OFDM系统基于导频的信道估计.pdfVIP

维普资讯 2007年 11月 绵阳师范学院学报 Nov．，2007 26卷 第 11期 JournalofMianyangNormalUniversity V01．26 No．11 OFDM 系统基于导频的信道估计 孟琳君 (南京邮电大学光电工程，江苏南京 210003) 摘 要：提出了OFDM系统中一种新的基于软信息迭代处理的信道估计算法。该算法将面向判决最小二乘 估计算法和盲估计算法相结合，在估计器中构造了一种新的置信度量函数 ，根据解码和软映射重构的反馈信号置 信度大小在两种估计算法中自适应选择 ，这样估计的信道频响可以有效提高软信息迭代接收性能，大大降低信道 估计训练开销。仿真结果表明，该文提出的算法能有效跟踪信道时变，限制传统面向判决估计的错误传播，达到好 的系统性能 。 关键词：EM算法；BCJR算法；SISO；LS (最小二乘算法) 中图分类号 ：TN914 文献标识码：A 文章编号：1672-612x(2007)11-0028-04 ●l ■刖-‘-昌一‘ 多输人多输出正交频分复用(MIMO—OFDM)技术由于能够大幅提高通信系统的数据吞吐量和可靠 性，所以受到广泛的关注。IEEE802．16标准已经把MIMO—OFDM作为实现其物理层的核心技术。对于 MIMO—OFDM来说，相干解调是实现高数据速率的保证。而对于相干解调来说，准确的信道估计是十分 关键的。信道估计根据是否采用导频，可以分为盲估计和非盲估计。而基于导频 [】的解调 (PSAM)是 目 前最常用的信道估计技术，其中采用线性维纳 (Wiener)滤波器的估计[4是基于最小均方误差 (MMSE)最佳 的。根据导频插入方式不同，Wiener滤波可以是时域滤波，频域滤波或是时域频域二维滤波。 虽然采用线性Wiener滤波，可以得到MMSE条件下的最佳估计，但是MMSE估计需要知道完整的信 道参数，而这对于实际系统来说是不可能的。一种退而求其次的方法是，根据最差的信道状况设计 Wie— ner滤波器。但是在有些情况下，信道模型的不匹配会造成估计性能的下降，甚至产生误码平层。因此， 目前有大量的研究工作是放在其它种类的信道估计方式上。比如，最大似然(ML)估计。ML估计不需要 先验的信道参数，因此可以用在实际系统中，但是不可避免的，它的性能要比MMSE估计差。还有非线性 估计，虽然它们有良好的性能，但是复杂度非常高，不能用于实际系统中。 本文提出了MIMO--OFDM系统中一种新的信道估计方法。根据最小均方误差的准则，推导出了求解 信道频率响应的方程，方程求解的运算量主要集中在一个矩阵的求逆上。但是对每一个符号，此矩阵是由 导频数据决定的，只要每个符号中的导频不改变，矩阵就是固定的，所以矩阵的求逆仅需计算一次，整个求 解过程的运算量不大，本方法便于在实际系统中应用。 2 OFDM系统组成及系统模型 一 个基于导频的OFDM基带系统的组成如图1所示。首先，对输入的二进制信息比特流进行基带调 制，如QPSK、16QAM调制。经过串并(S／P)变换，并插入一定数 目的导频后，调制信号 {x(k)}被送人 IF丌 处理器，转变为信号 {x(n)}： x(n)=IDFT{X(k) ∑X(k)e n=0，…，L，···，N一1 (1) 其中N为子载波数。插入长度为L的CP后变为： (2) xg(n)：f1：；(N)、+)“’ __：0一L…N，一1 (2) ， … ， 一 这样就构成了一个基本的OFDM符号，OFDM符号经过数模 (D／A)变换送上信道，在接收端滤波后进 收稿 日期 ：2007-09-02 作者简介：孟琳君 (19