毕业论文一周总结3

2020-03-02 16:57:28 来源：范文大全收藏下载本文

毕业论文一周总结

一信道估计技术研究对于LTE系统的重要意义

LTE上行采用的是SC一FDMA技术(又可被称为DFT-S一OFDM技术)，下行采用的是OFDMA技术，从实现的角度来看，两者并没有太大的区别，只是前者在后者的基础上增加了一个DFT预编码处理模块。因此，本文对LTE系统信道估计技术的讨论将建立在OFDM系统模型的基础上。众所周知，OFDM技术非常适合于高速无线通信系统，因为该技术具有在时间弥散信道下实现高比特速率传输的优势。然而，为了获得高的频谱效率，有必要采用多电平非恒幅调制方式(例如16QAM)。这类调制方式要求相干解调，而相干解调需要估计和跟踪衰落信道的参数。可想而知，信道参数的准确性对于OFDM系统的性能将起着至关重要的作用。因此，为了在接收端获得尽可能精确的信道参数，有必要对各种信道估计技术进行研究。

信道估计技术可被分为两大类。第一类为频域方法，典型的技术有最小二乘 (leastsquare，Ls)估计和线性最小均方误差

(linearmimmummean一 squareeror，LMMSE)估计;第二类为基于离散傅里叶变换(DFT)处理的变换域方法[’]，通常也被称为基于DFT的信道估计。本文第二章将会对这三种最基本的信道估计技术进行更为详细的介绍。

二

典型的信道估计技术

实际的信道估计通常可以分为两个部分:一是纯粹的信道估计部分，这部

分的主要任务是对己知的导频信息进行处理，获得导频位置处的信道信息，并尽可能的抑制干扰;另一个是插值部分，这部分将根据导频位置的信道估计结果插值获取数据位置的信道信息。

2.1 LS算法

最小二乘 (Leastsquare，Ls)估计算法，通常也被称为迫零(zero一Forcing，zF) 算法。当相关数据的概率统计信息无法获取的时候，采用最小二乘估计器不失为一种可行的方法。

对于LS估计器来说，通常假设有如下观测: 耳n]=s(n;0)+w(n)0‘n‘N一1 (2.15) 其中，戏n]为观测值;夕为待估参数;w(n)为扰动干扰项;n为观测值索引。 LS估计器的目标是由N个采样观测值，找到使观测误差达到最小的待估参数e的取值，定义该值为待估参数0的LS估计值，其数学表示式如卞:

从式 (2.16)的表述可知，由于其十分依赖于信号的生成模型，因而在实际当中比较难于操作。而当数据函数与待估参数满足线性关系的时候(参见式 (2.17))， LS估计器能够得到一个封闭模式的解。

其中，A为Nxd阶的矩阵。为了使式(2.16)有解，需要设定N>d，同时必须保证A是一个满秩矩阵。在这些假设条件下，能够很容易的得到以下估计结果:

则信道估计LS估计器的估计结果应该为:

由于x为对角矩阵，

可被进一步简化为:

仔细观察，能够发现:在OFDM系统中，Ls估计器实际等效于迫零估计器，其估计值是带噪的信道频率响应。

下面将对LS估计器进行两点说明: (l)在式(2.13)和式(2一5)中均存在噪声项(n和w(n))，在进行Ls估计的过程中，可以看到它的影响:

在一般的无线通信系统中，作为导频信号的乓是一个幅度恒定的实值或者

复值信号，因此相比较而言它对噪声干扰项的统计属性不会有任何影响。但是由于多径时延产生的频率选择性会使h、随着子载波索引k的变化而变化。由此可以推知:在频率选择性信道下，用LS算法对不同的频点(子载波)进行信道估计，所得到的MSE(均方误差)或信噪比有可能是不同的。

(2)LS估计器并不依赖于信号及待估参数本身的统计特性，它几乎适用于任何场景，同时它是一个无偏估计器。

LS估计器(或者说ZF估计器)通常是其它估计器的基础，由于该算法经

过化简后有着非常简单的形式，因而其它估计器可以直接利用LS估计的结果做进一步的操作，下面将要介绍的两种信道估计算法都是以LS算法为基础的。

2.2 LMMSE算法

MMSE估计方法源于著名的Wiener一Hopf方程。根据理论分析，当扰动干扰项w(n)和待估参数。服从一定的统计分布的时候，可以使用MMSE估计器，进而当系统模型为线性时，可以使用LMMSE估计算法。

本小节所关注的LMMSE算法是基于一维空间模式的，由于二维估计器的复杂度较高，其实现的可能性要小的多。

根据前文2.2.1节建立的OFDM系统的基带模型，并结合MMSE估计器理论，能够得到: 其中，F为DFT矩阵。Rgg是信道时域冲激响应g的自相关协方差矩阵;为噪声方差项，这两项均可以通过统计获取。由式 (2.22)和式 (2.23)，进一步得到LMMSE估计器的估计结果，即:

其中，被定义为：

式 (2.24)给出了LMMsE估计器在频域上，也即在多径时延扩展场景中的估计结果。用同样的方法，也可以得到该估计器在时域上，也即在Doppler扩展场景中的估计结果。此外，LMMSE估计器的估计结果还有另一种表达方式

其中

式中，为Ls估计器的输出结果;a万为加性高斯白噪声方差;自相关矩阵的

具体表述如下所示:

对于LMMSE估计器的几点说明: (l)以上对该估计器的介绍并没有考虑插值，仅涉及导频所在资源点的估

计，对于插值及其引入的问题将会在下文具体算法流程设计部分再进行讨论。 (2)从实现的角度考虑，既可以使用两个一维 (2xl一D)的LMMSE滤波

器，分别对频域的频率选择属性和时域的Doppler属性进行估计处理;也可以考虑2一 DLMMSE滤波器。

(3)对于该算法，还有一些更为简易的实现方案。在LMMSE算法中，估

计器计算最为复杂的部分来自于矩阵自相关和互相关项的计算，而且由于信道的时变性，需要对其进行实时计算。在产品实现过程中，通常会在存储器中预先存储一些常用的统计信道模型场景的自相关、互相关矩阵项，甚至直接存储一些典型的估计器系数(实际上，知道了自相关、互相关项后也就知道了估计器系数，参见式 (2.29))。设备通过检测实际的信道场景，将最接近的LMMSE 估计器系数配以使用。

2.2.4基于DFT的信道估计算法

基于DFT的信道估计算法的基本思想是:通过时频域变换，对初始信道信

息进行处理，从而获得高精度的估计结果。下面将对其具体操作流程进行介绍。 (1)首先，通过Ls算法获取初始信道估计结果凡、。根据式 (2.13)和式 (2.20)，有:

其中，k为子载波索引。

(2)对LS估计器输出的信道频率响应结果进行IDFT变换，有:

其中，为反DFT矩阵;g为真实信道的时域冲激响应;x，n分别为导频信

号矢量和导频位置处的噪声矢量，参见式 (2.30)。

式 (2.31)所反映的实际物理意义是:Ls估计器的估计结果可表示为真实信道

的时域冲激响应g，与一个噪声项，(这里的i为对系统采样时间进行归一 X 化处理之后的时延索引，O三i

此外，由于矩阵X 的特性，相比较而言从统计特性上来讲并没有

任何改变。同时，由于导频信号乓通常会采用等幅度调制方式，因此了归一化处理后，与

的统计特性应该是完全一致的。