同的正交码）和PN短码（215）组成的三阶系统，分别完成数据扰码（数据编码、数据卷码功能）、信道识别（码分多址，即通过Walsh码正交相关处理，实现基站多路发射信号之间的理想分离）、基站识别（基站多址）功能。可以把前向链路信号归纳为由分配的无线频带、一对具有确定相位偏置的正交PN 码的四相调制信号、正交Walsh 函数二相调制信号、卷积编码、扰码信息综合组成的系统。 导频信道 o 基站在此信道发送导频信号供移动台识别基站并引导移动台入网 o 导频信道不传送任何信息，它在CDMA前向信道上是不停发射的。它用于使在基站覆盖区内所有移动台进行同步和切换。 o 使用零Walsh 函数（64个0），它不被信息所调制，只是由正交的PN 码对构成，每个基站就由这一对经过时间偏置的PN 序列来作为识别前 向连路的标志 o 采用Walsh 码和PN短码 同步信道 o 基站在此信道发送同步信息提供移动台建立与系统的定时和同步 o 同步信道传送的是一个经过编码、交织、扩频和调制的扩频信号，被本小区移动台用来捕获初始时间同步。未对同步信道数据进行扰码
o 采用Walsh 码和PN短码 寻呼信道 o 基站在此信道向移动台发送有关寻呼、指令以及业务信道指配信息 o 寻呼信道传送的是一个经过编码、交织、扩频和调制的信号，用来传送系统开销信息和移动台特定消息。对寻呼信道数据进行了扰码。 o 采用PN长码、Walsh 码和PN短码 业务信道 o 基站在此信道向移动台传送前向通信数据及信令 o 业务信道则用来传送用户信息和信令信息。在每个业务信道中，包含有向移动台传送的业务数据和功率控制的信息（功率控制子信道），功率控制子信道用于向移动台发送功率控制的信息。对业务信道数据进行了扰码 o 采用PN长码、Walsh 码和PN短码
一种水声信道仿真设计方法
一种水声信道仿真设计方法 【摘要】本文提出了一种通过改变脉冲响应估算时间从而进行水声信道仿真（EUAC）的方法，该方法不需要海上试验就能对任一特定信号的通信方案进行信道输出估计，因此节省了时间和资源。这种方法首先需要进行一组海上试验。在每一次试验中，发送特定的窄带自相关信号，然后记录它们的响应，这样可以得到真实信道的冲激响应、多普勒漂移和相移的估计。应用这组海试结果建立一个EUAC数据库，该数据库将有助于在不经过海上试验的条件下对各种通信方法的性能进行评估。 【关键词】水声信道;数学模型;仿真 1.引言 本文描述了一种测量和仿真水声信道的方法，该方法能够用来建立一个仿真信道数据库。研究发现，特定信号的仿真信道响应（ECR）与真实信道响应具有典型的高相关性（大于80%）。适合测量信道冲激响应的波形，其自相关函数几乎接近一个脉冲。这意味着所使用的测试信号应具有尽可能宽的带宽。为了增加测试信号波形的功率，并使其超过极短单脉冲功率，需要用到一个带有高时间带宽积的信号波形。 对于特定信号的水声信道仿真（EUAC），我们假定信道是线性时不变（LTI）系统，因此，在信道冲激响应评估前，应对所有信道的非线性和时变特征进行单独评估和修正。随后，这些特征将被加入到仿真信号。 本论文提出的信道仿真方法包括两个阶段：（1）冲激响应和信道特征评估，仿真处理和数据库建立。（2）挑选及核查被仿真信道，在精选的仿真信道和在任何想要的信噪比的噪声条件下发射一个特定信号。 2.水声信道的特征 水下声信道是具有时变、频率选择性、空间不相关特征的加性有色高斯噪声信道，对特定频率和距离的声波具有较强的吸收，加之多途现象，从而导致信号衰减。水声信道的特征在以下分节中进行描述。 2.1 多普勒频移 接收机与发射机的相对运动或者介质运动（在不可忽略的流动条件下）可以改变声波通过信道的频率。这种在载波信号中频域和时域的明显改变就叫做多普勒频移。 假设声源和观察者的相对速度（v）远小于声速（c），则被观测的声波频率[1]由下式表示：
信道估计算法
LS 信道估计 假设OFDM 系统模型用下式表示： P P P Y X H W =+ （1） 式中H 为信道响应；P X 为已知的导频发送信号；P Y 为接收到的导频信号；P W 为在导频子信道上叠加的A WGN 矢量。 LS 为最小二乘(Least —Square)信道估计， LS 算法就是对（1）式中的参数H 进行估计，使函数（2）最小。 ????()()()()H H P P P P P P P P J Y Y Y Y Y X H Y X H =--=-- （2） 其中P Y 是接收端导频子载波处的接受信号组成的向量；??P P Y X H =是经过信道估计后得到的导频输出信号；?H 是信道响应H 的估计值。 ??{()()}0?H P P P P Y X H Y X H H ?--?=? 