好的信道估计算法.docx

LS信道预计 假定OFDM系统模型用下式表示： YPXPHWP （1） 式中H为信道响应；XP为已知的导频发送信号；YP为接收到的导频信号； WP为在导频子信道上叠加的AWGN矢量。 LS为最小二乘(Least—Square)信道预计，LS算法就是对（1）式中的参数 H进行预计，使函数（2）最小。 ?H (YP ? ?H (YP ? （2） J(YPYP) YP)(YP XPH) XPH) 此中YP是接收端导频子载波处的接受信号构成的向量； ? ? 是经过信 YP XPH 道预计后获得的导频输出信号； ? 是信道响应H的预计值。 H {(YP ?H (YP ? XPH) XPH)} 0 ? H 由此能够获得LS算法的信道预计值为： HP,LS(XPHXP)1XPHYPXP1YP 可见，LS预计只要要知道发送信号XP，关于待定的参数H，观察噪声WP， 以及接收信号YP的其余统计特点，都不需要其余的信息，所以LS信道预计算法 的最大长处是构造简单，计算量小，仅经过在各载波进步行一次除法运算即可获得导频地点子载波的信道特点。可是，LS预计算法因为在孤寂时忽视了噪声的影响，所以信道预计值对噪声搅乱以及ICI的影响比较敏感。在信道噪声较大时，预计的正确性大大降低，进而影响数据子信道的参数预计。 LMMSE算法的实现流程： LMMSE算是MMSE的特例，在这类状况下，鉴于接收数据的预计值是接收数据的线性变 换， 在数据统计特点已知的状况下，某些时候能够直接求解，比方维纳解； 在数据统计特点未知可是安稳的时候，能够经过递归迭代的算法求解，诸如：LMS算法 第一我们获得LMMSE算法的有关公式： ? 2 H ) 1 ) 1 ? HLMMSERHHP*(RHPHPW (diag(X)diag(X) HLS 此中HP为导频子载波的CFR（振幅要素衰减），RHHP 表示全部子载波与导频子 载波的互协 方差，RHPHP表示导频子载波的自协方差。 ? HLMMSE代表信道的阶跃响应。从公式 中能够看出LMMSE使用子载波间的协方差以及SNR等信息进行信道预计。 因为(diag(X)diag(X)H)-1能够作为一个常量。则(diag(X)diag(X) H)-1能够取代为其 希望值：E{W 2(diag(x)diag(x) H)-1}=I SNR ，此中I代表单位矩阵。 ? RHHP*(RHPHP I) 1? 所以，上式又可变成HLMMSE SNR HLS。 此中，星座因子 与采纳的调制方式有关：关于16QAM调制为17／9；关于QPSK 调制为1。SNR是每个符号的信噪比； ? 表示参照信号处由 预计的信道冲激 HLS LS 响应值； 因为要进行求逆运算，所以运算的复杂度较高。假如参照信号的子载波数量好多，则求逆运算会变得很复杂。下边则将对LMMSE算法进行改良。 在这里我们采纳了奇怪值分解的方法对预计器进行低阶近似。将信道的自有关函 数分解为:RHH=U UH。 ? n 0 H? 则原公式能够化为： U U HSVDLMMSE 0 HLS 0 此中 1 1 N ( SNRI)diag( ,....,  ).这样在某种程度上 SNR  N  SNR 就能够大大减少运算量。 插值算法 在预计完导频子载波处的信道传输函数后，数据子载波处的信道响应能够经过在相邻的导频子载波间插值获得。不一样样的插值算法拥有不一样样的计算复杂度和性能，下边讨论一些常用的插值算法。 1．线性插值法 线性插值就是利用前后相邻的2个导频子载波的信道响应，来线性地计算出处于它们之间的数据子载波上的信道响应。关于第k个子载波，采纳线性插值算法，其信道的频域响应为： H?(k)  H?(mL  l)  H?p(mL)  1 L  {H?  p[(m1)L]  H?P(mL)} (k  mL  l,0  l  L) 式中  mL  k  (m1)L  ，L为导频子载波之间的距离  (即Nf  )  ，m为导频的相对 地点，下同。 2．二阶插值法 二阶插值算法的性能要优于线性插值。这类方法利用了前后相邻3个导频子载波的信息进行二阶插值，获得第k个子载波的信道频域响应为： ? ? l) ? 1) ? ? 1) H(k) H(mL C1Hp(m C0Hp(m)C1HP(m 此中，C1 ( 1)，C0 ( 1)(1)，C1 ( 1)且 1。 2 2 L 3．时域插值法 时域插值算法是一种鉴于补零和DFT/IDFT运算的高精度插值算法。先将已 预计出的导频子载波处的信道频域响应 ? 0,1,...,Np1}进行IDFT变换 {Hp(k),k 得： Np 1 Gp(n) ? j2 kn/Np (0 nNp1) Hp(k)e k 0 此后，按下式将信号Np点