论文部分内容阅读
认知无线电技术可以有效缓解频谱分配与利用之间的矛盾,随着频谱资源日趋紧张,认知无线电技术成为无线通信领域新的研究热点。目前,认知无线电技术已经在IEEE 802.22无线区域网中得到应用,该系统利用认知无线电技术在电视频段中寻找空闲频谱进行通信,可与电视、无线麦克风等已有设备共存,提高了频谱资源的利用率。信道估计技术是决定认知无线电能否实现的关键技术之一,因此本文的研究集中在两个方向:(1)为了获得基于OFDM的变换域通信系统(OFDM-TDCS)应用于无线区域网时在低信噪比时的良好性能,研究如何提高系统在低信噪比时的信道估计性能;(2)为了提高认知无线电系统中信道估计的准确性,同时节省频谱资源和发射功率,研究更加有效的贝叶斯半盲信道估计方法。本文的主要内容根据两个研究方向分为如下两部分:针对OFDM-TDCS在低信噪比时由于噪声的影响很难获得准确的信道估计问题,采用时域和离散傅里叶逆变换(IDFT)域级联降噪的方法降低导频信号的噪声来提高信道估计的准确性。时域利用无线区域网信道环境下信道系数变换缓慢的特点,提出了时间滑动平均、时间遗忘、时间平均与时间遗忘结合等几种降噪方法;IDFT变换域利用多径时延集中在整个时隙的前一段的特点降低噪声。仿真结果表明:该方法在无线区域网信道环境下是有效的,采用实际信道估计的OFDM-TDCS的性能只比采用理想信道估计时差1-2dB。对于第二个方向,本文的后半部分首先综述了可应用于半盲信道估计的贝叶斯方法,包括卡尔曼滤波、粒子滤波器、混合卡尔曼滤波等技术;接着总结了目前可用的信道预测模型,在此基础上提出了一种新的动态信道预测模型,针对卡尔曼滤波,利用序贯更新先验信息的序贯可信度最大化方法自适应估计参数。本文还提出了一种应用于Alamouti空时分组码系统的联合数据检测和信道估计方案。该方案应用了我们提出的动态信道预测模型,并实现了相应的自适应卡尔曼信道估计方法,不需要估计最大多谱勒频移。同时,与传统的卡尔曼信道估计相比,该方法还具有较低的复杂度。仿真结果表明,本文提出的方法的性能优于传统卡尔曼信道估计,同时对于不同的最大多谱勒频移环境具有鲁棒性。