由此可以得到LS 算法的信道估计值为： 11,()H H P LS P P P P P P H X X X Y X Y --== 可见，LS 估计只需要知道发送信号P X ，对于待定的参数H ，观测噪声P W ，以及接收信号P Y 的其它统计特征，都不需要其它的信息，因此LS 信道估计算法的最大优点是结构简单，计算量小，仅通过在各载波上进行一次除法运算即可得到导频位置子载波的信道特征。但是，LS 估计算法由于在估计时忽略了噪声的影响，所以信道估计值对噪声干扰以及ICI 的影响比较敏感。在信道噪声较大时，估计的准确性大大降低，从而影响数据子信道的参数估计。 LMMSE 算法的实现流程： 首先我们得到LMMSE 算法的相关公式： 211??*((()()))P P P P H LMMSE H H H H W LS H R R diag X diag X H σ--=+ 其中=()P P H H H P P R E H H 为信道矢量H 的自相关矩阵， ?LM M SE H 代表采用LMMSE 算法时信道
基于导频序列的信道估计算法的研究
第一章绪论 1.1 研究背景和意义 现代社会已经进入了信息时代，在各种信息技术中，信息的传输即通信起着支撑作用。由于人类社会生活对通信的需求越来越高，世界各国都在致力于现代通信技术的研究与开发以及现代通信网的建设现代移动通信技二十世纪二十年代，但是一直到 20 世纪 70 年代中期才迎来了移动通信的蓬勃发展时期。美国贝尔实验室研制成功先进移动系统，建成了蜂窝状模拟移动通信网，大大提高了系统容量。从八十年代开始，数字移动通信系统进入了发展和成熟时期，欧洲首先推出了全球移动通信系统（GSM），随后美国和日本也相继制定了各自的数字移动通信体制。90年代初，美国Qualcomm公司推出了窄带码分多址（CDMA）蜂窝通信系统，这是移动通信系统发展中的里程碑。从此码分多址这种新的无线接入技术在移动通信领域占据了越来越重要的地位。这些目前正在广泛使用的数字移动通信系统是第二代移动通信系统。第二代移动通信系统主要是为支持语音和低速率的数据业务而设计的，但是随着人们对通信业务围和业务速率要求的不断提高，已有的第二代移动通信网将很难满足新的业务需求。为了适应新的市场需求，人们正在研究和设计第三代移动通信系统。尽管目前关于第三代移动通信系统的研究和标准化工作十分引人注目，但是目前第三代移动通信的方案实际只能是第二代移动通信方案的改进，算不上真正意义上的宽带接入网络。而且3G的核心网还没有完全脱离第二代移动通信系统的核心网的结构。目前，人们把越来越多的眼光投向三代以后的（beyond 3G/4G）移动通信系统中新一代移动通信（beyond 3G/4G）将可以提供的数据传输速率高达100Mbit/s，甚至更高，支持的业务从语音到多媒体业务，包括实时的流媒体业务，数据传输速率可以根据这些业务所需的速率不同进行动态调整。新一代移动通信的另一个特点是低成本。因此在有限的频谱资源上实现更高速率和更大容量，需要频谱效率更高的通信技术。MIMO技术充分开发空间资源，利用多个天线实现多发多收，在不需要增加频谱资源和天线发送功率的情况下，可以成倍地提高信道容量。OFDM技术是多载波传输的一种，其多载波之间相互正交，可以高效的利用频谱资源。另外，OFDM将总带宽分割为若干个窄带子载波可以有效的抵抗频率选择性衰落。因此充分研究开发这两种技术的潜力，将两者结合起来成为新一代移动通信核心技术的解决方案。信道估计是无线通信中的关键技术之一，对MIMO-OFDM系统的信道估计算法进行研究和改进，对MIMO-OFDM 系统技术的发展有着非同寻常的意义。
浅海水声信道模型
浅海水声信道模型 对浅海水声信道建模，一方面可以大致估计水声通信设备在不同水声信道下的性能；另一方面，可以很方便地控制各种不同的输入参数，以便模拟不同的实际环境，大大节省出海实验的费用和时间。 但是，要想获得完全符合实际应用环境的水下通信信道的解析模型在目前是不可能的，我们只能在假设一些理想条件的前提下，针对浅海信道影响信号传输和接收的主要干扰因素加以考虑，建一个半经验的模型。 水声信道尤其是浅海水声信道是典型的变参信道，其特性随时间和空间不断地变化，称为时变多径衰落信道。在水声数字通信系统的研究中，常用图3-3的模型表示： 图3-3 浅海水声信道模型 图中，()i s t 为发射信号，(;)h t τ为水声信道单位冲激响应，()n t 为信道噪声，()r s t 为经过信道后的信号，()r t 为接收信号，其中t 为时间变量，τ为时间延迟。则接收信号可表示为： ()()()(;)()()r i r t s t n t h t s t d n t τττ=+= -+? （3-13） 根据浅海水声信道的特点，浅海水声信道可以建立两类模型[5,27,28]：一是建立一个N 径非时变的确定性模型。二是建立一个随机统计模型，对于近距离的浅海水声信道可以建立莱斯衰落和加性高斯白噪声信道模型；对于中、远距离的浅海水声信道可以建立瑞利衰落和加性高斯白噪声信道模型。 3.2.1 N 径确定性模型 针对浅海水声信道，在建立浅海水声信道N 径确定性传播模型之前，
