基于MIMO联合检测算法的信道估计论文

《基于MIMO联合检测算法的信道估计论文》由会员分享，可在线阅读，更多相关《基于MIMO联合检测算法的信道估计论文（16页珍藏版）》请在装配图网上搜索。

1、目录 第一章 绪论 2 1.1研究背景及意义 2 1.2研究现状 3 第二章 MIMO-OFDM系统概述 4 2.1 MIMO技术的发展和应用 4 2.2 OFDM技术的发展和应用 6 2.3 MIMO和OFDM技术的结合 7 第三章 MIMO-OFDM系统模型 10 3．1 V-BLAST结构的MIMO-OFDM系统模型 10 3.2 MIMO信号检测过程建模 11 3.3 LDPC编译码 12 3.4 独立信号检测算法 13 第四章 信道估计 14 4.1介绍 14 4．2导频结构 14 4.3 MIMO-OFDM系统中的梳状导频信道估计 16

2、  第1章 绪论 1.1研究背景及意义 在当今信息化的时代，我们已经进入到了一个快节奏的时代。人们无法再适应缓慢的信息交流与沟通的节奏。并且创造更大的经济效益。市场也在随着人们需求的变化而不断在进行升级换代。使得具备轻便，廉价以及优越性能的移动通信设备成为可能，并且还在持续创新更加符合人们需求的通信方式。 移动通信可以说在187年就诞生了。那是马可尼在固定的站和一艘船舶的无线通信实验宣告成功的时刻，无线电由此诞生。但真正的移动通信是在20世纪70年代中后期才发展起来的。至今已经发展了4代。在2012年人们制定以及铺设完成4G标准与试验网并将牌照发给我国的三家运营商后，4G已经走进了千

3、家万户。 它的优点是能够极大的提高系统容量，因此在商业方面创造了很高的价值。但缺点也日益明显，（1）安全性低，无法保证信息安全 （2）频谱的利用率低 （3）终端设备的体积与重量庞大 （4）速率与业务种类有限。 由此，催生了第二代数字移动通信技术（即2G）的产生，其中在欧洲起源的全球移动通信系统（Global System of Mobile Communication，Gs)与在北美起源的Is-95最具有代表性，均是以时分多址的方式来提高上一代不足的频谱利用率。通过多年的研究和积累在同步和信道估计两个领域已经有了很成熟的进步发展，第二代数字移动通信技术(即2G)的产生,其中在欧洲起源的全球

4、移动通信系统(Global System of Mobile Communication,Gs)与在北美起源的Is-95最具有代表性,均是以时分多址的方式来提高上一代不足的频谱利用率。整个通信系统的主旨是能够传输话音以及实现速率较低的数据业务为主。为了能够进一步增强数据传输性能，在上世纪90年代的中期，出现了无线服务技术(General Packet Radio SeⅣice，GPRS)。也就是俗称的2．5G技术。 尽管第二代移动通信技术在持续不断的发展完善，但语音传输的质量仍然无法达到令人满意的标准，并且速率过低的数据通信无法满足移动多媒体的业务需求。由此，第三代移动通信技术应运而生。它打

5、破时了时间，地点，人物的限制，满足了人们对通信的需求。从而得到了广泛的应用（1）频谱利用率高 （2）抗干扰能力强 （3）传输速率2 Mbps。其中，我国还提出了大陆独家制定的标准TD-SCDMA,其优势在于省去了2.5G的环节，降低了成本，并在能够灵活支持业务需求以及频谱利用率等优势，直接过渡到了3G时代。 虽然技术在不断进步，但用户的数量增长更加迅猛并且带来了更高的需求，3G已经法再满足我们日益增长的需求。由此实验室也在开发更加高端的技术，并且期待能够为人类带来更好的体验。随后，国际电信联盟在2012年确立了第四代移动通信系统的技术规范（IMT-Advanced，即4G）。与上一代技术相比

6、，4G将无线网络演进中的标准唯一化。真正意义上让多媒体的移动通信变成可能。相比于上一代通信技术成功提速了50倍，并可以进行很多高质量三维图片的传输，将不同网络之间实现无缝互联，同时也意味着无线通信技术的发展史上新一代里程碑的诞生。 而随着人们对无线传输速率和可靠性要求的进一步提高，MIMO系统的天线数目在逐步增加。LTE系统可以支持高达8根发送天线，第五代无线传输系统则将天线数目增加到几十，某些专用高速通信系统中的天线数目甚至可达几百的数量级。超大规模天线MM0系统在实现更高速率数据传输的同时，也来对MM0系统的信号处理技术提出了更高要求。 1.2研究现状 4 g通信技术的不断发展,加强

7、信息的交流,信息传递速度加快,信息服务质量的不断加强,加上如MIMO和OFDM结构, 5 g是一个多系统和多元技术集成网络,支持更大范围的业务功能,充分满足人类信息社会的需要在2020年及以后。融合、演进、创新已成为5G发展的三条技术路径。包括可能存在的多径传播和随机衰减等得到充分利用，大大提高了频谱效率，业务传输速率成倍提高，每个用户可以享受到更好的服务质量(比特误码率或数据速率)。将传统的单路转换为单路输出(单输入单输出，终端容量提升和服务应用集成作为5G的重要特征，促进了各种服务系统和接入技术的融合，5G与其他无线系统的界限将逐渐模糊。许多业务系统、多路访问技术、多层次覆盖融合在同一时间

