论文部分内容阅读
正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)是实现高速数据传输的重要技术,它能够有效抵抗信道的多径衰落,且具有频谱利用率高、实现简单等一系列优点。而多天线(Multiple Input Multiple Output, MIMO)技术可以在不增加系统带宽和功率的前提下有效提高系统容量。因此,结合两者优势的MIMO-OFDM技术被普遍接受为实现下一代移动通信系统(4G, Fourth Generation)物理层的核心技术。在要求高数据传输速率,高传输质量和高移动性的4G系统中,信道估计是不可缺少的一环。因此,本论文针对MIMO-OFDM系统的信道估计问题展开研究,在几种不同的信道环境下提出了相应的解决方案。主要工作如下:1.针对准静态信道,即CIR在一个OFDM符号内近似不变的情况下,提出一种基于时延子空间跟踪的信道估计方法。算法首先利用MIMO-OFDM系统的最优导频序列在接收端对信道进行LS估计,接着把信道时域响应分成时延与幅度两部分,利用快速数据投影算法对缓慢变化的时延子空间进行跟踪,最后将CIR向时延子空间上投影得到最终的信道估计。时延子空间跟踪信道估计显著提高了LS估计的质量。如果对于CIR快速变化的幅度部分也利用LMS等自适应算法来跟踪,则可以进一步提高信道估计的准确性。2.在某些不便采用导频估计信道或希望提高系统带宽效率的情况下,可以考虑盲信道估计方法。本文研究了基于子空间分解法信道盲辨识的原理及可辨识条件,并推广到静态信道下的MIMO-OFDM系统中。由于MIMO-OFDM系统中用于信道盲辨识的接收信号向量自相关矩阵的维数很高,采用直接SVD分解的方法运算量太大而难以实现,我们转而提出利用子空间跟踪算法自适应的跟踪噪声子空间以降低算法复杂度。提出的FDPM算法具有线性复杂度且能够稳定和鲁棒地跟踪噪声子空间。3.在时频双选择性快衰落信道中,为了减少需要估计的信道参数个数,我们利用基扩展模型建模时变信道,并提出了一种基于BEM的LMMSE信道估计。为了消除快时变信道中ICI对OFDM系统性能的影响,提出了一种基于块的turbo MMSE均衡算法,它在软输出线性MMSE均衡器和MAP译码器之间交换软信息,并通过多次迭代提高均衡性能。更进一步地,我们提出将信道估计也加入到迭代均衡和译码过程中,将turbo均衡器和译码器在迭代过程中产生的软数据做为辅助导频,从而更加有效地提升了信道估计的精度和系统的BER性能。