![OFDM信道估計(jì)論文(IP大作業(yè))_第1頁](http://file2.renrendoc.com/fileroot_temp3/2021-7/16/97f1ca13-46b9-4803-9205-94c9b62d67d3/97f1ca13-46b9-4803-9205-94c9b62d67d31.gif)
![OFDM信道估計(jì)論文(IP大作業(yè))_第2頁](http://file2.renrendoc.com/fileroot_temp3/2021-7/16/97f1ca13-46b9-4803-9205-94c9b62d67d3/97f1ca13-46b9-4803-9205-94c9b62d67d32.gif)
![OFDM信道估計(jì)論文(IP大作業(yè))_第3頁](http://file2.renrendoc.com/fileroot_temp3/2021-7/16/97f1ca13-46b9-4803-9205-94c9b62d67d3/97f1ca13-46b9-4803-9205-94c9b62d67d33.gif)
![OFDM信道估計(jì)論文(IP大作業(yè))_第4頁](http://file2.renrendoc.com/fileroot_temp3/2021-7/16/97f1ca13-46b9-4803-9205-94c9b62d67d3/97f1ca13-46b9-4803-9205-94c9b62d67d34.gif)
![OFDM信道估計(jì)論文(IP大作業(yè))_第5頁](http://file2.renrendoc.com/fileroot_temp3/2021-7/16/97f1ca13-46b9-4803-9205-94c9b62d67d3/97f1ca13-46b9-4803-9205-94c9b62d67d35.gif)
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、OFDM信道估計(jì)算法研究摘要正交頻分復(fù)用(OFDM,Orthogonal Frequency Division Multiplexing)技術(shù)是一種無線環(huán)境下的高速多載波傳輸技術(shù),它通過將頻率選擇性衰落信道在頻域內(nèi)轉(zhuǎn)換成平坦信道,從而減少多徑影響,成為第四代(4G)移動(dòng)通信系統(tǒng)的核心技術(shù)。信道估計(jì)技術(shù)是OFDM系統(tǒng)的研究熱點(diǎn)之一。信道估計(jì)算法大致可分為基于導(dǎo)頻的信道估計(jì)和盲估計(jì)。文中研究了LS和MMSE基于導(dǎo)頻的信道估計(jì)算法,并對兩種算法進(jìn)行了分析和性能比較。此外,還研究了不同的插值算法對OFDM系統(tǒng)的誤碼性能影響。仿真結(jié)果表明MMSE算法較LS算法可以更加準(zhǔn)確的跟蹤信道的變化,從而保證更加準(zhǔn)
2、確地估計(jì)出信道信息,而高階的插值算法能有效提高系統(tǒng)誤碼性能。ABSTRACTOFDM is an effective technique for high-rate multi-carrier wireless transmission system. It reduces the effects of the multi-path fading by converting a frequency-selective channel into a parallel collection of frequency flat sub-channels. And OFDM is the key te
3、chnique of the fourth generation of communications. Channel estimation has attracted widespread attention. There are two estimation techniques: pilot-aided and blind channel estimation. Different pilot-aided channel estimations LS and MMSE in OFDM systems is presented and analyzed in this paper. In
4、addition, the performance of the SER is presented in different interpolation algorithms. The simulation results show that MMSE outperforms LS and high-order interpolation algorithm can improve the system performance.1 引言未來的無線多媒體業(yè)務(wù)要求數(shù)據(jù)傳輸速率較高,同時(shí)又要求保證質(zhì)量,這就要求所采用的調(diào)制解調(diào)技術(shù)既要有較高的信元速率,又要有較長的碼元周期?;谶@樣的考慮,產(chǎn)生了OF
