这是一份论文,有关信道估计的.里面介绍了LS,MMSE算法,并且有LMMSE和SVD作为对MMSE算法的改进.Y()=DFT(y(n))-N2y(nje
(7)
n=0,1,…,N-1
Y(k)也可以表示为
Y(k)=x(k)H(k)+/(k)+W()
(8)
其中,H(k)是信道的频域响应,I(κ)是多普勒频移带来的载波间干扰(ICI),W(k)是高撕白噪声的傅立
叶变换。
3基于最小均方误差(MMSE)的信道估计算法
31LS信道估计算法简介
IS准则的目标是使(Y-1)(Y-)最小,在频域高斯独立子信道的假定之下,IS估计就可以
简单的表示成除法,得到IS准则的信道估计为:
,=x-Y
(9)
最小二乘估计,只需要知道观测方程的观测矩阵X,对于待定的参数h,观测的噪声,以及观测样本Y
的其他统计特性,都不需要其他的先验信息,这就是最小二乘估计最大的优势,也是它得到广泛应用最大
的原因。
32MMSE信道估计算法
假设表示信道估计值,H表示实际值。估计误差为
=H-a
(10)
均方误差(MSE)为
P=E{eP}=B{H-}=E(-H)(H-H)"}
MMSE准则的目标是使均方误差E(-B)(-H)}最小,其中
E(-H)(-H)"}=E[(-1)(-)}
H=gh
(12)
其中Q为DF变换矩阵。得到MMSE的估计值为
Humse =QhmMse=QFmse"Y
Mmse=rlle"Xxoo+RT(QX X@)
(13)
MMSE可以实现理想的信道估计,此算法的均方误差和信噪比成反比,如果此种算法需要的统计参数
都是理想的,那么估计出来的性能就会非常的理想。缺点就是此算法非常复杂。
与LS估计相比,MMSE估计算法在信噪比上有10-15dB的增益。可以看到,MMSE估计算法需要对
矩形求逆,当OFDM系统的子信道数目N增大时,矩阵的运算量也就会变得十分巨大。因此,MMSE算法
的最大的缺点就是计算量太大,实现起来对硬件的要求比较高。如何在估计性能的下降不多的前提下,对
MMSE估计算法做适当的简化,是一个关键的研究方向
33对MMSE算法的改进
首先可以简化(Xx)的计算,用E{xx}代替x。于是,有
HH(HH
(14)
SNR
·1373
这里
SNR=EX()o
β=E{X()}·E(1/X(k)}2。
对于给定的信号星座图为定值,当子信道相关矩阵Rm与信噪比SNR已知时,对Rm1(Rm+l)
SNR
只计算一次。但是矩阵的运算量还是比较大,由于子信道频响的频谱能量主要集中在低频部分,即主
要集中在前G阶,这里G为信道最大多径时延对应的样值个数。因此,设子信道的自相关矩阵可表
示为Rm=UAU的形式,这样可以显著降低MMSE的计算复杂度。这里U为酉矩阵,
A=dlag(2,3,…,2)为由Rm的特征值构成的对角阵。由此可得
MMSE
U H
(15)
这里△n为
+(B/M1),k=1…,m构成的对角阵,为A的前m个特征值,通常可以取m与
循环前缀的长度一致,相应地矩阵U可化简为N×L阶矩阵
4算法性能分析
仿真基于图2所示道频结构的OFDM系统,信道设定为时变信道,包含了多径和由于终端移动产
生的多普勒频移。具体参数为:载波频率2GHz,采样频率6MHz,子载波数N=1024,无符号间干扰。
本仿真与文献[6中的频域LE加线性插值的信道估计性能比较,同时有一条理想估计曲线作为参考。如
图3、图4所示
10
理想模型
须域线性值估计的线性插值
时域最小均方误差
●。。。●。。●。o。●c
温
o●。。o鲁。。。●o。
o。●0o。●。。o●。
e●。。●。。。。。。
域
o。●D。。●
o●
●●。。。●。。。●。
●o●o●。O。
10
频域
ENNo/dB
图2仿真系统导频结构
图360km/h时LE插值和MMSE算法性能比较
亞
想模型
域线性值估计的线性插倒
域最小均方误差
10
ENNo/dB
图4120km/h时LE插值和MMSE算法性能比较
·1374·
以上两图显示,在高信噪比情况下,MMSE算法与LE插值算法性能近似,但在低信噪比时,本文提
出的MMSE改进算法较LE插值算法约有2~3dB的性能提升,更接近于理想曲线。
参考文献
[1] Meng-Han Hsieh, Che-Ho Wei. Channel estimation for OFDM systems based on comb-type pilot arangement in frequency
selective fading channels. IEEE Transactions on Consumer Electronics, 1998, 44(1 ): 217-225
[2]Tufvesson F Maseng T Pilot Assisted Channel Estimation for OFDM in Mobile Cellular Systems. Proceedings of iEEE Vehicular
Technology Conference, Vol 3. Phoenix(AZ USA), 1997. Piscataway (J, USA): IEEE, 1997. 1639-1643
3] Louis L. Scharf, Statistical Signal Processing, Addison-Wesley, 1991
[4] I. J. van de Beek, O. Edfors, M. Sandell,S. K. Wilson, and P 0. Borjesson, "OFDM channel estimation by singular value
decomposition", Proc. Of 46IEEE Veh Tech Conf. Pp. 923-927, April1996
[5] Li Y G, Cimini L J, Sollenberger N R. Robus Channel Estimation for OFDM Systems with Rapid Dispersive Fading Channels
[J]. IEEE Transactions on Communications, 1998, 46(7): 902-915
[6] Jae Kyoung Moon, Song In Choi. Performance of channel estimation methods for OFDM systems in a multipath fading channels
IEEE Transactions on Consumer Electronics, 2000 46(1): 161-170
7]尹长川.多载波宽带无线通信技术.北京:北京邮电大学出版社,200.7
作者简介
王东,男,1978年生,陕西西安人,解放军西安通信学院讲师,在读硕士,主要研究方向为多载波通信
栾英姿,女,1970年生,江苏盐城人,西安电子科技大学副教授,博士,主要研究领域为宽带无线通信和多载波技术。
1375
一种基于MMSE的OFDM系统信道估计改进算法
旧
WANFANG DATA文献链接
作者:
王东,栾英姿
作者单位:
王东(西安电子科技大学,西安,710071;解放军西安通信学院,西安,710106),栾英姿(西安
电子科技大学,西安,710071)
本文链接http://d.g.wanfangdata.comcn/confereNce6442807.aspx