8、,以4 g LTE为主/ LTE -先进的移动通信系统将继续加强和发展,2020年5 g移动通信系统中发挥重要作用。与此同时，无线传输技术的创新方式、频率和网络架构以及网络技术将逐步成熟并走向商业化，以满足更长期增长和频率、成本矛盾的需求。 无线传输环境下，信道的时域和频域响应是时变的。多路径造成的频率选择性衰落也表现为在不同的副载波衰落的不一致,导致每个数据的副载波OFDM符号的不均匀变形。20为了保证系统的性能不受信道多径和衰落效应的影响，需要信道估计方法跟踪信道响应的变化，估计信道的时域或频域响应，OFDM系统中信道估计的方法有很多种，通常可分为两类：第一类是非盲估计方法即基于导频的信

9、道估计方法，第二类是盲估计方法。校准和恢复接收到的数据，获得相干检测的性能增益。OFDM系统中的各种信道估计方法，一般可分为两类:一类是非盲估计方法，即基于导频的信道估计方法;第二类是盲估计方法。基于导频的信道估计方法首先估计导频位置处的信道状态信息，然后使用该信息来估计非导频位置处的信道状态信息。通过盲估计方法获得的估计值信道的时域或频域响应采用相应的信号处理技术，在接收端不使用导频符号。与非盲估计方法相比,盲估计方法大大提高了系统的传输效率,并具有较高的计算复杂度和收敛速度慢。因此,所谓的半盲目信道估计方法再次出现,也就是说,信号处理技术的基础上,更少的训练序列或飞行员符号是用来获取信道状

10、态的估计值。 信道估计在MIMO-OFDM系统包括三个方面:(1)设计试验信号的传输, 这主要个信道的信息是通过将发射机插入导频来准备接收机的信道估计;2)接收端导频位置信道置的估计。主要是通过的导频导频点的信道信息主要通过信道估计算法进行估计;3)为了估计非导频点的信道信息，插值算法位信道信息来估计整。 为了提高估计精度，hoeherp等在1997年提出了最小均方误差(MMSE)算法近年来,mimo - ofdm系统的信道估计一直是国内外学术界研究的热点。该算法具有较高的估计精度,但它需简化方要找到大型算法、法之矩阵伪逆和具有较高的计算复杂度。提出了改进的信道联矩阵对角化来降低算法的复杂

11、性。除了估计外，还有许多其他的信道估计算法和优化的训练序列设计。近年来，MIMO—OFDM系统中的信道估计问题一直是国内外学术界的研究热点，出现了大量相关文献，主要有基于最小二乘(LS)准则的信道估计方法，该算法具有较高的估计精度，但是需要对大矩阵求伪逆，计算复杂度高。后又提出LS的增强型信道估计算法、简化信道估计算法以及最优训练序列设计，通过使相关矩阵对角化来降低算法的复杂度。除了目前较为主流的基于LS准则的信道估计方法外，通过关当前主流的基于LS准则的信道估计类型的信道估计方法，例如基于MMSE准则的信道估计、自适应信道估计、盲信道估计和半盲信道估计等。虽然盲或半盲信道估计具有较高的频谱效

12、率，但算法收敛速度较慢，算法复杂度较高，目前仅在理论上讨论，没有实际应用价值。本文主要研究基于导频结构的信道估计算法。 1.3 本文的框架以及内容 本文围绕MIMO—OFDM系统中的信道估计技术和接收信号检测技术展开分析，结合MATLAB仿真对这些方法的有效性进行了分析。 第二章 MIMO-OFDM系统概述 2.1 MIMO技术的发展和应用 20世纪70年代，通信系统多输入多输出(MIMO)技术的概念被提出，但直到90年代，该技术才真正为无线移动通信系统的发展做出了贡献。这是由当时美国电话电报公司贝尔实验室的研究人员完成的。将时域和空域结合到下一步的信号处理中，包括可能存在的

13、多径传播和随机衰减等得到充分利用，大大提高了频谱效率，业务传输速率成倍提高，每个用户可以享受到更好的服务质量(比特误码率或数据速率)。将传统的单路转换为单路输出(单输入单输出，SISO)通信系统，MIMO，并且部分地基于发射分集转换为单路输出(多输入单输出，MISO)模式和接收分集的单路转换为(单输入多输出，SIMO)方式。 图1.1 MIMO系统框图 MIMO系统有很多种体系结构。Bell LABS的st、Telestar和Foschini等人对MIMO系统的信道容量进行了深入分析，提出了Bell LabsLayered空时(BLAST)系统[8]。接下来,Tarokh等人提出的时空框

