MIMO-OFDM系统的联合频偏与信道估计技术研究.doc

摘要 PAGE 70 MIMO-OFDM系统的联合频偏与信道估计技术研究 摘 要 正交频分复用（Orthogonal Frequency Division Multiplexing, OFDM）技术能够有效地对抗多径衰落，同时具有较高的频谱效率，因此是宽带移动通信系统最佳的调制和多址接入候选方案。多输入多输出（Multiple-Input Multiple-Output, MIMO）技术能够有效地利用多径来提高系统容量（复用增益）或链路可靠性（分集增益），是极大提高通信系统频谱效率的有效手段。而两者联合而成的MIMO-OFDM技术，集两者之长于一身，已成为时下热门移动通信系统的标准配置。 作为多载波系统，OFDM对载波频率偏移（Carrier Frequency Offset, CFO）非常敏感。由多普勒频移和收发端晶振不匹配引起的CFO，会破坏子载波间的正交性，造成子载波间干扰，导致系统性能严重恶化。同时，为了实现相干解调，准确的信道冲激响应（Channel Impulse Response, CIR）信息也是不可或缺的。在通信系统中，这两个未知参数经常是同时存在并耦合在一起的，因此研究联合CFO和CIR估计算法具有现实意义。 针对时不变频选衰落信道MIMO-OFDM系统，论文在前人研究的基础之上，提出了一种“多天线、多径”模型；基于此模型，推导了最大似然联合估计和相应的CRLB限；接着为了降低估计的复杂度，论文研究了基于期望最大化型算法（Expectation-Maximization, EM）的迭代联合估计，仿真的结果表明EM型算法能够有效地逼近克拉美罗下限（Cramer-Rao Lower Bound, CRLB）；最后，论文针对稀疏信道环境，采用子空间匹配（Subspace Pursuit, SP）压缩感知算法，修正了信道估计部分的方法，仿真的结果表明修正后的迭代联合估计具有更好的估计性能和更低的迭代复杂度。 针对时变频选衰落信道MIMO-OFDM系统，论文分析了时变信道的统计特性，给出了时变信道表示方法——基扩展模型（Basis Expansion Model, BEM），并仿真比较了几种常见BEM的表示性能；然后在前人研究的基础之上，论文先研究了SISO-OFDM系统的系统模型，并分别给出了频域和时域两种联合估计方法；最后针对MIMO-OFDM系统，论文提出了一种“多天线、多径、时变”模型，从前面的时域联合估计方法中拓展出基于最大似然准则和最大后验准则的两种估计方法，仿真结果表明基于时变相关特性的最大后验方法具有更好的估计性能。 最后，简单梳理了本文的研究思路和取得的成果，并针对不足之处，探讨了以后的研究方向和改进思路。 关键字：MIMO-OFDM，联合频偏与信道估计，最大似然（ML），期望最大化（EM），稀疏信道估计，时变信道，基扩展模型（BEM），最大后验（MAP） 插图和附表 插图和附表清单 图1.1 移动通信技术演进示意图 图1.2 单载波、FDM、OFDM频谱比较图 图1.3 OFDM各正交子载波示意图 表1.1 各制式峰值速率与频谱效率比较 图1.4 SISO和MIMO系统信道容量示意图 图1.5 Alamouti分集与单天线系统误码率比较 图2.1 不同时延所对应的共焦椭球面 图2.2 信道的离散形态和连续形态示意图 图2.3 信道函数的关系图 图2.4 信道相关函数与功率谱函数关系的三维示意图 图2.5 衰落信道的分类 图2.6 归一化频偏与信噪比的关系 图2.7 OFDM系统简单示意图 图2.8 LS和MMSE信道估计的MSE性能比较 图3.1 单天线多径和多天线单径的系统模型示意图 图3.2 多天线多径系统模型示意图 表3.1 基于EM和SAGE算法联合频偏与信道估计流程 表3.2 仿真参数表 图3.3 频偏估计的MSE性能 图3.4 信道估计的MSE性能 图3.5 EM和SAGE算法迭代次数比较 表3.3 SP算法流程 图3.6 信道估计的LS和SP算法性能比较 图3.7 LS和SP算法的迭代次数比较 图4.1 时变频选信道的抽头延迟线模型示意图 图4.2 Clarke模型的自相关函数和功率谱函数 图4.3 四种BEM表示信道的MSE性能比较 图4.4 时变信道响应的矩阵形式 图4.5 多天线多径时变系统模型示意图 表4.1 仿真参数表 图4.6 频偏估计的MSE性能 图4.7 信道估计的MSE性能 缩略语及专用术语 缩略语及专用术语表 1G First Generation of Mobile Communication Technology 第一代移动通信技术 2G Second Generation of Mobile Communication