OFDM系统中基于导频的信道估计算法性能分析.docx

《OFDM系统中基于导频的信道估计算法性能分析.docx》由会员分享，可在线阅读，更多相关《OFDM系统中基于导频的信道估计算法性能分析.docx（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、OFDM系统中基于导频的信道估计算法性能分析 【摘要】正交频分复用(OFDM)技术是一种多载波调制技术，由于它具有很好的抗多径干扰实力和较高的带宽利用率等优点，将被广泛地应用于下一代无线通信系统中。本文介绍了基于导频的信道估计算法，分别对LS(最小平方误差)估计器，LMMSE(线性最小均方误差)估计器及其简化算法基于低秩LMMSE估计器的性能进行了分析。分析结果表明，LS信道估计算法结构简洁、计算量小，但是对噪声及干扰的影响比较敏感；MMSE估计算法考虑了噪声和干扰的影响，但计算困难度很大，不易实现；基于低秩LMMSE的信道估计算法的性能与MMSE算法性能相近，且计算量明显降低。 【关键词】正

2、交频分复用；信道估计；LS；MMSE引言 正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)具有高速的数据传输实力、高效的频谱利用率和抗多径干扰实力，因而在无线通信领域被广泛关注。由于无线信道的时变特性引起多径衰落和多普勒效应，破坏OFDM 系统中子载波之间的正交性，导致载波间干扰( ICI) 限制了OFDM 系统在高信噪比下的性能，使OFDM 传输系统的性能大幅度下降。为了在接收端精确地复原发送端所发送的原始信号，通常须要依据接收信号对信道进行估计。本文采纳基于导频的信道估计，分别对 LS(最小平方误差)估计器，LMMSE(线性最小

3、均方误差)估计器及其简化算法进行了分析探讨。分析了各种信道估计器的性能，并且探讨了如何通过参数调整来提高信道估计器的性能以降低信道对整个系统的影响。 1信道估计算法原理分析 1.1基于LS的信道估计算法探讨 最小平方LS信道估计就是从最小平方的意义上得到的信道估计器，设接收端在导频点处接受到的信号为Y，发送的信号为X，噪声为n，则有： Y=XH+n 在不考虑AWGN的影响的状况下，LS算法的估计值为： ls=Hp(0)，Hp(1)，Hp(Np-1)T =，T 即，P(K)=Hp(k)+ 式的大小受到Xp(k)的影响，所以在选择导频信息时，选择频域幅度恒定的符号。LS信道估计算法的最大优点是结构

4、简洁、计算量小，仅通过在各载波上一次除法即得到导频所在子载波的信道信息。但是由于忽视了噪声的影响，信道估计值队噪声干扰的影响比较敏感。 1.2基于LMMSE准则的信道估计算法探讨 在噪声与信号X不相关的条件下，信道传输函数在最小均方误差意义下的最佳信道估计器是： MMSE=RHYRYY-1Y 其中RHY=EHYH=RHHXH，RYY=EYYH=XRHHXH+n2IN，n2为高斯噪声的方差，RHY=EHYH为信道冲击响应的自相关矩阵。所以频域信道响应的MMSE估计值为： MMSE=RHH(RHH+n2(XHX)-1)-1LS 信道响应的MMSE估计在进行最优化问题求解时考虑了噪声的影响，所以信道

5、估计的均方误差较小。但由于MMSE估计的运算量很大，在实现过程中要知道信道的统计特性，尤其是维数增加时，矩阵的求逆运算量特别大，在实际应用中受到了肯定的限制。 1.3基于低秩LMMSE的信道估计算法探讨 假设在一个OFDM 符号内导频信号位置为Lp=in，0nNp-1，Np为一个OFDM符号内的导频信号数，用Xp=diagxi0，xi1，x表示导频信号矩阵，yp=yi0，yT表示接收到的导频信号，则导频位置信道频率响应的最小二乘(LS)估计=Xp-1yp包括数据位置在内的信道频率响应的LMMSE估计为： lmmse=RR 其中R=Eh，R=EhpR=Eh，R=E分别为的相互关矩阵与的自相关矩阵