14、架代码(STTC)[7]和Alamouti提出时空分组码(摘要)[6]的分集增益和系统可靠性的改进。这些算法的研究使得MIMO技术成为无线通信领域的热点。 上述分层空时算法基本思路是将数据分流，在完成后送达至各个天线进行发送。到达接收端后，就可以根据已知的信道信息来进行相应的解调以及译码。数据传输速率通过这样并行传输的方式可以得到极大提高，并获得复用增益。在本文中我们主要研究的就是BLAST系统结构，有三种不同的编码方案。1996年,Foshini[3]引入了处理算法,Diagonal-Ben实验室分层时空(d-blast) [8]。创建水平贝尔实验室分层时空(h-blast) [9]。19

15、98年,Wolinansky et al了MIMO实验系统,采的时空(v-blast)算法[10]。在室内环境中，频谱利用率达到测试20 BPS /Hz用了贝尔实验室垂直分层以上，达到了普。[5]建立通系统无法达到的高度。这是三个结构的示意图，分别如图2.1，图2.2和图2.3所示。 图2.1 MIMO系统中 D-BLAST 编码结构图 图2.2 MIMO系统中 H-BLAST 编码结构图 图2.3 MIMO系统中 V-BLAST 编码结构图 在本文中我们主要将处理最为简单，应用最多的V-BLAST系统作为研究的基础。这样的系统模式已经应用到了非常多的场景，如3G增强系统、

16、4G通信系统以及在一部分无线局域网中的MIMO技术。它的优点也显而易见：（1）巨大吞吐量的提升（2）在发送之前只需要进行串并转换就可以送到每个发送天线处进行调制的优良性能（3）能够支持天线数目的不断增加。它的这些优点都奠定了它在研发下一代通信系统中的关键地位。但我们也面临着严峻的挑战，如何解决以及降低信号处理的算法设计难度。 2.2 OFDM技术的发展和应用 在传统的多载波通信系统中，整个系统频分离的子信道(载波)。有一定保带被分成几个彼此护运营商间隔,和接收器接之间的收到所需要的信息分离后满足通过一个过滤器。这避免了不同通道之间的干扰,但频率利用率的成本。当子信道的数目非常大时，

17、几乎不可能建立大量的滤波器来分离每个子信道的信号。 将宽带信号转换为多个窄带子信道，将数据在相互重叠的频域子信道上来并行传输，将之前的频率选择性衰落变为在各个子载波上的平坦衰落。在频率选择性衰落问题的解决上有着很大优势，提高了对频谱资源的利用。也也就是我们所说的OFDM （Orthogonal Frequency Division Multiplexing）。 这项技术最初主要用于军事通信系统,但很长一段时间之后,OFDM理论在实践中慢了下来。由于OFDM子载波彼此正交，因此使用FFT来实现这种调制。在实际应用中，实时傅立叶变换设备的复杂性、发射机和接收机振荡器的稳定性、rf功率放大器

18、的线性需求等因素成为OFDM技术实现的制约因素。在1980年代,MCM的突破,通过FFT和大规模集成电路技术不再是一个不可逾越的障碍。但在实际应用中，实时傅立叶变换设备的复杂度、发射机和接收机振荡器的稳定性以及射频功率放大器的线性要求等因素部成为OFDM技术实现的制约条件。克里特傅里叶变换(DFT)和离散逆傅立叶变换(IDFT)的应用使得OFDM系统的调制和解调模块复杂度大大降低，尤其是快速傅立叶变换(FFT)算法的出现，给OFDM系统的进一步发展打下了基础。 从20世纪90年代以来，OFDM技术在包括IEEE802．成为4G通信系统中最为关键的技术。由于OFDM在宽带系统中的优势，逐渐增加

19、的带宽无线通信系统,该技的术已成为主要宽带无线通信系统发展方向。 , 图1 OFDM 通信系统基本模型图 2.3 MIMO和OFDM技术的结合 在某种程度上,MIMO系统可以使用多路径组件传播来抵抗多径衰落,及其multi-antenna技术可以获得更大的信窄带平满足不的率。道容量在每个增加带宽,由此也使得通信系容量和频谱效统在宽带移动通信中，信道往往是频率选择性衰落信道，这使得时域信道均衡复杂度非常高。但它的缺点也十分明显，频谱效率降低。而V-BLAST[10]系统则是充分利用了复用增益，大幅度提高了频谱利用率，其调制方法简单，他们起到了非常重要的作用，从本质上讲,O

20、FDM技术是一种基于窄带调制,可将频率选择宽带信道转换为一系列平行平落窄带通道,以便满足一定的信道均衡变得简单,可以完全弥四代移动通信的补MIM0宽带系统的缺陷。OFDM是第核心技术。然而系统，4G需要传输，高频谱利用技术和高速而OFDM系统在选频信道条件下可能存在深度衰落、均衡效果差、误码率高、提高频谱利用的作用有限等问题。 图3 MIMO-OFDM系统框图 在这种情况下，人们开始思考能否将两种技术结合起来互补所需。由此MIM0和OFDM结合技术相诞生了。在MIM0-OFDM系统中，可以提供更高的数据传输速率。间间隔小，具有较强的抗多径说，由大量低功率发的发射机阵列可以消除阴影效应，另外

