一种多输入多输出-ofdm系统最大后验概率信道估计算法.docxVIP

一种多输入多输出-ofdm系统最大后验概率信道估计算法 信道估计算法 正交频恢复技术（obd）可以很好地克服无线传感器网络的频率选择性衰落。由于其简单有效，已成为未来高速无线通信的核心技术之一。多输入多输出(MIMO)系统可以成倍提高数据传输效率和信道容量。二者相结合构成的MIMO-OFDM技术被视为下一代高速无线通信的核心技术。 对于高速数据通信系统,时变信道估计的好坏直接影响到接收端相干检测的性能。因此,MIMO-OFDM系统中的信道估计技术一直是研究的热点。信道估计算法可分为盲、半盲和非盲信道估计。盲信道估计利用信道长期的统计特性估计信道,计算复杂度高,收敛速度慢。半盲信道估计利用少量导频来提高盲算法的收敛速度。非盲信道估计利用导频信息跟踪信道,计算复杂度低,估计误差小,易于工程实现。对于非盲信道估计技术已有大量研究成果。文献比较了期望最大化(EM)和空间交替广义期望最大化(SAGE)算法的性能和收敛性。文献提出了一种基于最小均方误差(MSE)的最优导频设计方案。文献利用角域内不同发送和接收天线间的信道近似为空间不相关来增强信道估计MSE性能。文献利用奇异值分解来减小线性最小均方误差(LMMSE)算法的计算复杂度。文献在MIMO系统下提出一种最优MAP算法。针对MAP算法的高计算复杂度,文献利用低阶近似来降低计算量。 MAP信道估计算法利用信道相关性可达到最优性能,但在估计每个OFDM符号时都需要大规模的矩阵运算。针对这一问题,利用EM算法把多维估计问题转化为一系列独立的单维估计问题,并采用奇异值分解(SVD)来降低算法的计算复杂度。然后根据角域内不同发送接收天线间的信道抽头系数的不相关性,利用最有用抽头(MST)技术滤除一部分噪声。为了进一步增强估计性能,克服发送天线过多带来的低数据传输效率的问题,采用多个OFDM符号联合估计信道。仿真实验验证了所提算法具有更低的计算复杂度,更好地估计性能和更高的数据传输效率。 1 系统模型 1.1 状态2:第t根发送天线间第l条路径增益 考虑有着Nt个发送天线和Nr个接收天线的MIMO系统,每个OFDM符号有K个子载波。每根发送(接收)天线均使用OFDM调制(解调)。数据经过串并转换,K点IFFT变换并加入循环前缀由不同发送天线发送至信道。假设信道时间扩展长度为L,让hr,t(l)表示第t根发送天线和第r根接收天线间第l条路径增益。在接收端,去除循环前缀并进行K点FFT变换,第r根接收天线在第k个子载波上接收到的数据可表示为 Yr(k)=ΝΤ∑t=1dt(k)Ηr?t(k)+Ζr(k)(1) 式中,Hr,t(k)是K×1向量Fhr,t的第k个元素;F是K×L矩阵;F[k,l]=e-j2πkl/K,0≤k≤K-1,0≤l≤L-1;hr,t=[hr,t(0),hr,t(1),…,hr,t(L-1)]T;Ζr(k)=Κ-1∑n=0zr(n)e-j2πnk/Κ/√Κ?zr(n)是零均值加性高斯白噪声(AWGN)。 1.2 nrnt转换 在角域中,不同波束形成的主瓣用来标识物理传输环境。对于一个MIMO系统,波束形成将有Nt个发送波瓣和Nr个接收波瓣。一个传输和接收天线对形成一个角域区域,因此,MIMO系统可分为Nt×Nr个角域区域,不同角域区域内的信道系数可认为空间不相关。 角域与空域之间的转换可表示为 Ra(l)=QHrR(l)Qt(2) 式中,R(l)是由hr,t(l)构成的Nr×Nt空域信道矩阵;上标a代表角域变量;(·)H代表共轭转秩;Qt与Qr分别为酉矩阵,其各列分别为 Qt={Et(0)?Et(1Μt)???Et(Νt-1Μt)}(3)Qr={Er(0)?Er(1Μr)???Er(Νr-1Μr)}(4) 式中,Mt和Mr表示均匀线阵的归一化长度。矢量Et(Ωti)与Er(Ωri)为沿Ω方向第i条路径的发射单位空间特征图与接收单位空间特征图,分别表示为 Et(Ωti)=1√Νt[1exp[j(2πΠtΩti)]?exp[j(Νt-1)(2πΠtΩti)]](5)Er(Ωri)=1√Νr[1exp[j(2πΠrΩri)]?exp[j(Νr-1)(2πΠrΩri)]](6) 式中,Πt=Mt/Nt和Πr=Mr/Nr为发射天线和接收天线间的归一化间隔。 2 基于变异值分解的信号估计算法 MAP算法利用子载波间相关性可获得较高的估计性能。第r根接收天线接收到的信号向量可表示为 Yr=DHr+Zr(7) 式中,Yr=[Yr(0),…,Yr(K-1)];D=[D1,…,DNt];Hr=[HTr,1,…,HTr,Nt];Ζr=[Zr(0),…,Zr(K-1)];Dt=diag[dt(0),…,dt(K-1)]。 MAP算法的主要弊端在于它的高计算复杂度,对于MIMO-OFDM系统,当KNt很大