先假设几个理想条件： 1) 水深为常数； 2) 当声线掠射角小于5°、载波频率小于50KHz 和海底介质的密度大于 3 1.4 /g c m （例如 沙，淤泥，粘土等介质） 时，海底的反射系数b r 近似为1， 同时相位偏移为180°,考虑到浅海海底介质一般由细沙和淤泥构成，同时掠射角总是大于0°，无论怎样，声波由海底反射时，声能总是有所损失的，而且随着掠射角的增大而增加，在这里假设海底的反射系数等于0.9； 3) 海面的粗糙程度可以用瑞利参数R 来描述： ) sin(2?σπc f R = （3-14） 其中，f 为工作频率，c 为声速，σ为海面波浪高度（波峰到波谷）的均方根值，?为声线掠射角。经验数据表明，当瑞利参数1<
基于FBMP算法的水声信道估计
３５ 基于FBMP 算法的水声信道估计 龙旭光 （中国海洋大学信息科学与工程学院，山东青岛266100） 摘要：设计了一种基于贝叶斯压缩感知（bayesian compressing sensing,BCS ）的水声信道（underwater acoustic channel ， UWAC ）估计方法，并具体采用快速贝叶斯匹配追踪算法（fast bayesian matching pursuit ，FBMP ）对水声正交频分复用(OFDM )通信系统下的信道脉冲响应进行估计。在水声信道中，信道的抽头的位置及系数通常分别服从伯努利和复高斯分布，利用这一先验知识，首先对抽头的位置进行检测，然后通过最小均方误差准则得到准确的信道估计。仿真分析了导频数量、信噪比对FBMP 、正交匹配追踪（orthogonal matching pursuit ，OMP ）、变换域（discrete fourier transform,DFT ）、最小二乘法（least square,LS ）信道估计算法的性能的影响，仿真结果表明，在稀疏信道下，基于FBMP 的信道估计方法明显优于OMP 、DFT 、LS 信道估计方法。关键词：水声信道；贝叶斯压缩感知；稀疏多径；正交频分复用中图分类号：TN919.3文献标识码：A 文章编号：1673-1131（2019）02-0035-02 0引言 水下通信系统的性能主要受水声信道的制约，而水声信道具有快速时变以及丰富的多径传播特点。因此，为了获取可靠的水声信道状态信息（CSI ），设计能够准确有效获取信道状态的信道估计方法十分重要。水声正交频分复用（OFDM ）技术作为一种多载波调制技术，因其具有高传输速率和高带宽效率的特点，并且能有效对抗多径衰落和时延[1]，在水声通信中已得到广泛应用。大量的研究及实验结果表明：水声信道在时域上往往呈现稀疏性，即信道脉冲响应的大部分能量只集中在少数几个多径分量上[2]。传统的l 2范数信道估计方法并没有充分利用信道的稀疏性这一先验知识，因此导致了对频谱资源的过度占用。 压缩感知（CS ）理论是信号处理、统计、无线通信领域的一项新兴技术。利用信号的稀疏性和可压缩性，CS 可以从少量的随机映射的观测值中获取并重构原始信号[3]。文献[4]将OFDM 信道估计表达为CS 问题，即通过发射幅度相同，相位随机的导频信号并将信道脉冲响应中的稀疏多径扩展到接收端的观测数据中，因此可以通过稀疏优化可靠地恢复信道脉冲响应。稀疏信道估计另一种方法就是利用贝叶斯方法，作为一种特殊形式的CS 算法，相比于已有的匹配追踪及一系列改进的算法拥有更高的估计精度，又比基于最小范数（MP ，OMP 等）的算法具有更高的效率。所以，本文研究了基于FBMP 算法在水声信道估计的性能，并与LS 、DFT 及OMP 算法进行对比。仿真比较了它们之间的性能差别。 1系统模型 水声信道通常是频率选择性衰落信道，假设水声信道相 干时间足够长，以OFDM 系统的采样周期对信道脉冲响应进行采样， 得到离散信道模： （1） 式中，L 为信道长度。水声信道存在着稀疏结构，假设信道由K 条路径组成，则该信道可称为K 稀疏信道。假定OFDM 采用N 点DFT ，为避免码间串扰和载波间干扰，加入长度为N g 的循环前缀（N g >L ）。设N p 为导频数量，表示在发送端导频位置处的频域调制信号，假定没有干扰，接收端接收到的是发射 端的频域调制信号与信道频域响应的乘积再加上噪声： （2） 其中， 为N p ×N p 的对角 阵，发v 为N p ×1的复加性高斯白噪声向量，即 。 为N p ×L 傅利叶变换矩阵。令 A=X ·F Np×L ，若矩阵A 满足RIP 准则，考虑到h 的稀疏性，那 么多径稀疏信道估计问题就可以转化为稀疏信号重构问题。