21、，ODF射机组成M码率低，保护时从而达到完的分来实现。换句话一天线的某一副应副载时延小于保护间隔，系统不受全覆盖。集效果，某干扰能力。由于多径过多天线MIMO系统可以获得载波出现深度衰落，但其他天线的相多天线符号间干扰的干FDM系统，该系统扰，使得单频网络(SFN)可高其可靠性以应用于宽带O可以通波仍然可以包含足够的信息，可以充分利用两者的优点提。MIMO系的缺点:MIMO - OFDM系统(1)不仅具有较高的频谱利统和OFDM技术的结合,但弥补彼此用率,而且OFDM的基础上合理发展空间资源,它可以提供更高的数据速率,提高系统容量,提高系统性能。(2)另一方面，采用OFDM调制技术的MIMO系

22、统在抗多径方面具有很大的优势，因此MIMO系统也可以在频率选择性衰落信道中发挥作用。 因此，mimo-ofdm系。它的基本以满足下一代无用技术线传输网络特点,如高频谱利用率、稳定的信统的提出是无线频分复用(OFDM)调制。s型系统通信领域的重大突破号传输,传输速率高,可的发展结天线和正交通过空需求。mimo - OFDM系统间复提供更高的数据传输合的两个关键技术:多输入多输出速中,信号处理的关键技术和研究和率，通过时空集率。通信系统受到重视。在mim0-ofdm的研究和设计越来越系统正交频分复用实现强可靠性和频谱利用工作[14]主要包括以下方面: 1. MIMO-OFDM 系统中的空时编码

23、技术 空间-时间信号处理与MIMO技术是一个新的概念。ce-time信号处理包括信令和接收端的方案的启动测算法。从信令方案的检角度来看，MIMO可以大致分为STC:空时编码和SM:空间复用。 目前空时编码方式主要有：1）分层空时码[3]（LST）:特点是其编解码的过程非常简单，其编码性能是这几种编码方法中最差的，最根本原因是由于它没有实现分集；m2)空时晶格码[4](STTC):由Dr Tarokh AT&T实验室领导的研究团队，采用分形编码原理，对输入元件进行编码，再通过天线阵列，其优点是分集增益和编码增益高，发射带宽无损伤，缺点是解码复杂度随着发射率指数的增加而增加，解码过程非常复杂;

24、9空时分组码(STBC)[5-7]:支持最大似然(ML)检测，接收机采用线性处理技术，大大降低了比STTC解码复杂度的优点，但也有效地获得了分集增益，且不加宽带宽，频谱效率不牺牲，缺陷无法提供任何真实的编码增益;4)时空频率编码(STFC):它将时间、空间和频率三种分集有效结合在一起，在一定情况下能获得全满的分集增益，从而提高系统的性能。为了充分利用MIMO-OFDM系统的分集增益和复用增益，需要针对不同的设计目标采用不同的编码结构。以A1amouti为代表的STBC编码为充分利用分集增益的典型[15]，无编码增益，译码复杂度低，但它的缺点也十分明显，频谱效率降低。而V-BLAST[10]系统

25、则是充分利用了复用增益，大幅度提高了频谱利用率，其调制方法简单，但是解调操作复杂。根据不同系统需求选择和设计合适的空时编码方案是MIMO-OFDM系统设计的一个关键问题。 2. MIMO-OFDM 系统中的时频同步 在接收机中，首要任务就是实现系统同步，它涉及到前导序列的设计以及信号检测技术等方面。系统中的同步包含两个部分，分别为时间同步和频率同步。时间同步要求是：（1）符号能够实现检测和采样时钟的同步。（2）因为存在循环前缀CP，所以要求OFDM符号在时间同步上稳定。频率同步要求是：（1）估计频率偏差，包含由于变频晶振的差异以及在多普勒频移两种情况下导致的偏差。一般来说,有下行和上行传播

26、之间的同步时段mimo - ofdm系统中,用于实现相位和频率校准和频率偏差估计。时间槽可以通过发送数据构造和运动符号的副载波和设置他们零奇副载波。通过这种方式,获得的时域信号传输线更改之后会重复,这有利于信号检测。 3. MIMO-OFDM系统中的信道估计 信道估计是估计实际信道的路径和路径系数通过使用信号明确的，CSI)用于发送端编码和接收端信号检测。信道状态信息的准确性将直接影响整个系统的整收的是识别天信息。每个发射线和接线天之间的信系统需要准确的信道状20mimo-ofdm信息态道脉冲响应。 尤其在MIMO-OFDM系统中，若干的信号在同一时间由不同的天线发射出去，这对于每个天线、

27、每个子载波都会对应很若干信道参数。过多的信道参数也就意味着更为困难的信道估计。并且在各个天线之间会产生干扰以及信号的相互叠加，因此接收信号处理的关键是信道信息的准确程度。信道状态信息体性能,。可以用于从混叠的接收信号中恢是相干解调的基础复出发送信号，特别是在mimo-ofdm系统中，不同天线同时传输多个信号，对应于每个天线和子载波的多个信道参数。太多的信道估计信道参数意味着更多的困难。此外，不同天线之间会发生信号的干扰和叠加，因此接收信号处理的关键是信道信息的准确性。然而，对于不同的子载波，同一信道或训练序空分信道的参数是相关的，我们可以知道列估计参数的情况下用这种相关性质得到参数估计方法。信

