论文部分内容阅读
在正交频分复用(OFDM,Orthogonal Frequency-Division Multiplexing)技术中,循环前缀(Cyclic Prefix,CP)以牺牲频谱效率为代价来抑制多径信道带来的影响。但是在第五代移动通信系统(5G,The 5th Generation)中,某些信道场景冲激响应很长,采用充分长度的CP会严重降低频谱效率。如果CP长度不充分,无线信道的时延扩展会引起符号间干扰(Intersymbol Interference,ISI)和载波间干扰(Intercarrier Interference,ICI)。在这种情况下,传统的单抽头均衡解调算法性能严重恶化,有较高的误码率平层。因此,本文针对传统单抽头均衡在短CP时的OFDM检测中误码率平层较高的问题,研究了一系列适用于短CP场景中OFDM的解调方法。首先,本文介绍了短CP场景中的OFDM系统模型。通过详细的公式推导求得了OFDM在短CP场景中接收信号的频域表达式,并且推导出短CP场景中OFDM的等效信道矩阵,进而获得ISI和ICI干扰矩阵的元素表达式。然后,引入本文采用的无线信道模型,对干扰矩阵元素的功率进行具体分析,仿真ISI/ICI和子载波分布的关系,发现在短CP场景的OFDM系统中,对于给定的子载波,相邻的子载波带来最强的ISI/ICI贡献。最后讨论了OFDM采用单抽头均衡技术在短CP场景中的误码率性能。然后,本文研究了短CP场景中OFDM的干扰抵消检测方式。针对并行干扰抵消(Parallel Interference Cancellation,PIC)和串行干扰抵消(Serial Interference Cancellation,SIC)硬件复杂度较高或检测延迟较大的缺点,提出了一种减少复杂度的干扰抵消(Reduced Complexity Interference Cancellation,RCIC)算法,该算法在降低计算复杂度的同时,实现了串行检测和并行检测的结合,折中了检测时延和硬件复杂度,并且在相应的信道条件中对这些干扰抵消检测方式的性能进行了比较。接着,考虑到干扰抵消在一些短CP场景中误码率平层仍然较高,本文探索了短CP场景中OFDM的最大似然检测方式,针对最大似然检测(Maximum Likelihood Sequences Estimation,MLSE)复杂度极高的问题,提出了一种减少Viterbi网格图状态的ML(Reduced State Maximum Likelihood,RSML)检测算法,仿真结果表明在存在ISI/ICI时,RSML检测的性能优于干扰抵消检测的性能,在有些信道条件下其检测性能甚至会好于CP充分时的单抽头均衡的性能。最后,为了进一步改善RCIC误码率性能以及减少RSML过高的在线计算复杂度的目的,本文提出了一种适用于短CP场景中OFDM解调的神经网络结构。仿真验证了在典型的短CP信道场景中,该深度学习网络结构的性能明显优于干扰抵消检测,并且可以逼近RSML的性能。