本文将介绍一种利用稀疏向量的分布作为先验知识的贝叶斯稀疏重建方法，该方法先根据最大后验准则对稀疏模型进行选择，再根据最小均方误差准则完成稀疏量的估计，最终得到正确的稀疏恢复结果。 2快速匹配追踪算法的信道估计 文献[5]指出，水声信道的脉冲响应服从伯努力-高斯分布。设向量h 系数来自高斯混合模型： s 中元素不为零 的数量，由于E {K }=N ·P ，可知向量h 的稀疏程度与p 密切相关，若向量满足稀疏特性， 则有 为依赖矩阵A 的协方差矩 阵。接下来进行模型选择，即在给出接收信号的情况下选择模型向量s 。根据贝叶斯原理， 模型向量选择的后验概率为： （5） 其中，S={0，1}N 为向量s 所有可能的集合 的 估计。由于h 的维度非常大，使得对后验概率和期望计算变得 极其复杂，为降低贝叶斯估计的复杂性，有必要限制可能的集合S 的数量，因此定义S *为个p （s|Y ）的最大值所组成的集合用来近似S 。将上式的分子作为模型选择量并求对数，得到： 2019 （Sum.No 194） 信息通信 INFORMATION &COMMUNICATIONS 2019年第2期（总第194期）
信道估计
寒假信道估计技术相关内容总结 目录 第一章无线信道 (3) 1.1 概述 (3) 1.2 信号传播方式 (3) 1.3 移动无线信道的衰落特性 (3) 1.4 多径衰落信道的物理特性 (5) 1.5 无线信道的数学模型 (7) 1.6 本章小结 (7) 第二章MIMO-OFDM系统 (8) 2.1 MIMO无线通信技术 (8) 2.1.1 MIMO系统模型 (9) 2.1.2 MIMO系统优缺点 (11) 2.2 OFDM技术 (12) 2.2.1 OFDM系统模型 (12) 2.2.2 OFDM系统的优缺点 (14) 2.3 MIMO-OFDM技术 (16) 2.3.1 MIMO、OFDM系统组合的必要性 (16) 2.3.1 MIMO-OFDM系统模型 (16) 2.4 本章小结 (17) 第三章MIMO信道估计技术 (18) 3.1 MIMO信道技术概述 (18) 3.2 MIMO系统的信号模型 (19) 3.3 信道估计原理 (21) 3.3.1 最小二乘（LS）信道估计算法 (21) 3.3.2 最大似然（ML）估计算法 (23) 3.3.3 最小均方误差（MMSE）信道估计算法 (24) 3.3.4 最大后验概率（MAP）信道估计算法 (25) 3.3.5 导频辅助信道估计算法 (26) 3.3.6 信道估计算法的性能比较 (26) 3.4 基于训练序列的信道估计 (28) 3.5 基于导频的信道估计 (28) 3.5.1 导频信号的选择 (29) 3.5.2 信道估计算法 (31) 3.5.3 插值算法 (31) 3.5.3.1 线性插值 (31) 3.5.3.2 高斯插值 (32) 3.5.3.3 样条插值 (33) 3.5.3.4 DFT算法 (33) 3.5.4 IFFT/FFT低通滤波 (33) 3.6 盲的和半盲的信道估计 (34)
基于训练的最小二乘(LS)算法的信道估计
基于训练的最小二乘（LS ）算法的信道估计 一、概述与背景 随着近年来无线通信系统的高速发展，基于阵列的接收机和空时分集方法逐渐成为研究热点。现在无论是在理论分析还是在富散射环境的实地测试中，MIMO （multiple-input multiple-output）系统都能够大幅度提高无线通信系统的容量。 设一个t 发射天线、r 接收天线的MIMO 系统，其接收信号可表示为： i i i v Hp s +=（1） H 表示随机信道复矩阵，i p 表示t×1发送信号复向量，i v 表示零均值白噪声复 向量。 为了估计信道矩阵H ，假设发送的训练信号为N p p ，…,1，其中t N ≥.其对应 的r×N 接收信号矩阵 ] [,1N s s S ，…=可表示为： V HP S +=（2） 其中 ] [,1N p p P ，…=表示t×N 训练矩阵， ] [,1N v v V ，…=表示r×N 噪声矩阵。 。而MIMO 技术的要点在于得到一个精确的信道状态信息（CSI）。而信道估计算法的任务是基于S 和P 的信息来恢复信道矩阵H 的信息. 信道估计有非盲信道估计方法、盲信道估计方法和半盲信道方法。目前使用最为广泛的MIMO 信道估计方法是非盲信道估计方法，也即使用导频信号（又称为训练序列）然后基于接收数据和训练序列的信息来实现信道估计。盲信道估计实质上是利用信道潜在的结构特征或者是输入信号的特征达到信道估计的目的。而半盲信道方法估计是上述两种信道估计方法的综合与平衡。 本文主要讲的是最小二乘算法的信道估计，并用matlab 对LS 算法进行仿真，仿真内容是ZF 下理想信道与LS 估计信道的性能比较和LS 估计信道的不同天线数MIMO 系统的性能比较。
