mimo-ofdm系统下mimo信道估计算法.docx

mimo-ofdm系统下mimo信道估计算法 多输入多输出（mimo）与正交频分复制（obdm）技术相结合，是下一代高速无线通信的关键技术。mimo技术可以在不增加带宽的情况下提高通信系统的容量和频率利用率。oodd技术可以将频率选择性信道转换为多个平坦的子信道，并使用循环迭代（cp）来避免符号之间的干扰（isi）。 信道估计的准确性对MIMO-OFDM系统的性能有着重要影响· 基于导频的信道估计收敛速度快、 算法复杂度低、 易于工程实现, 目前已有大量的研究文献· 文献比较了经典期望最大化 (EM) 和空间交替广义期望最大化 (SAGE) 算法的性能和收敛性· 为了增强最小二乘 (LS) 算法性能, 文献利用最优导频设计来最小化均方误差 (MSE) · 文献根据角域内的信道可近似为空间不相关来减小噪声的影响·文献提出了一种最优MAP算法, 但复杂度较高·针对MAP算法的高计算复杂度, 文献利用低阶近似来降低复杂度· 本文首先利用EM算法把多输入信道估计问题转变为单输入信道估计问题;为增强系统估计性能, 根据在角域内不同发送接收天线间的信道抽头系数可视为不相关, 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滤除一部分噪声·仿真实验验证了所提算法的有效性· 1 系统模型 1.1 第t根接收天线 考虑有着Nt个发送天线和Nr个接收天线的MIMO系统, 每个OFDM符号有K个子载波·每根发送 (接收) 天线均使用OFDM调制 (解调) ·数据经过串并转换,K点IFFT变换并加入循环前缀由不同发送天线发送至信道·假设信道时间扩展长度为L, 让hr,t(l) 表示第t根发送天线和第r根接收天线间第l条路径增益·在接收端, 去除循环前缀并进行K点FFT变换, 第r根接收天线在第k个子载波上接收到的数据可表示为 Yr(k)=Νr∑t=1dt(k)Ηr,t(k)+Ζr(k)[JX*4]?[JX-*4](1)Yr(k)=∑t=1Nrdt(k)Hr,t(k)+Zr(k)[JX*4]?[JX?*4](1) 其中:Hr,t(k) =Fhr,t是向量Fhr,t的第k个元素,F是K×L矩阵F[k,l]=e-j2πkl/K,hr,t=[hr,t(0) ,hr,t(1) , …,hr,t(L-1) ]T, 0≤k≤K-1, 0≤l≤L-1, 1≤r≤Nr, 1≤t≤Nt,Zr(k) =Κ-1∑n=0zr(n)e-j2πnk/Κ/√Κ,zr(n)∑n=0K?1zr(n)e?j2πnk/K/K??√,zr(n)是零均值加性高斯白噪声 (AWGN) · 1.2 接收均匀线阵q 在角域中, 波束形成的主瓣用来标识物理传输环境·对于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, 故MIMO系统可分为Nr×Nt个角域区域, 不同角域区域内的信道系数可认为空间不相关·角域与空域之间的转换可表示为 Ra(l)=QΗrR(l)Qt[JX*4]?[JX-*4](2)Ra(l)=QHrR(l)Qt[JX*4]?[JX?*4](2) 其中:Ra(l) 是由hr,t(l) 构成的Nr×Nt空域信道矩阵, 上标a代表角域;Qt与Qr分别为酉矩阵, 其各列分别为 Qt=[Et(0),Et(1Μt),?,Et(Νt-1Μt)],(3)Qr=[Er(0),Er(1Μr),?,Er(Νr-1Μr)][JX*4]?[JX-*4](4)Qt=[Et(0),Et(1Mt),?,Et(Nt?1Mt)],(3)Qr=[Er(0),Er(1Mr),?,Er(Nr?1Mr)][JX*4]?[JX?*4](4) 其中:Mt和Mr分别表示发射与接收均匀线阵的归一化长度;Et(Ωti) 与Er(Ωri) 为第i条路径上发射方向Ωti与接收方向Ωri的单位空间特征图, 可表示为 Et(Ωti)=1√Νt[1exp[j(2πΔtΩti)]?exp[j(Νt-1)(2πΔtΩti)]],(5)Er(Ωri)=1√Νr[1exp[j(2πΔrΩri)]?exp[j(Νr-1)(2πΔrΩri)]][JX*4]?[JX-*4](6)Et(Ωti)=1Nt√???????1exp[j(2πΔtΩti)]?exp[j(Nt?1)(2πΔtΩti)]???????,(5)Er(Ωri)=1Nr√???????1exp[j(2πΔrΩri)]?exp[j(Nr?1)(2πΔrΩri)]???????[JX*4]?[JX?*4](6) 其中:Δt=Mt/Nt和Δr=Mr/Nr为发射天线和接收天线间的归一化间隔· 2 基于em的map算法 信道估计LS算法虽然复杂度低, 但其较低的估计性能并不能满足快变信道·通过MAP算法可明显改善估计精度, 接收端