28、道估计常用的方法有三种:(1)全部狂热估计:利用信道输出和输入的相关统计量，不需要时,它具有传动效率高、鲁棒性差,收敛速度慢,大量的计算等等,这是很难被应用在实践中。2)非盲信道估计:基于训练序列或测试方法，该方法需要发送训练序列周期性时变信道，发送训练序列将占用信道容量，降低信道利用率。20具有估计误差小、收敛快的优点。3)半盲目信道估计:盲处理结合少量的飞行员信号或训练序列可以克服的局限性盲处理传输造成的干扰和干扰不同的信号来源。其中,基于训练序列的非盲估计算法已广泛应用于实际系统设计由于其计算复杂度高,性能好。 4. MIMO-OFDM 系统中的信号检测以及编译码算法 在V-BLAS

29、T系统中，存在许多种干扰，其中就包含同用户的不同天线之间，同频段的不同用户之间。针对这些干扰的消除和检测方法是接收机信号处理的一个主要方面。在近几十年，很多研究都是集中于降低MIMO信号检测的复杂度，用次优的检测器来尽可能逼近最大似然检测器的检测性能。根据检测器与译码器的关系，MIMO信号检测算法主要的两种: （1）独立译码检测算法：即分别独立对译码和检测过程进行处理；（2）Turbo迭代译码检测算法：在进行信息传递时以Turbo结构进行迭代来进行译码和检测。 为了保证移动条件下信号传输的可靠性，良好的信道编码也是必须的。优良的编码技术是提高数字信道通信可靠性的有效手段。在数字通信领域，卷积

30、码、分组码、涡轮码和LDPC码是常用的编码方法。在低传输速率的系统中，卷积码就可以满足性能要求；为平坦衰落MIMO系统模型，然后利用MIMO检测算法对每个子载波的Nt个发送信号进行检测，再经过V—BLAST系统的并串转换、解交织，送入译码器进行译码。但是随着带宽和传输速率的增加，更好性能的信道编码方案也成为系统设计的一个关键问题。其中，Turbo码和LDPC码是最为关注和成熟的理论。Turbo码比传统的级联码具有更大的编码增益，被认为是大码存储卷积码或传统级联码的替代方案。但是对于使用Turbo的系统来说，解码的复杂度远远高于编码的复杂度，无线通信系统需要一个低复杂度终端尽可能节约系统成本。低

31、解码复杂度的LDPC编码和解码技术得到了广泛的应用。特点是:性能优于涡轮代码，具有更大的灵活性和更低的错误层特性;通过严谨的理论分析，该描述是简单和可验证的。编码复杂度低于turbo码，可实现完整的并行操作;硬件复杂度低,适合硬件实现;潜在的高吞吐量，高速解码。通过将无线通信系统与LDPC相结合，可以获得更好的性能。 在MIMO-OFDM系统中主要需要研究的四个方面，通过多年的研究和积累在同步和信道估计两个领域已经有了很成熟的进步发展，第二代数字移动通信技术(即2G)的产生,其中在欧洲起源的全球移动通信系统(Global System of Mobile Communication,Gs)与

32、在北美起源的Is-95最具有代表性,均是以时分多址的方式来提高上一代不足的频谱利用率。整个通信系统的主旨是能够传输话音以及实现速率较低的数据业务为主。接下来还需要付出更多努力的是在检测和信道编译码两个领域。空间和频率三种分集有效结合在一起，在一定情况下能获得全满的分集增益，从而提高系统的性能。为了充分利用MIMO-OFDM系统的分集增益和复用增益，需要针对不同的设计目标采用不同的编码结构。以A1amouti为代表的STBC编码为充分利用分集增益的典型，无编码增益，译码复杂度低，但它的缺点也十分明显，频谱效率降低。而V-BLAST[10]系统则是充分利用了复用增益，大幅度提高了频谱利用率，其调制

33、方法简单，他们起到了非常重要的作用，系统的性能以及在实现过程中的复杂度都取决于他们，因此两者的研究在未来高速的无线通信系统的设计中都需要放在重要的位置。 第三章 MIMO-OFDM系统模型 3．1 V-BLAST结构的MIMO-OFDM系统模型 无线传输速率和可靠性要求的进一步提高下,MIMO系统的天线数目在逐步增加。LTE系统可以支持高达8根发送天线,第五代无线传输系统则将天线数目增加到几十,某些专用高速通信系统中的天线数目甚至可达几百的数量级。超大规模天线MM0系统在实现更高速率数据传输的同时,也来对MM0系统的信号处理技术提出了更高要求。MIM0系统有不同的空时复用结构，V-BLA

34、ST编码方案结构简单，只需要经过一次串并转换，然后直接在各个发送天线调制发送即可，对信号检测及编译码算法的研究具有普遍适用性，对于推动无线通信新一代传输技术具有重大意义。 如图所示，其中Nr≥Nt，采用0FDM调制方式。 图V-BLAST,MIMO-OFDM系统处理框图 在发送端，用户数据比特流经过信道编码、交织后，转换为Nt个并行数据流，分别对应Nt根发送天线；每个天线的发送符号进行映射，然后进行OFDM相关的并串转换，为平坦衰落MIMO系统模型，然后利用MIMO检测算法对每个子载波的Nt个发送信号进行检测，再经过V—BLAST系统的并串转换、解交织，送入译码器进行译码。在整个过程