5、DM技術(shù)1。OFDM的主要思想是:將信道分成若干正交子信道,將高速數(shù)據(jù)信號合成并行的低速子數(shù)據(jù)流,調(diào)制到每個(gè)子信道上進(jìn)行傳輸,有效地抵抗無線移動(dòng)環(huán)境中的頻率選擇性衰落,減少多徑的影響2。然而要想完全實(shí)現(xiàn)OFDM技術(shù)所帶來的性能的提高,還需要進(jìn)行相關(guān)技術(shù)的實(shí)現(xiàn),而信道估計(jì)就是其中之一3。信道估計(jì)是通信領(lǐng)域的一個(gè)研究熱點(diǎn),它是進(jìn)行相關(guān)檢測,解調(diào),均衡的基礎(chǔ)。由于OFDM多載波的出現(xiàn),這位信道技術(shù)應(yīng)用提供了新的空間。從最早的無分集的單載波信道估計(jì)到現(xiàn)在有分集的多載波信道估計(jì),從時(shí)域或頻域信道估計(jì)到現(xiàn)在的時(shí)頻域二維估計(jì),信道估計(jì)的性能在不斷提高。本文就基于導(dǎo)頻的信道估計(jì)做了詳細(xì)的闡釋,給出了典型估計(jì)方
6、法LS和MMSE的比較和仿真。在此基礎(chǔ)上,研究了不同差值算法對系統(tǒng)誤碼性能的影響,并得出相關(guān)結(jié)論。2 信道估計(jì)原理及方法信道估計(jì)從大的角度可以分為基于導(dǎo)頻的信道估計(jì)和盲估計(jì)。所謂的非盲估計(jì)指在估計(jì)階段首先利用導(dǎo)頻來獲得導(dǎo)頻位置的信道信息,然后為下面獲得整個(gè)數(shù)據(jù)傳輸階段的信道信息做好準(zhǔn)備;盲估計(jì)是指在不使用導(dǎo)頻信息,通過使用相應(yīng)信息處理技術(shù)獲得信道的估計(jì)值。與基于導(dǎo)頻的信道估計(jì)技術(shù)相比,盲信道估計(jì)使系統(tǒng)的傳輸效率大大提高,然而由于盲信道估計(jì)算法一般收斂速度較慢,這阻礙了它在實(shí)際系統(tǒng)中的應(yīng)用。在基于OFDM的無線通信系統(tǒng)中,由于傳輸速率較高,并且使用相干檢測技術(shù)獲得較高的性能,因而通常使用非盲估計(jì)
7、便可獲得較好的估計(jì)效果,這樣可以更好的跟蹤無線信道的變化,提高接收機(jī)的性能?;趯?dǎo)頻的信道估計(jì)是指在數(shù)據(jù)發(fā)射時(shí),將收發(fā)雙方已知的導(dǎo)頻符號離散的安插在有效數(shù)據(jù)之中,從時(shí)域和頻域這一二維結(jié)構(gòu)看去,只要在兩個(gè)方向的導(dǎo)頻密度滿足采樣定理,就可以精確估計(jì)信道的時(shí)變和衰落特性。利用導(dǎo)頻進(jìn)行信道估計(jì)的一大優(yōu)點(diǎn)就是能夠適應(yīng)快衰落信道。2.1 OFDM導(dǎo)頻結(jié)構(gòu)根據(jù)導(dǎo)頻排列的不同,導(dǎo)頻結(jié)構(gòu)可以分為三種:塊狀類型、梳狀類型和格狀類型4。2.1.1 塊狀類型圖2.1所示為塊狀類型的導(dǎo)頻排列。在這種類型中,周期性地發(fā)射OFDM符號以進(jìn)行信道估計(jì),其中每個(gè)導(dǎo)頻符號上的所有子載波都用做導(dǎo)頻。利用這些導(dǎo)頻進(jìn)行時(shí)域插值,沿時(shí)間
8、軸估計(jì)信道,令表示導(dǎo)頻符號的周期。為跟蹤時(shí)變信道特性,導(dǎo)頻插入周期必須與相干時(shí)間保持一致,導(dǎo)頻符號的周期必須滿足: (2-1)其中,為多普勒頻移。圖2.1 塊狀類型的導(dǎo)頻排列圖 2.2 梳狀類型的導(dǎo)頻排列圖由于導(dǎo)頻是周期性地插入導(dǎo)頻符號所有的子載波中,所以塊狀導(dǎo)頻的排列適用于頻率選擇性信道,而不適用于快衰落信道。2.1.2梳狀類型圖2.2所示為梳狀類型的導(dǎo)頻排列。在這種類型中,在每個(gè)OFDM符號的子載波上周期性地放置導(dǎo)頻信號,然后利用這些導(dǎo)頻信號進(jìn)行頻域插值,沿頻率軸進(jìn)行信道估計(jì)。令為導(dǎo)頻在頻率上的周期。為了跟蹤頻率選擇性信道的特性,放置的導(dǎo)頻符號的頻率必須與相干帶寬保持一致。以進(jìn)行信道估計(jì),
9、其中每個(gè)導(dǎo)頻符號上的所有子載波都用做導(dǎo)頻。利用這些導(dǎo)頻進(jìn)行時(shí)域插值,沿時(shí)間軸估計(jì)信道,令表示導(dǎo)頻符號的周期。為跟蹤時(shí)變信道特性,導(dǎo)頻插入周期必須與相干時(shí)間保持一致,導(dǎo)頻符號的周期必須滿足: (2-2)其中為最大時(shí)延擴(kuò)展。與塊狀類型的導(dǎo)頻排列不同,梳狀類型的導(dǎo)頻排列適用于快衰落信道,而不是頻率選擇性信道。2.1.3格狀類型圖2.3所示為格狀類型的導(dǎo)頻排列。在這種類型中,以給定的周期沿時(shí)間軸和頻率軸兩個(gè)方向插入導(dǎo)頻。導(dǎo)頻分散在時(shí)間和頻率軸上,使信道估計(jì)在時(shí)域和頻域上的差值更為便利。令和分別表示導(dǎo)頻符號在時(shí)間和頻率上的周期。為了跟蹤信道的時(shí)變和頻率選擇特性,導(dǎo)頻符號的排列必須同時(shí)滿足:和 (2-3)