6、。依据h与n的相互独立性，R和R可由下式计算 R=Rhh(:，Lp)，R=Rhh(Lp，LP)+(-SNR)I 其中，SNR为每比特信噪比，=Exk2E1/xk2是与信道星座图有关的常量，例如在16QAM 中=17-9，下面给出h的低秩估计。自相关矩阵R的奇异值分解为：Rhh=UU，为酉矩阵，U为对角阵，对角线上的奇异值根据从大到小排列12N。再对RR 做奇异值分解： RR =Q1DQ2H 其中，Q1，Q2为酉矩阵，D为对角阵，其对角线的奇异值根据从大到小排列。 采纳低秩估计(秩为r)的信道频率响应为： rank-r=Q1Q2HR p 其中D为D的左上角rr矩阵，也是一个对角阵，包括了r个最大

7、的奇异值。当且仅当数据为全导频的状况下有:R=Rhh，此时通过化简并整理可以得到: rank-r=UrUHp r也是对角阵，对角线上的元素为: 当K=1，2，r时，k=；当K=r,，N-1时，k=0。 下面我们来比较LMMSE估计算法和低秩估计算法的计算量。两者都要先由估计导频位置的信道最小二乘估计p确定，所须要的乘法次数都为Np。所不同之处在于式和式的区分，由于式中的 R 和式中的Q1Q2HR 都是可以预先计算好的，不必每一次估计都要重新计算一次，所以这两个预料算的计算量不必计算在内。由于是满秩的，Q1Q2HR 秩为r，所以式的乘法次数为N(N+NP)，而式的乘法次数为r(N(N+NP)。总

8、的来说，LMMSE估计算法的计算量为每估计一个OFDM 符号的信道须要N0+N(N+NP)次乘法，低秩估计算法的计算量为每估计一个OFDM符号的信道须要NP+r(N+N0)次乘法。明显，低秩估计算法的计算量比LMMSE估计算法的计算量少。 2仿真结果分析 仿真环境为每帧101个OFDM符号，共有101128个星座映射符号；16QAM调制下，1个星座映射符号包含4个bit，载频为2GHz，带宽1MHz，子载波数128个，cp数为16，子载波间隔为7.8125kHz，一个OFDM符号长度为128s，cp长度为16us，调制方式采纳16QAM调制方式，最大多普勒频率为132Hz，多径信道为5径，功率

9、延迟谱听从负指数分布exp(-t/trms)，trms=(1/4)*cp时长，各径延迟取为delay=0 2e-6 4e-6 8e-6 12e-6，导频符号间隔为10。 图1三种方法的信道估计结果比较 如图1所示，在信噪比相对较小的状况下可以发觉基于LS信道估计的方法效果明显较差，当信噪比大于15dB并小于20dB时的时候三种方法基本估计结果相同，而当信噪比大于20dB时LS信道估计方法更接近于基于LMMSE的信道估计方法，但由于其困难度高而被人们所忽视。从图1中还可以得到基于低秩的LMMSE信道估计算法当在信噪比大于10dB后误码率明显大于没有降秩的LMMSE信道估计方法，但由于在每估计一个

10、OFDM 符号时所须要的计算量比LMMSE估计和LS估计的计算量要少，困难度要低，而且误差性能也比基于LS的信道估计方法好，所以低秩LMMSE的估计方法更优越。 3结束语 本文探讨了三种基于导频的信道估计技术：基于最小平方LS信道估计，基于LMMSE准则的信道估计，基于低秩LMMSE的信道估计，并对这三种估计算法各自的优、缺陷做了进一步的分析与比较。从上面分析可以看出，LMMSE准则的算法困难度远远高于LS准则。而性能上MMSE准则优于LS准则。而基于低秩的LMMSE的信道估计方法无论从困难度还是性能上都比较突出。因此在实际应用时就依据详细状况采纳不同的方法。 【参考文献】 王文博，郑侃.宽带

11、无线通信OFDM技术M.人民邮电出版社，2003：10-67. 刘艳国，余国华. 信道估计在OFDM系统中的应用J.通信与广播电视，2022，01. 李小文，潘迪.OFDM系统的导频信道估计方法的设计与性能分析J.2022，04. Sinem Coleri, Mustafa Ergen ,Anuj Puri ,et al. Channel estimation Techniques based on pilot arrangement in OFDM Systems J.IEEE Transactions on Broadcasting 2002，48(3):223-229. 任大盂，张曙一种快变信道下OFDM系统的Kalman信道估计算法J哈尔滨工程高校学报，2022(11)：1268-1273 责任编辑：汤静 第7页 共7页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页