35、中，分别针对V-BLAST和OFDM两种技术进行了两次并串／串并转换。 对于每个子载波，用平坦V-BLAST,MIMO系统来表示，每个发送天线与接收天线之间都存在传输路径，在接收端各个发送天线的信号完全混叠，每个子载波都可以建模为平坦衰落的MIM0系统模型，如图所示： 图 平坦衰落的V-BLAST,MIMO系统模型 另外，针对信道编码和译码部分，随着软输入软输出译码器的广泛应用，信道译码设计也逐步成为了信号检测算法的一个研究方面。包括可能存在的多径传播和随机衰减等得到充分利用,大大提高了频谱效率,业务传输速率成倍提高,每个用户可以享受到更好的服务质量(比特误码率或数据速率)。将传统的

36、单路转换为单路输出(单输入单输出,SISO)通信系统,MIMO,并且部分地基于发射分集转换为单路输出(多输入单输出,MISO)模式和接收分集的单路转换为(单输入多输出,SIMO)方式。由于低密度校验(Low Density Parity Check，LDPC)码具有错误平层低、译码并行度高和译码延迟小的优点，适合应用于高速数据传输系统，并且具有低复杂度的软输出译码算法，其中,Turbo码和LDPC码是最为关注和成熟的理论。Turbo码比传统的级联码具有更大的编码增益,被认为是大码存储卷积码或传统级联码的替代方案。逐步成为了实际系统中的常用技术，因此在本课题中，信道编码采用LDPC码。上述模型经

37、过简单变型后同样也适用于多用户MIMO系统，只需要引入多个编译码器，将各个用户的编码后数据流分别映射到不同的发送天线即可。 3.2 MIMO信号检测过程建模 根据图2．1和2．2中的系统模型分析，由于OFDM技术的应用，使得每个子载波信道相互独立且均为平坦衰落，因而在信号检测时，我们可以针对每个子载波分别进行处理，对第k个子载波，直接建模为平坦衰落MMO系统： yck=Hckxck+nck 其中xck=x1k… xNtkT∈SNt1 表示在第k个子载波上的发送符号向量，S为映射星座点集，对于QPSK、16QAM等信号为复数点集；表示Nr根接收天线的接收向量，C是所有复数的集合;代表高斯

38、白噪声(AWGN),这是受到复杂的高斯分布的均值为0,方差。由于每个子载波相对独立且具有相同的处理方法，则省略子载波序号k，从而得到 MIMO信号模型通用表达式： 上式成为后续信号检测算法设计的基本复数模型。通过将复数模型进行实部和虚部分离，可以得到基带实数模型为： 其中 这里Re为取实部操作，Im为取虚部操作，R为全体实数集合，A为实发送信号的映射星座点，均为实数，整个系统模型变换为全实数模型，适用于无法进行复数运算的信号处理平台。 3.3 LDPC编译码 纠错编码技术的起源可以追溯到1948年香农信息论的问世。从那时起，其理论不断发展、成熟，成为一个重要的课题。纠错

39、码主要包括分组码和卷积码。对于分组码、卷积码、级联码和乘积码，与非编码相比，对编码带来的性能改进有一个理论上的上限，香农极限。香农的信息论指出的方向纠错编码的设计,具有重要意义。第二个定理(也称为信道编码定理)，传输速度的上限允许可靠的通信信道容量。er在信道带宽和功率有限的情况下，当传输速率达到信道容量时，存在许多种干扰,其中就包含同用户的不同天线之间,同频段的不同用户之间。针对这些干扰的消除和检测方法是接收机信号处理的一个主要方面。在近几十年,很多研究都是集中于降低MIMO信号检测的复杂度,用次优的检测器来尽可能逼近最大似然检测器的检测性能。可靠通信所需的最小位能量噪声比为-1.6db，称

40、为shannon极限。香农极限成为信噪比的下限,试图设计信道编码时近似。1995年，MacKay和Neal通过研究低密度码(MN码、MacKacy Neal码) C代码重新发现。密度奇偶校验码是一种具有稀疏奇偶矩阵的线性分组码。20是由Gallager于1962年首次提出的，因此它也被称为Gallager code。对于奇偶矩阵的稀疏性，该码的译码复杂度与码长呈线性关系。后来，d. j. c. acKay, m. eal和n. w. iberg等人再次对其进行研究，发现其也具有接近shannon极限的性质。目前，它已成为通信技术的一个新的研究热点。这项技术正在成熟。涡轮码的性能优于涡轮码。还有