10、圖2.3 梳狀類型的導(dǎo)頻排列格狀導(dǎo)頻可以很好地跟蹤時(shí)變和頻率選擇性信道。2.2 信道估計(jì)算法最小二乘(LS)和最小均方誤差(MMSE)技術(shù)被廣泛應(yīng)用于信道估計(jì)。假設(shè)所有子信道是正交的,沒有ICI,我們將N個(gè)子載波上的導(dǎo)頻符號表示成矩陣形式: (2-4)其中,為第個(gè)子載波上的符號。給定第個(gè)子載波的信道增益為,接收到的訓(xùn)練符號為,噪聲為 ,為的信道估計(jì),則有, (2-5)2.2.1 LS信道估計(jì)為得到信道估計(jì),LS信道估計(jì)需要最小化下面的代價(jià)函數(shù): (2-6)通過最小化代價(jià)函數(shù),得到LS信道估計(jì)的解為: (2-7)LS信道估計(jì)的均方誤差(MSE)為: (2-8)由式(2-8)可以看出LS估計(jì)增強(qiáng)了
11、噪聲。2.2.2 MMSE信道估計(jì)MMSE信道估計(jì)的核心思想是使信道估計(jì)的均方誤差最小化。信道估計(jì)的均方誤差可以表示為: (2-9)此處是對LS的估計(jì)信道進(jìn)行加權(quán)得到的,即: (2-10)其中為加權(quán)矩陣。由于估計(jì)誤差向量與正交,即: (2-11)由式(2-11)可得: (2-12)以上基于導(dǎo)頻的信道估計(jì)算法給出的僅是導(dǎo)頻插入點(diǎn)的信道狀態(tài)信息,為獲取全部的信道狀態(tài)信息,還需要進(jìn)一步的插值算法處理,常用的插值算法有線性插值、二次插值、三次樣條插值及高斯插值等。實(shí)際系統(tǒng)中這些插值算法的實(shí)現(xiàn)靠濾波器完成。3 仿真及結(jié)果該節(jié)對上節(jié)所介紹的信道估計(jì)算法進(jìn)行了仿真分析,并研究了不同插值算法下,使用LS信道估
12、計(jì)算法的系統(tǒng)誤碼性能。具體仿真環(huán)境及參數(shù)設(shè)置如表3.1所示。表3.1 仿真環(huán)境及參數(shù)設(shè)置帶寬1MHz調(diào)制方式BPSK子載波個(gè)數(shù)64最大頻移70Hz導(dǎo)頻圖案塊狀信道多徑數(shù)5信道模型多徑衰落信道CP數(shù)目16性能衡量指標(biāo)均方誤差(MSE)和誤碼率(BER)圖3.1 不同信道估計(jì)算法下的均方誤差圖3.1是對LS和MMSE估計(jì)算法的均方誤差的對比分析。由于LS算法在進(jìn)行信道估計(jì)時(shí)沒有考慮加性噪聲的影響,造成了信道估計(jì)結(jié)果偏差較大。從圖中可以看出,在取得相同估計(jì)性能的條件下,MMSE算法對信噪比的要求比LS算法要低將近5dB。圖3.2 不同信道估計(jì)算法下的誤碼性能圖3.2是基于塊狀導(dǎo)頻方案下的信道估計(jì)算法
13、的誤符號性能。由于MMSE算法較LS算法可以更加準(zhǔn)確的跟蹤信道的變化,從而保證的接收信息的可以更加準(zhǔn)確的獲取出來,誤符號性能優(yōu)于LS算法。圖3.3 不同插值算法下的誤碼性能圖3.3是對不同插值算法下的誤碼性能的對比分析。從仿真結(jié)果可以看出高階插值算法帶給系統(tǒng)更好的誤符號性能??偨Y(jié)本文首先介紹了OFDM中的信道估計(jì)算法,重點(diǎn)研究了LS和MMSE基于導(dǎo)頻的信道估計(jì)算法,給出了兩種算法的算法設(shè)計(jì),并分析比較了算法性能。此外,還研究了不同的插值算法對OFDM系統(tǒng)的誤碼性能影響。最后對兩種算法的性能進(jìn)行了MATLAB仿真,仿真結(jié)果表明MMSE算法較LS算法可以更加準(zhǔn)確的跟蹤信道的變化,從而保證更加準(zhǔn)確地
14、估計(jì)出信道信息,而高階的插值算法能有效提高系統(tǒng)誤碼性能。參考文獻(xiàn)1 高蕊L(fēng)TE物理層上行關(guān)鍵技術(shù)研究西安:西安科技大學(xué)2009:11142 王東基于OFDM系統(tǒng)的信道估計(jì)算法的研究西安:西安電子科技大學(xué)20083 張繼東,鄭寶玉.基于導(dǎo)頻的OFDM信道估計(jì)及其研究進(jìn)展通信學(xué)報(bào)2003.114 孫鍇,黃威 譯MIMO-OFDM無線通信技術(shù)及MATLAB實(shí)現(xiàn)北京:電子工業(yè)出版社,2013年6月附錄仿真代碼(1)對比MSE性能仿真代碼:clc;clear all;%產(chǎn)生一個(gè)原始的訓(xùn)練序列%選用BPSK調(diào)制,符號:+1/-1X=zeros(64,64);d=rand(64,1);for i=1:64
