基于子空間的盲信道估計(jì)研究

王　蓉， 劉苗松

(湖北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院， 湖北 武漢 430068)

?

基于子空間的盲信道估計(jì)研究

王蓉， 劉苗松

(湖北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院， 湖北 武漢 430068)

基于非冗余線性塊預(yù)編碼，提出了一種基于多輸入多輸出(MIMO)正交頻分復(fù)用技術(shù)(OFDM)系統(tǒng)中基于子空間盲信道估計(jì)的一項(xiàng)簡(jiǎn)單方法。該方法適用于多輸入多輸出(MIMO)系統(tǒng)的信道估計(jì)，有助于發(fā)射機(jī)減少多維模糊度。而基于子空間的傳統(tǒng)估計(jì)方法并不適合多輸入多輸出(MIMO)系統(tǒng)采用。仿真結(jié)果驗(yàn)證了該算法的有效性。

多入多出；正交頻分復(fù)用；盲信道估計(jì)

正交頻分復(fù)用(OFDM)[1]被認(rèn)為是下一代高速無(wú)線多媒體通信系統(tǒng)最具潛力的技術(shù)。它具有高數(shù)據(jù)速率，高頻譜效率以及對(duì)抗頻率選擇性衰落等優(yōu)點(diǎn)。近年來(lái)，將OFDM和發(fā)送端的多個(gè)天線以及接收端的多個(gè)天線進(jìn)行結(jié)合使用，不但可以對(duì)抗多徑衰落，還可以增加系統(tǒng)容量，該方法的有效性已經(jīng)得到證實(shí)[2]。

信道估計(jì)對(duì)大部分的OFDM系統(tǒng)來(lái)說(shuō)是一個(gè)關(guān)鍵性部分。在文獻(xiàn)[3]和[4]中，已經(jīng)提出了基于信道估計(jì)方法的幾個(gè)訓(xùn)練序列算法。然而，訓(xùn)練序列的使用會(huì)降低系統(tǒng)帶寬效率[5]。雖然作為信道估計(jì)方法之一的子空間算法已經(jīng)開始在文獻(xiàn)[6]中得到發(fā)展，但是，如果接收天線個(gè)數(shù)少于發(fā)送天線個(gè)數(shù)，或者收發(fā)天線數(shù)量相等，則不能直接在MIMO-OFDM系統(tǒng)中使用。為了解決該問(wèn)題，文獻(xiàn)[7]已經(jīng)開始采用非冗余性塊預(yù)編碼技術(shù)，并且在文獻(xiàn)[8]中開始利用虛載波來(lái)進(jìn)行。但是，為了給噪聲自空間提供附加自由度，這兩種方法在每個(gè)區(qū)域中至少都浪費(fèi)了一個(gè)符號(hào)。

本文提出了針對(duì)MIMO-OFDM系統(tǒng)的另一種新型子空間盲信道估計(jì)方法。該方法的最大改進(jìn)在于它能夠幫助減少多維模糊度。最后，仿真結(jié)果證明了改進(jìn)算法的有效性。

1　系統(tǒng)模型

如圖1所示，MIMO-OFDM系統(tǒng)的發(fā)送天線Nt≥1；接收天線Nr≥1。如果出現(xiàn)Nt=Nr=1這種特殊情況的時(shí)候，它會(huì)降到SISO-OFDM系統(tǒng)。由線性能量傳輸hij=[hij,0,…,hij,L]T可以看出，從第i個(gè)發(fā)射天線到第j根接收天線之間的離散信道響應(yīng)是相等的。在每個(gè)傳輸區(qū)塊前端增加一個(gè)前綴矩陣(CP)，該天線長(zhǎng)度比L長(zhǎng)一點(diǎn)。與此同時(shí)，在每一個(gè)接收區(qū)塊減掉一個(gè)前綴矩陣。在第j個(gè)接收端上剩余的第k個(gè)接收信號(hào)區(qū)域可以通過(guò)以下方程表示

(1)

圖 1　典型的MIMO-OFDM基帶系統(tǒng)

根據(jù)線性能量傳輸

Hij=[Hij,0,Hij,1,…,Hij,M-1]T

可以發(fā)現(xiàn)信道向量hij上的M點(diǎn)DFT。此外，xj(k)歸一化的DFT如下表示：

(2)

y(k)的協(xié)方差則可表示為

Ry=E{y(k)y(k)H}=

(3)

從中可以明顯地發(fā)現(xiàn)，有關(guān)信道相位的信息丟失了，而且僅僅通過(guò)Ry，無(wú)法恢復(fù)Hij。

2　多維模糊度的盲信道估計(jì)