41、更高的灵活性和更低的误差下限;由于校验矩阵的稀疏性。 然而与卷积码等实时编码相比，复杂度相对较高LDPC码的虽然研究表明LDPC码可时间内编码以在线性，但是LDPC码的复杂度仍然太大。同时，在编码长度非常长的情况下，编码只能在接收到所有的信息位之后进行编码，这会给编码带来一定的延迟。在实时性要求较高的情况下，其应用将受到限制。此外，LDPC代码性能的优势通常在代码长度相对较长的情况下得到体现。当编码长度为中等或较短时，由于编码中存在较短的循环，会导致编码性能的损失。尽管如此，LDPC代码仍然具有很大的应用潜力。例如，在下面提到的系统中。 空时信号处理是MIMO技术中诞生的一个新概念。它不同

42、于传统的信号处理方法，它从时间和空间两个方面研究各种信号处理问题。在低传输速率的系统中,卷积码就可以满足性能要求;但是随着带宽和传输速率的增加,更好性能的信道编码方案也成为系统设计的一个关键问题。其中,Turbo码和LDPC码是最为关注和成熟的理论。MIM0系统有不同的空时复用结构,V-BLAST编码方案结构简单,只需要经过一次串并转换,然后直接在各个发送天线调制发送即可,对信号检测及编译码算法的研究具有普遍适用性,Turbo码比传统的级联码具有更大的编码增益,被认为是大码存储卷积码或传统级联码的替代方案。经典空时码包括空时格码(STTC: Space)。时间格码和STBC:空间。时间分组码)

43、。空时分组码和空时分组码都能获得全集增益。将LDPC码级联空时分组码应用于mimo-ofdm系统，对其性能进行了仿真研究。 3.4 独立信号检测算法 在V-BLAST结构中，MIMO信号检测算法的基本原理是根据信道响应系数Hc，，从接收信号yc中分离出每个发送天线发送的独立的数据流。在接收端，往往利用训练数据辅助的信道估计方案，因此针对信号检测过程，可以认为信道已知。根据图2．1的基本模型，在MIMO系统的信号检测中，译码过程与信号检测的联系越来越引起大家的关注，根据信号均衡过程和信道译码器的译码过程之间的关系，本文主要讨论译码和检测过程分别独立进行处理，称为独立译码检测算法。 针对独立

44、的译码和信号检测算法，信号检测和信道译码是分别独立进行的. 在MIMO-OFDM系统中，信号检测是在各个子载波上分别进行的。具有较高的频谱效率,但算法收敛速度较慢,算法复杂度较高,目前仅在理论上讨论,没有实际应用价值。在每个子载波的信号检测过程中，独立地利用各个子信道的信道响应矩阵进行信号干扰的消除和检测，然后再将各个检测器的输出进行并串转换送入译码器进行译码，即为独立的检测译码算法. 在信号检测过程中，主要设计目的是利用已知信道矩阵信息消除天线间的干扰和信道衰落影响，已知信息只有接收信号和信道响应矩阵；而信道译码则只根据编码准则和由检测器传递的先验信息进行译码的检测。根据检测器的输出形式为

45、硬判决的比特输出还是软信息输出又可以将检测器分为硬输出检测器和软输出检测器，软输出的检测器可以避免由于硬判决造成的信息损失，而能够带来性能的提升，但是需要对应的软输入译码器支持，且复杂度相对较高。 线性检测算法(Linear Detection，LD)是一种低复杂度的信号检测算法，通过将发送信号建模为连续的变量，采用信号估计的迫零(zero—Forcing，zF)准则，得到连续模型下的信号估计结果，并将估计结果量化至对应的发送符号，从而得到离散星座点的检测结果。 基于(2．2)和(2．3)所示的模型，将发送信号建模为连续的变量，利用迫零准则zF信号检测算法： (3．4) ZF检测的设计

46、目标是在不考虑噪声的情况下，完全消除天线间的干扰，因此不需要知道信号和噪声的统计特性。 第四章 信道估计 4.1介绍 无线通信系统的解调可分为相干解调和差分解调。先前解调由于其低误码率和高频谱利用率而引起了广泛的关注。与差分解调相比，分集和接收机信号解码的组合需要信道状态信息。因此,信道估计参数需要在接收端,信道估计的准确性将直接影响到整个系统的性能。基于导频的nnel估计在OFDM系统中得到了广泛的应用。有两个问题要考虑设计的信道估计。将宽带信号转换为多个窄带子信道,将数据在相互重叠的频域子信道上来并行传输,将之前的频率选择性衰落变为在各个子载波上的平坦衰落。在频率选择性衰落问题

47、的解决上有着很大优势,提高了对频谱资源的利用。由于无线信道通常是衰落信道，信道需要连续跟踪，所以必须定期传输导频信息。最后，设计了一种低复杂具有良好导频跟踪能力的度、信道估计器。信道估计技术的实现需要线的信息渠道,如通道秩序,多普勒频移接收机、多路延迟或通道脉冲响应等。还可以获得无跟踪信息的详细信号解，传输信号正确解调无线通信系统性能。因此，研究信道参数估计算法具有重要意义。mimo-ofdm系统中的nal检测/解调技术也是实现系统性能的关键技术，它决定了系统的容量和性能。根据输入数据的类型，大大降低了比STTC解码复杂度的优点,但也有效地获得了分集增益,且不加宽带宽,频谱效率不牺牲,缺陷无法