15、if(d(i)=0.5) d(i)=+1; else d(i)=-1; endendfor i=1:64 X(i,i)=d(i);end%計(jì)算矩陣G(信道矩陣)tau=0.5 3.5;%The fractionally spaced taps.%Generation of the G matrix.for k=1:64 s=0; for m=1:2 s=s+(exp(-j*pi*(1/64)*(k+63*tau(m) * ( sin(pi*tau(m) / sin(pi*(1/64)*(tau(m)-k); %Go through the above cited paper for the t
16、heory behind the formula end g(k)=s/sqrt(64);endG=g;%Thus, the channel vector is evaluated.H=fft(G);% In the freq domain.u=rand(64,64);F=fft(u)*inv(u);% F is the twiddle factor matrix.% Evaluation of the autocovariance matrix(自協(xié)方差矩陣) of G-Rgg%gg=zeros(64,64);for i=1:64 gg(i,i)=G(i);endgg_myu = sum(g
17、g, 1)/64;gg_mid = gg - gg_myu(ones(64,1),:);sum_gg_mid= sum(gg_mid, 1);Rgg = (gg_mid * gg_mid- (sum_gg_mid * sum_gg_mid) / 64) / (64 - 1);%Running for a dozen trials to try and average out the results.for m=1:12 for n=1:5 SNR_send=2*n; XFG=X*H; n1=ones(64,1); n1=n1*0.000000000000000001i;%Just to ens
18、ure that the function awgn adds complex gaussian noise. noise=awgn(n1,SNR_send); variance=var(noise); N=fft(noise); Y=XFG+N; %Evaluating the mean squared error for the LS estimator. mean_squared_error_ls=LS_MSE_calc(X,H,Y); %Evaluating the mean squared error for the MMSE estimator. mean_squared_erro
19、r_mmse=MMSE_MSE_calc(X,H,Y,Rgg,variance); SNR(n)=SNR_send; mmse_mse(m,n)=mean_squared_error_mmse; ls_mse(m,n)=mean_squared_error_ls; end;end;ls_msemmse_msemmse_mse_ave=mean(mmse_mse);ls_mse_ave=mean(ls_mse);%作圖:semilogy(SNR,mmse_mse_ave,-r*);hold on;semilogy(SNR,ls_mse_ave,-b*);grid on;xlabel(SNR(dB
20、);ylabel(MSE-);legend(mmse-mse-ave,ls-mse-ave);title(SNR and square MSE for an OFDM system with MMSE/LS estimator);(2)對比SER仿真代碼:clc;clear all;%Generation of a naive training sequence.%Assuming BPSK modulation .symbols:+1/-1X=zeros(64,64);d=rand(64,1); for i=1:64 if(d(i)=0.5) d(i)=+1; else d(i)=-1; e
21、nd end for i=1:64 X(i,i)=d(i); end%Calculation of GThe channel Matrix %The channnel is. tau=0.5 3.5; %The fractionally spaced taps.%Generation of the G matrix.for k=1:64 s=0; for m=1:2 s=s+(exp(-j*pi*(1/64)*(k+63*tau(m) * ( sin(pi*tau(m) / sin(pi*(1/64)*(tau(m)-k); %Go through the above cited paper
22、for the theory behind the formula endg(k)=s/sqrt(64);endG=g; %Thus, the channel vector is evaluated.H=fft(G); % In the freq domain.XFG=X*H;n1=ones(64,1);n1=n1*0.000000000000000001i;%Just to ensure that the function awgn adds complex gaussian noise.noise=awgn(n1,8); %Assuming the channel learning is
