基于小波去噪与离散余弦变换相结合正交频分复用系统信道估计算法.docVIP

基于小波去噪与离散余弦变换相结合正交频分复用系统信道估计算法 　　摘 要： 　　针对传统的基于离散余弦变换（DCT）信道估计算法没有处理循环前缀之内噪声的问题，提出了一种基于小波去噪与DCT插值相结合的正交频分复用（OFDM）系统信道估计方法。首先，采用最小二乘（LS）法对接收到的导频信号进行信道初步估计；然后，对LS法估计出的结果进行离散小波阈值去噪处理；最后，利用DCT插值对循环前缀内的噪声再次处理，以进一步减小噪声的影响。在Matlab 2012平台上仿真，与传统的基于DCT信道估计算法相比较，误码率相同的条件下，所提算法的信噪比（SNR）性能提升了1dB左右；均方误差相同的条件下，所提算法的SNR性能提升2dB左右。仿真实验结果表明，该算法能够较好地减小加性高斯白噪声（AWGN）的影响，并有效提高信道估计的准确度，其总体性能较基于DCT的信道估计算法更优。 　　关键词： 　　正交频分复用；信道估计；小波去噪；离散余弦变换 　　0 引言 　　正交频分复用（Orthogonal Frequency Division Multiplexing， OFDM）是对多载波调制技术的一种改进，其原理是将高速的串行数据流经过串并转换，使其成为并行数据流，然后分配给传输速率相对更低的若干正交子信道进行传输，具有较高的频谱利用率。对于多数信道而言，信道特性是随时间而变化且不可知的，为了能够在接收端正确解调出发射信号，预测信道的相关信息则显得尤为重要，所以信道估计是OFDM系统的一个关键环节。基于OFDM的信道估计大多采用导频辅助信道估计算法[1]，通常导频子载波处的响应值根据最小二乘（Least Squares， LS）准则、最小均方误差（Minimum Mean Square Error， MMSE）准则等来得到。相对于LS准则，利用MMSE准则所得到的估计值具有误码率以及均方误差较低的特点，但LS信道估计算法相对其他信道估计算法复杂度低，易于实现，现已成为研究热点。为了提高LS算法的性能，一些学者利用小波变换对LS算法进行改进，以减小高斯白噪声对系统性能的影响。从已有的相关文献来看，在LS信道估计算法之前或者之后可以进行小波去噪处理，其性能明显优于传统的LS信道估计算法，但其总体性能依然有提升的空间。数据子载波处的响应值则根据导频位置的信道响应通过插值算法得到，常用的插值算法有线性内插法、基于离散傅里叶变换（Discrete Fourier Transform， DFT）的时域插值法、基于离散余弦变换（Discrete Cosine Transform， DCT）的时域插值法等。文献[2]提出了一种基于小波去噪的OFDM信道估计技术研究，该算法采用线性内插法，计算复杂度小，但系统均方误差较大。文献[3]提出了一种基于DFT判决门限的OFDM信道估计算法的研究，该算法采用基于DFT的时域插值法，复杂度低，易于实现，但该算法要求信道时延是采样周期的整数倍，否则将会发生能量频谱泄露，进而造成混叠失真。文献[4]提出了一种基于加窗型DCTIV的OFDM系统的信道估计算法，此算法较传统的基于DCT信道估计算法以较低的复杂度获得了性能的提高并且大幅降低了能量频谱泄露，但性能依然有提升的空间。 　　针对上述问题，本文提出了一种小波去噪与DCT插值相结合的OFDM信道估计算法。该算法首先利用离散小波变换（Discrete Wavelet Transform， DWT）对最小二乘（LS）法估计出的结果进行阈值去噪处理，再通过DCT插值估计进一步减小噪声对OFDM系统信道估计的影响。仿真实验结果表明，该算法能够较好地减小加性高斯白噪声的影响，有效提升信道估计的准确度，其总体性能明显比传统的DCT算法更优。 　　1 系统模型 　　1.1 小波变换原理 　　当前小波分析在应用数学以及工程学科领域中得到了迅速的发展，它克服了傅里叶变换不能同时进行时域频域局部分析的缺点，具有时域局部化和多分辨率特点，从而在对信号降噪领域拥有广阔的应用前景。一维含噪信号模型可表示为： 　　y（n） = s（n） + kw（n）； 0≤n≤N-1（1） 　　其中：y（n）为含高斯白噪声的信号，s（n）为期望信号，w（n）为高斯白噪声的时域形式，k为常数。去噪的目的就是对含高斯白噪声的信号进行处理，尽可能降低高斯白噪声的影响，从而恢复出期望信号。信号f（t）经过连续小波变换可以表示为： 　　Wf（a，b）=1a∫+∞-∞f（t）ψa，b（t-ba）dt（2） 　　式（2）中，ψ（t）表示基本小波或母小波，必须满足积分为零，a表示伸缩因子，a越大则频域分辨率越大，b表示平移因子。在实际应用中，尤其要通过计算机实现时，处理的是离散信号，故连续小波必须要加以离