基于训练的最小二乘(LS)算法的信道估计.pdfVIP

LS LS 基于训练的最小二乘（LLSS）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-inputmultiple-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： s = Hp +v i i i （1） H pi vi 表示随机信道复矩阵， 表示t×1发送信号复向量， 表示零均值白噪声复 向量。 p p H 1,…， N N≥ t 为了估计信道矩阵 ，假设发送的训练信号为 ，其中 . 其对应 S=[s s ] 的r×N接收信号矩阵 1,…，N 可表示为： S= HP+V （2） P=[p p ] V =[v v ] 其中 1,…， N 表示t×N训练矩阵， 1,…，N 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 S P 计算法的任务是基于 和 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。 二、最小二乘（LS）信道估计算法 P 由上述可知，已知 和接收信号的信息，则信道矩阵的恢复可以使用最小二 乘（LS）算法来进行估计，表示为： ∗ ˆ H = SP LS （3） ∗ H H −1 H P = P (PP ) P (⋅) 其中 是表示 的伪逆矩阵， 表示H 变换。 定义发射功率的约束条件为 2 P = ρ F （4） ρ ⋅ F 其中 是常数， 表示Frobenius 矩阵范数。 在发射功率约束下，找出信道估计误差的最小值可用最优化问题表示为： 2