23、happening at 8db.variance=var(noise);N=fft(noise);Y=XFG+N;% Evaluation of the autocovariance matrix of G-Rgg%gg=zeros(64,64);for i=1:64 gg(i,i)=G(i);endgg_myu = sum(gg, 1)/64; gg_mid = gg - gg_myu(ones(64,1),:); sum_gg_mid= sum(gg_mid, 1);Rgg = (gg_mid * gg_mid- (sum_gg_mid * sum_gg_mid) / 64) / (64
24、 - 1);%OK.Now that we have the ingredients ready,lets move on and evaluate the estimated channels by the use of the LS and the MMSE algorithms.%EVALUATION OF Hls%Hmmse=inv(X)*Y;%H_ls=(inv(X) * Y;Hls=zeros(64,64);for i=1:64 Hls(i,i)=H_ls(i);end%EVALUATION OF Hmmse%Hmmse=F*Rgg*inv(Rgy)*Y;%u=rand(64,64
25、);F=fft(u)*inv(u); %The 64 X 64 twiddle factor matrix.I=eye(64,64);Rgy=Rgg * F* X;Ryy=X * F * Rgg * F *X + variance * I;for i=1:64 yy(i,i)=Y(i);endGmmse=Rgy * inv(Ryy)* Y;H_mmse=fft(Gmmse);for i=1:64 Hmmse(i,i)=H_mmse(i); end%Fine.the channels have been estimated , now is the time for real time simu
26、lations.for n=1:6SNR_send=2*n;error_count_ls=0; %Clear the error_count.error_count_mmse=0; %Clear the error_count. %Sending around 1000 data vectors through the channel%Roughly like 1000 simulations per SNR reading.for c=1:1000%Generate Random Datai/p matrix.X=zeros(64,64);d=rand(64,1); for i=1:64 if(d(i)=0.5) d(i)=+1; else d(i)=-1; end end for i=1:64 X(i,i)=d(i); endXFG=X*H; %Let it go through the actual channel.n1=ones(64,1);n1=n1*0.000000000000000001i;%Just to ensure that the function awgn adds complex gaussian noise.noise=awgn(n1,SNR_send);vari
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 小學(xué)低年級聽評課記錄
- 【人教版】八年級地理上冊第一章第二節(jié)《人口》聽課評課記錄及優(yōu)化訓(xùn)練答案
- 蘇州蘇教版六年級數(shù)學(xué)上冊第三單元《分?jǐn)?shù)應(yīng)用題(1)》聽評課記錄
- 聽評課記錄六年級語文
- 新版華東師大版八年級數(shù)學(xué)下冊《16.2.2分式的加減分式的加減-同分母分式加減》聽評課記錄16
- 小學(xué)二年級數(shù)學(xué)100道口算題
- 蘇科版七年級數(shù)學(xué)上冊《2.2有理數(shù)與無理數(shù)》聽評課記錄
- 北師大版道德與法治七年級下冊1.2《理解情緒》聽課評課記錄
- 八年級歷史人教版下冊聽課評課記錄:第9課 對外開放
- 校企共建培訓(xùn)中心合作協(xié)議書范本
- 大學(xué)生就業(yè)指導(dǎo)教學(xué)-大學(xué)生就業(yè)形勢與政策
- 第五講鑄牢中華民族共同體意識-2024年形勢與政策
- 中華人民共和國學(xué)前教育法
- 2024年貴州公務(wù)員考試申論試題(B卷)
- 三年級(下冊)西師版數(shù)學(xué)全冊重點(diǎn)知識點(diǎn)
- 期末練習(xí)卷(試題)-2024-2025學(xué)年四年級上冊數(shù)學(xué)滬教版
- 2025年公務(wù)員考試申論試題與參考答案
- 抑郁癥課件教學(xué)課件
- 關(guān)于消防安全評估設(shè)備操作說明詳解
- 2025年高考作文專練(25道真題+審題立意+范文)- 2025年高考語文作文備考總復(fù)習(xí)
評論
0/150
提交評論