导频的OFDM信道估计
目录 摘要............................................................................................................................................. - 2 -第1章绪论............................................................................................................................... - 3 -OFDM技术发展历史............................................................................................................ - 3 -OFDM技术的优点................................................................................................................ - 3 -OFDM技术的缺点................................................................................................................ - 4 -第2章无线信道....................................................................................................................... - 6 -无线信道的衰落特性 ........................................................................................................... - 6 -多普勒效应 ........................................................................................................................... - 7 -无线信道的模型 ................................................................................................................... - 8 -高斯(Gaussian)信道模型................................................................................................... - 8 -瑞利(Rayleigh)信道模型.................................................................................................... - 8 -莱斯(Rician)信道模型........................................................................................................ - 8 -第3章OFDM系统的基本原理 ............................................................................................... - 9 -OFDM系统的基本原理........................................................................................................ - 9 -OFDM系统基本模型.......................................................................................................... - 10 -第4章基于导频的OFDM信道估计方法 ............................................................................ - 12 -OFDM 系统的信道估计模型............................................................................................. - 12 -导频结构 ............................................................................................................................. - 14 -基于块状导频的信道估计 ................................................................................................. - 15 -LS算法............................................................................................................................. - 15 -MMSE算法 ...................................................................................................................... - 17 -仿真结果及分析 ................................................................................................................... - 18 -参考文献................................................................................................................................... - 19 -附录........................................................................................................................................... - 20 -
CDMA信道分类及介绍
2.4.1.1 前向物理信道 前向链路包含的物理信道如图2-13 所示。 对于SR1 和SR3，前向链路包含的物理信道有所不同，表2-1、表2-2 分别指明了SR1 和SR3 下每种信道的有效信道数范围。 表2-1 SR1 的前向信道类型 信道类型数目 前向导频信道 1 发送分集导频信道 1 辅助导频频道无要求 辅助发送分集导频信道无要求 同步信道 1 寻呼信道7 广播信道无要求 快速寻呼信道 3 公共功率控制信道7 公共分配信道7 前向公共控制信道7 前向专用控制信道1/每个前向业务信道 前向基本信道1/每个前向业务信道 前向补充码道（只有RC1 和RC2）7/每个前向业务信道 前向补充信道（只有RC3 到RC5）2/每个前向业务信道 表2-2 SR3 下前向CDMA 信道的信道类型 信道类型数目 前向导频信道 1 辅助导频信道无要求 同步信道 1 广播信道无要求 快速寻呼信道 3 公共功率控制信道7
公共分配信道7 前向公共控制信道7 前向专用控制信道1/每个前向业务信道 前向基本信道1/每个前向业务信道 前向补充信道2/每个前向业务信道 下面简要介绍每个信道的作用： 1. 导频信道 前向链路中的导频信道包括前向导频信道F-PICH、发送分集导频信道F-TDPICH、辅助导频信道 F-APICH 和辅助发送导频信道F-ATDPICH，它们都是未经调制的扩谱信号。这些信道的用途是使基 站覆盖范围内的终端能够获得基本的同步信息，也就是各基站的PN 短码相位信息，终端以它们为依 据进行信道估计和相干解调。 2. 同步信道F-SYNC F-SYNC 用于传送同步信息，在BS 覆盖范围内，各终端可利用这种信息进行同步捕获，开机的 终端可利用它来获得初始的时间同步。由于F-SYNC 使用的PN 序列偏置与F-PICH 使用的偏置相同， 一旦终端捕获了F-PICH 获得同步，F-SYNC 也实现了同步。F-SYNC 的数据速率为固定的1200bit/s。3. 寻呼信道F-PCH 寻呼信道F-PCH 供BS 在呼叫建立阶段传送控制信息。通常，终端在建立同步后，就选择一个F-PCH（或在基站指定的F-PCH）监听由BS 发来的指令，在收到BS 分配业务信道的指令后，就转入分配的业务信道中进行信息传输。