48、提供任何真实的编码增益;4)时空频率编码(STFC):它将时间、空间和频率三种分集有效结合在一起,在一定情况下能获得全满的分集增益,从而提高系统的性能。为了充分利用MIMO-OFDM系统的分集增益和复用增益,需要针对不同的设计目标采用不同的编码结构。可以将nnel估计算法分为时域和频域。频域方法主要应用于多载波系统。适合所有单载波时域方法和基于系统。估计在衰落信道的衰落系数多路径组件参考信号或传输数据的统计特征。从信道估计算法先验信息的角度来看，可分为以下三类: 1)基于参考信号的估计。s算法根据确定的估计准则或轨迹确定待估计的参数，并根据确定的估计准则逐步调整待估计参数的估计值。20的特

49、征在于需要参考信号，即，、飞行员或训练序列。基于训练序列的估计和飞行员序列被称为基于参考信号的估计算法。基于训练序列的信道估计算法适用于突发传输系统。发送已知的训练序列，在接收端进行初始信道估计。发送有用的信息数据，初始信道估计结果用于更新决策，实时信道估计。符号是基于导频信道估计的方法，适用于连续传输系统。通过将已知的导频符号插入到有用的传输数据中，可以得到导频位置的nnel估计结果。驾驶员位置的信道估计结果通过插值,获得有用的数据位置的信道估计结果是完成 (2)盲估计。利用被调制信号的信息位无关特性或决策反馈方法对信道进行估计。 (3)半盲估计。一个基于盲估计和训练序列的信道估计方法估

50、计算法。一般情况下，通过设计训练序列或周期性地将导频符号插入数据来进行估计。然而,盲目的和半盲目信道估计算法不需要或需要较短的训练序列和更高的频谱效率,所以他们都已经被广泛地研究过了。然而,由于一般的高计算复杂度盲估计和半盲目估计方法,相位模糊的问题等问题(基于子空间的方法),误差传播(如决策反馈)的方法,收敛速度慢或陷入局部最小值的可能性,这需要长期的观察数据,其实用性在一定程度上是有限的。 4．2导频结构 基于导频符号的信道估计方法，即将已知的导频符号按一定的间隔插入发射机的OFDM符号中。接收机通过信道后，提取这些位置的信道响应，利用这些位置的信道响应进行插值滤波，从而估计其他位置的

51、信道频率响应。一方面，导频间隔应尽可能小，以保证能够很好地跟踪信道的时变和频率选择性。另一方面，引航员的间距应该足够大，以减少开销。因此，在设计一个真实的系统时，需要权衡这两个因素。根据已知的传播环境和估计的终端运动速度，可以计算出合适的导频插入方式。 下面讨论决定导频图样选择最重要的两个参数： （1） 最大多普勒频移fm(决定最小相干时间) （2） 最大多径时延tmax (决定最小相干带宽)。 在特定时频位置传输的ot符号可视为随机信号H(f, f)的二维采样，为了避免失真，二维采样必须满足采样定理。首先，利用奈奎斯特抽样定理确定了导频符号的最小密度极限。实际应用中，为了获得可靠的信

52、道估计，需要更多的衰落过程的抽样。根据多维信号的奈奎斯特采样定理，导频的时域Nt和频域Nf应满足以下要求: 其中FM为最大多普勒频移，T为OFDM的符号周期，tmax为信道的最大延时扩展，vt为子载波带宽。为了在实际中得到更可靠的估计，采样定理的导频符号在时频方向放置两次，则时间方向上的区间Nt和频率方向上的区间Nf分别为: 实际传输的信道特性通常是未知的。为了使信道估计简单、适应性强，需要考虑多普勒频移和最大信道延迟的最坏情况，并插入足够的导频以跟上时间和频率的变化。 频率时间(a) (b) 图(1)是块导频插入模式。假设导频符号在一定的时间间隔内周期性地发送，那么所

53、有子信道的信息将在一次估计中被利用。图(2)为梳状导频的形式，梳状导频使用具有一定频率间隔的子信道在时间轴上连续发送导频。 4.3 MIMO-OFDM系统中的梳状导频信道估计 本节将mimo-ofdm信道估计问题转化为几个独立的单输入单输出OFDM (siso-ofdm)信道估计问题，实现简单有效。 假设系统采用梳状导频形式，一个OFDM符号中，对应于每个发射天线的导频数目都为Np，且满足Np.Nt

54、和接收天线到一个特定的天线,它不会受其他天线的传输在驾驶员位置,也就是说,没有天线之间的干扰。因此,MIMO信道估计可以被转换成几个独立对于单变量输出信道估计问题。 假设OFDM系统模型表示为:(4-5) 基于LS估计的信道估计算法如下:LS算法为式(4)，对式(5)中的参数H进行估计，得到代价函数(4). 6的最小值。(4—6) 类型(4。6)对HV偏导数取零，得到Ls估计:(4-7) LS信道估计算法最大的优势,结构简单、少量的计算。导频位置副载波的信道特性只能通过每个载波的除法获得。由于LS估计算法忽略了估计中噪声的影响，信道估计对噪声干扰和ICI的影响非常敏感。信道噪声大，估计精度大大降低，影响了数据子信道的参数估计。