一种多通道map信道估计算法.docxVIP

一种多通道map信道估计算法 1 多输入信道估计算法与组合网络模型 多输入多输出（mimo）与正交频段恢复（或多腔圆函数，opdm）的技术相结合，是下一代高速无线通信的中心支柱。MIMO技术在不增加带宽的情况下可成倍地提高通信系统容量和频谱利用率。OFDM技术可把频率选择性信道转换为多个平坦子信道,利用循环前缀(Cyclic Prefix,CP)来避免符号间干扰(Inter Symbol Interference,ISI)。 信道估计在相干解调中起着关键作用,它的准确性对MIMO-OFDM系统的性能有着重要影响。信道估计算法主要分为基于导频的信道估计和盲信道估计。前者利用导频来估计信道,算法复杂度低,易于工程实现。后者利用长期数据统计特性,算法复杂度高,收敛速度慢。基于导频的信道估计算法国内外已有大量文献。针对最大似然(Maximum Likelihood,ML)算法的高计算复杂度问题,文献提出了一种低复杂度的算法。文献比较了经典期望最大化(Expectation Maximum,EM)与空间交替广义期望最大化(Space-alternating Generalized Expectation-maximization,SAGE)算法的性能和收敛性。为增强最小二乘(Least Square,LS)算法的性能,文献提出了一种最优导频设计来最小化信道估计均方误差(Mean Square Error,MSE)。文献在802.11 n室内模型下提出一种角域LS信道估计算法。文献利用一种最小范数二乘(Minimum Norm Least Square,MNLS)算法来解决MIMO系统中MAP算法的高计算复杂度。 MAP算法利用EM算法可降低部分计算复杂度,但在高信噪比(Signal Noise Rate,SNR)下估计性能保持不变,出现误差平底(error floor)。此外,对于MIMO-OFDM系统,OFDM符号的传输效率与发送端天线的数目成反比。基于这两点问题,本文首先利用EM算法的降维特性,把多输入信道估计问题转变为单输入信道估计问题。然后,为加强估计算法的性能并解决导频过多带来的数据传输效率低的问题,利用多个OFDM符号进行联合地信道估计。最后,根据角域内信道矩阵元素间的独立性提高估计性能,减小误差平底现象对估计性能的影响。 2 系统模型 2.1 imo-ofd系统的信号计算 考虑一个有着Nt根发送天线,Nr根接收天线,K个子载波的MIMO-OFDM系统。无线信道时间的时延扩展为L,令hr,t(l)表示任意一对发送和接收天线间的第l条路径的增益。在接收端,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 2.2 mimo系统的空间属性 如图1,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,则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 其中R(l)是由hr,t(l)构成的Nr×Nt空域信道矩阵,(i)a代表角域变量,(i)H代表共轭转置,Qt与Qr分别为酉矩阵,其各列分别为 其中Mt和Mr表示均匀线阵的归一化长度。矢量Et(?it)与Er(?ir)为沿?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 其中?t=Mt/Nt和?r=Mr/Nr为发射天线和接收天线间的归一化间隔。 3 改进的map信道估计算法 通过MAP算法可明显改善估计精度,接收端第r根接收天线接收的信号向量可表示为 对于每个OFDM符号MAP算法均需要大量的矩阵运算。为了降低计算复杂度,根据EM算法可把多维信道估计问题转化为多个单维的估计问题,式(7)可简化为 的MAP估计可表示为 其中ZR是零均值噪声向量的相关矩阵,RH表示的相关矩阵。在准静态信道中,RZ=σ2IZ,IZ是K×K单位矩阵。考虑零均值信道系数,式(9)可整理为 MAP算法利用EM处理虽可减小部分复杂度,但在高SNR下会出现误差平底现象,导致估计性能保持不变,为了增强基于EM的MAP算法的估计性能并减小误差平底带来的影响,这里选择在角域内讨论信道矩阵。式(3),式(4)表示在角域中绝大部分信号能量的方向与正交基Et(k/Mt)和Er(k/Mr)矢量同向,而其它矢量方向上几乎没有能量。因此,角域信道矩阵里的每个元素hr,ta(l)可以解释为从第t个发射角域区域到第r个接收角域区域的信道增益,且不同hr,ta(l)之间可近似为空间不相关,故可选择一个合适的门限值来忽略能量小的信道抽头,保留最有用信道抽头(Most Significant Tap,MST)来减小噪声的影响。综上,改进的MAP信道估计算法可通过以