F-PCH 以固定的速率9600bit/s 或4800bit/s 传递信息。虽然有两种可选择的速率，但在一个给定的系统中，所有的F-PCH 都必须采用同样的速率。F-PCH 应被分为时长为80ms 的时间片，每个时间片含4 个帧，帧长为20ms。 4. 广播控制信道F-BCCH BS 用它来发送系统开销信息，以及需要广播的消息（例如短消息）。F-BCCH 可以工作在非连续 方式。当F-BCCH 工作在较低的数据速率，如4800bit/s 时，时隙周期为160ms，40ms 帧在每时隙内 重复三次，这时F-BCCH 可以用较低的功率发射，而终端则通过对重复的信息进行合并来获得时间分 集的增益；减小F-BCCH 的发射功率对于提高前向链路的总体容量是有帮助的。 5. 快速寻呼信道F-QPCH BS 用它来通知在覆盖范围内工作于时隙模式、且处于空闲状态的终端，是否应该在下一个 F-CCCH 或F-PCH 的时隙上接收F-CCCH 或F-PCH。使用F-QPCH 最主要的目的是使终端不必长时 间地连续监听F-PCH，从而延长待机时间。QPCH 每个时隙划分为寻呼指示符（PI）、配置改变指示 符（CCI）和广播指示符（BI）。 寻呼指示符（PI）用来通知特定终端在下一个F-CCCH 或F-PCH 上有寻呼消息或其它消息。当有 消息时，BS 将该终端对应的PI 置为“ON”，终端被唤醒；否则置为“OFF”，终端进入睡眠状态。 广播指示符（BI）只在第一个F-QPCH 上有。终端用于接收广播消息的F-CCCH 时隙上将要出现 内容时，BS 就把对应于该时隙的F-QPCH 时隙中的BI 置为“ON”，否则为“OFF”。 配置改变指示符（CCI）只在第一个F-QPCH 上有。BS 的系统配置参数改变后，经过一段时延， BS 把CCI 置为“ON”，以通知终端重新接收包含系统配置参数的开销消息。这样终端可以不必反复 解调重复的系统配置消息，降低功耗。 6. 公共功率控制信道F-CPCCH F-CPCCH 由时分复用的公共功率控制子信道组成，每个公共功率控制子信道控制一个R-CCCH 或R-EACH。 F-CPCCH 的一个公共功率控制组有2N 个公共功率控制子信道，编号从0 到2N-1，它们平均分 配到I 支路和Q 支路。在公共功率控制子信道没有数据发送时，相应比特位置的功率为0。 7. 公共指配信道F-CACH
最新LS信道估计算法
L S信道估计算法
LS 信道估计 假设OFDM 系统模型用下式表示： P P P Y X H W =+ （1） 式中H 为信道响应；P X 为已知的导频发送信号；P Y 为接收到的导频信号；P W 为在导频子信道上叠加的AWGN 矢量。 LS 为最小二乘(Least —Square)信道估计， LS 算法就是对（1）式中的参数H 进行估计，使函数（2）最小。 ????()()()()H H P P P P P P P P J Y Y Y Y Y X H Y X H =--=-- （2） 其中P Y 是接收端导频子载波处的接受信号组成的向量；??P P Y X H =是经过信道估计后得到的导频输出信号；?H 是信道响应H 的估计值。 ??{()()}0?H P P P P Y X H Y X H H ?--?=? 由此可以得到LS 算法的信道估计值为： 11 ,()H H P LS P P P P P P H X X X Y X Y --== 可见，LS 估计只需要知道发送信号P X ，对于待定的参数H ，观测噪声 P W ，以及接收信号P Y 的其它统计特征，都不需要其它的信息，因此LS 信道估 计算法的最大优点是结构简单，计算量小，仅通过在各载波上进行一次除法运算即可得到导频位置子载波的信道特征。但是，LS 估计算法由于在孤寂时忽略了噪声的影响，所以信道估计值对噪声干扰以及ICI 的影响比较敏感。在信道噪声较大时，估计的准确性大大降低，从而影响数据子信道的参数估计。
LMMSE 算法的实现流程： 首先我们得到LMMSE 算法的相关公式： 211??*((()()))P P P H LMMSE HH H H W LS H R R diag X diag X H σ--=+ 其中P H 为导频子载波的CFR （振幅因素衰减），P HH R 表示所有子载波与导频子载波的互协 方差，P P H H R 表示导频子载波的自协方差。?LMMSE H 代表信道的阶跃响应。从公式中可以看出LMMSE 使用子载波间的协方差以及SNR 等信息进行信道估计。 因为H -1(diag(X)diag(X))可以作为一个常量。则H -1(diag(X)diag(X))可以替换为其期望值：2H -1E{(diag(x)diag(x))}=I W SNR βσ，其中I 代表单位矩阵。 