基于子空间算法MIMOOFDM盲信道估计研究.docVIP

基于子空间算法MIMOOFDM盲信道估计研究 　　摘 要：统一了应用于SISO-OFDM系统子空间算法盲信道估计的识别条件并推广到MIMO-OFDM系统中，实现了基于噪声子空间算法的盲信道估计技术。该算法对信道的真实阶数不敏感，只需要MIMO信道阶数的上限，且可以获得信道的精确估计，并且能快速收敛。仿真结果验证了该算法的均方误差性能。?? 　　关键词：MIMO-OFDM系统；盲信道估计；循环前缀；虚拟子载波?? 　　中图分类号：TP312 文献标识码：A 文章编号：1672-7800（2011）10-0061-03?お? 　　?? 　　作者简介：张恒斌（1964-），男，山东德州人，德州职业技术学院副院长、副教授，研究方向为教育教学管理、计算机应用技术。 　　 　　 　　0 引言?? 　　MIMO-OFDM技术将OFDM与空时编码技术有机地结合在一起，将空间分集、频率分集以及时间分集有机地结合在一起，这样可以大大地提高了无线通信中的信道容量和传输效率，并能有效地抵抗衰落、抑制干扰和噪声。但MIMO-OFDM系统的接收机需要准确的信道参数来进行分集合并、相干检测和解码，因此信道估计的准确性对提高系统的性能十分关键。在MIMO-OFDM系统中，相关信号检测需要一个对发射天线与接收天线之间信道冲击响应（CIR）的可靠估计，普通的信道估计可以采取发射训练序列来估计，但是对训练序列的要求确实非常严格。更重要的是，对某些系统发射训练序列并不一定可行。因此，盲信道估计成为近年来信道估计研究的热点。目前，盲信道估计的算法比较多，如文献［2］提出了基于冗余线性预编码和噪声子空间的MIMO-OFDM系统的子空间的盲信道估计算法。文献［3］提出了利用二阶信号周期平稳统计特性并采用了周期非常量模天线预编码的算法来对MIMO-OFDM系统进行盲信道估计和均衡。文献［4］提出了基于非冗余线性分组码和相关性操作的盲信道估计算法。提出了利用噪声子空间算法对多用户多天线填零MIMO-OFDM系统的子空间估计。?? 　　本文给出了MIMO-OFDM盲信道估计的识别条件，并实现了基于噪声子空间的盲信道估计。该算法统一了现存SISO-OFDM盲信道估计器的条件，并推广到多天线的MIMO-OFDM系统中。采用CP比采用VC可获得更精确的精度，但当信噪比和OFDM数目选取比较适当的时候采用VC也可实现较好的性能，这就潜在地增加了频带的利用率，因此该算法前景比较乐观。?? 　　1 MIMO-OFDM系统模型?? 　　MIMO-OFDM系统模型如图1所示。该模型有Mt个发射天线和Mr个接收天线。OFDM基带模型如图2所示。每个OFDM符号有N个子载波，并使用??k??0到k??0+D-1个子载波作为信息数据，其余??N-D未经调制的子载波作为虚拟子载波（VC）??。如果我们设置k??0=0??,D=N时我们的系统就不存在子载波。因此该系统在有VC和没有VC两种系统中均适用。?? 　　根据MIMO-OFDM系统模型框图和OFDM基带模型我们定义OFDM调制前输出的信号为： 　　?И?d(n,k)=［d??1(n,k),d??2(n,k),...,d????M??t??(n,k)］（1）?? 　　d??n=［d(n,k??0)??T,d(n,k??0+1)??T,...,d(n,k??0+D－1)??T］（2）?И? 　　 式中??d??j(n,k)表示第j个发射天线发射出的第n个??OFDM??符号块上第k个子载波上所携带的信息符号。通过在发射天线M??t上连续采集J个连续的??OFDM??符号,则信 　　 　　息的符号向量d(n)?П硎救缦拢? 　　?И?d(n)=[d+T-n,d+T-{n-1},…,d+T-{n-J+1}]+T（3）?И? 　　 定义一个??N×N维的IDFT的变换矩阵W??N?В? 　　?И?W??N=11…1??1ω????－1????N…ω????－(N－1)????N??1ω????－2????N…ω????－2(N－1)????N?う螃螃螃螵?1ω????－(N－1)????N…ω????－(N－1)(N－1)????N（4）?И? 　　 式中?Е鬲?N=e????－j2π/N??。多载波调制用??IFFT??变换来实现，产生的时域信号向量［s(n,0),s(n,1),…s(n,N－1)］=Wd??n，式中的W是N×D部分IDFT?П浠痪卣蟆? 　　?И?W=1?う鬲???－1????N??#8226;??#8226;??#8226;?う鬲???－(N－1)????N#8226;W??N(∶,1∶D)（5）?И? 　　 式中??D表示携带信息的子载波的数目，涉及到CP，将IFFT变换输出向量的最