所以，上式又可变为1??*()P P P LMMSE HH H H LS H R R I H SNR β-=+。 其中，星座因子β与采用的调制方式有关：对于16QAM 调制为17／9；对于 QPSK 调制为1。SNR 是每个符号的信噪比；?LS H 表示参考信号处由LS 估计的信道冲激响应值； 因为要进行求逆运算，所以运算的复杂度较高。如果参考信号的子载波数目较多，则求逆运算会变得很复杂。下面则将对LMMSE 算法进行改进。 在这里我们采用了奇异值分解的方法对估计器进行低阶近似。将信道的自相关函数分解为:H HH R =U U Λ。 则原公式可以化为：0??00n H SVD LMMSE LS H U U H -???= ??? 其中11 1()diag(,....,)N N I SNR SNR SNR λλβββλλ-?=ΛΛ+=++.这样在某种程度上就可以大大减少运算量。
信道估计总结 (2)
信道估计总结LS和半盲信道估计
目录 一、信道估计概述 (3) 二、MIMO系统模型 (4) 三、波束成形半盲信道估计 (4) 3.1波束成形半盲信道估计概述 (4) 3.2传统的最小二乘信道估计 (5) 3.3半盲信道估计 (6) A．正交导频设计 (6) B．接收波束成形估计u1 (6) C．发送波束成形估计v1 (7) 3.4CLSE和半盲信道估计比较 (8) 3.5总结 (10) 四、OPML半盲信道估计 (10) 4.1概述 (10) 4.2W已知的情况下，估计酋矩阵Q (11) A．正交导频ML估计（OPML） (11) B．通用导频的迭代ML估计（IGML） (11) 4.3盲估计W (13) 4.4仿真结果 (13) 4.5总结 (14) 参考文献 (14)
信道估计总结 ------LS和半盲信道估计 一、信道估计概述 移动无线通信系统的发送端所发送的信号经过无线信道传输后，由于无线信道的时变性和多径传播性，会引起传输信号的幅度和相位畸变，同时会产生符号间干扰。如果采用MIMO 系统，则各发送天线间也会互相干扰。在通信系统中，需要信道估计参数进行分集合并、相干解调检测和解码，在MIMO环境下，待估计的信道参数个数随着天线个数的增加线性增加，信道估计成为构建系统的难点。所以，为了在接收端恢复正确的发射信号，找到一种高精度低复杂度的信道估计方法是必要的。 所谓信道估计，就是从接收数据中将假定的某个信道模型的模型参数估计出来的过程。MIMO系统实现大容量的前提是接收机能对接收到的来自各发送天线的信号进行很好的去相关处理，而进行这一处理的必要条件是接收端对信道进行比较精确的估计，获得较准确的信道信息，从而能够正确地恢复被干扰和噪声污染的信号。 在MIMO通信系统中，空时信道的估计和跟踪相对于SISO系统更加复杂，同时对系统误码性能和容量有很大的影响。这一复杂性主要表现在两个方面：快速移动通信环境所导致的信道时变特性；多径时延扩展的长度较大使得信道变成频率选择性信道，即一个时变的FIR矩阵信道，此时估计与跟踪的实现是较困难的。 从信道估计算法输入数据的类型来分，MIMO信道估计方案可以划分为时域和频域两个类方法。频域方法主要针对多载波系统；时域方法适用于所有单载波和多载波MIMO系统，它借助于训练序列或发送数据的统计特性，估计衰落信道中各多径分量的衰落系数。从估计算法先验信息的角度，时域方法又可分为一下3类： （1）基于训练序列的估计按一定估计准则确定待估参数，或者按某些准则进行逐步跟踪和调整待估参数的估计值，其特点是需要借助参考信号，即导频或训练序列。在此，我们将基于训练序列和导频序列的估计统称为训练序列估计算法。 基于训练序列的信道估计适用于突发传输方式的系统。通过发送已知的训练序列，在接收端进行初始的信道估计，当发送有用的信息数据时，利用初始的信道估计结果进行一个判决更新，完成实时的信道估计。 基于导频符号的信道估计适用于连续传输的系统。通过在发送有用数据的过程中插入已经的导频符号，可以得到导频位置的信道估计结果；接着利用导频位置的信道估计结果，通过内插得到有用数据位置的信道估计结果，完成信道估计。 （2）盲估计利用调制信号本身固有的、与具体承载信息比特无关的一些特征，或是采用判决反对的方法来进行信道估计的方法。 （3）半盲估计结合盲估计与基于训练序列估计这良好总方法优点的信道估计方法。 一般来讲，通过设计训练序列或在数据中周期性地插入导频符号来进行估计的方法比较常用。而盲估计和半盲估计算法无需或者需要较短的训练序列，频谱效率高，因此获得了广泛的研究。但一般盲估计和半盲估计方法的计算复杂度较高，且可能出现相位模糊（基于子空间的方法）、误码传播（如判决反馈类方法）、收敛慢或陷入局部极小等问题，需要较长的观察数据，这一定程度上限制了它们的实用性。