采用塊預(yù)編碼的方法，可得到的信號(hào)協(xié)方差矩陣

(4)

其中

P=diag{P1,P2,…,PNt}

(5)

(6)

本文改進(jìn)的方法，就是把所有的Pi看成是一樣的，即

于是，Ry,bd可以重新表示成：

(8)

其中，⊙代表元素智能分布。

接下來(lái)，分兩種情況討論：

第一種情況：b≠ d。則

(9)

第二種情況：b=d。則

(10)

因而，容易得出

(11)

式(11)中可以看出，如果滿足條件NtNr的MIMO系統(tǒng)。這是一個(gè)改進(jìn)的地方。因?yàn)楫?dāng)Nt>Nr的時(shí)候，傳統(tǒng)子空間盲信道估計(jì)方法[6- 8]不能應(yīng)用于MIMO系統(tǒng)。

3　標(biāo)量模糊度的盲信道估計(jì)

要想減少多維模糊度，則需要Nt個(gè)不同的協(xié)方差矩陣。假設(shè)對(duì)來(lái)自第i個(gè)發(fā)送器的第kNt+τ,τ=1,…,Nt個(gè)符號(hào)區(qū)塊利用Wiτ進(jìn)行預(yù)編碼。這樣，相應(yīng)的

(12)

如此得出新矩陣Nt，即：

(13)

第二種情況：當(dāng)出現(xiàn)b=d的時(shí)候，定義矩陣如下：

(14)

從中，很容易看出

(15)

則

(16)

因此，在不同的發(fā)送端分布不同的預(yù)編矩陣，并從不同的時(shí)隙中取出Nt協(xié)方差矩陣。這樣一來(lái)，每一個(gè)Ui的多維模糊度將會(huì)縮減至一個(gè)標(biāo)量模糊度。此外，一旦多維模糊度得到解決，Nt的上界也會(huì)消除。

4　仿真結(jié)果

仿真部分對(duì)MIMO-OFDM系統(tǒng)算法進(jìn)行了性能檢驗(yàn)。該系統(tǒng)由兩根發(fā)射天線和兩根接收天線組成。其BER性能見圖2。從中可以看出，p值較小值在SNR值較低的區(qū)域內(nèi)所呈現(xiàn)出的特性極為類似。此外，p值較小值在SNR值較低區(qū)域內(nèi)所呈現(xiàn)出的性能比較好，反之，p值較大值在SNR值較高的區(qū)域內(nèi)所呈現(xiàn)出的性能比較好，也就是在30dB以上。筆者注意到，MIMO的BER值要略高于SISO的BER值。這是因?yàn)閹в芯€性最小均方差檢測(cè)器的仿真空間復(fù)用系統(tǒng)的分集階數(shù)只有Nr-Nt+1=1。此外，它因受到多址干擾(MAI)[9]而產(chǎn)生較高的信道估計(jì)錯(cuò)誤。然而，如果采用空時(shí)編碼技術(shù)和ML檢測(cè)，那么BER性能就可以得到提高。

圖 2　不同p值下MIMO-OFDM的BER值

隨后，僅使用標(biāo)量模糊度方法，其性能結(jié)果如下所示?？煺湛倲?shù)被看成300，這樣一來(lái)每個(gè)協(xié)方差矩陣仍然是由150樣品組成。預(yù)編碼矩陣如下所示：

[P11]mq=[P22]mq=

(17)

[P12]mq=[P21]mq=

(18)

如圖3所示，這分別是歸一化均方誤差(NMSEs)與H11,H12,H21,H22的SNR值之間的對(duì)比。從仿真結(jié)果可以看出，該方法也適用于沒有模糊度的估計(jì)。

圖 3　MIMO-OFDM系統(tǒng)沒有矩陣模糊度的信道估計(jì)

5　總結(jié)

本文基于二階統(tǒng)計(jì)分析，針對(duì)MIMO-OFDM系統(tǒng)，提出了改進(jìn)的基于子空間的盲信道估計(jì)方法。主要改進(jìn)如下：即使發(fā)送天線數(shù)量大于或等于接收天線數(shù)量，該方法仍然可以應(yīng)用信道估計(jì)。在同樣的條件下，傳統(tǒng)基于子空間的算法并不適用。針對(duì)MIMO-OFDM系統(tǒng)，文中提出了有關(guān)信道估計(jì)的多維模糊度和標(biāo)量模糊度兩個(gè)討論。仿真結(jié)果驗(yàn)證了該算法的有效性。

[1]Bingham J A C. Multicarrier modulation for data transmission: an idea whose time has come[J]. IEEECommun. Mag,1990, 28(5): 5-14.

[2]Foschini G J, Gans M J. On limits of wireless communications in a fading environment when using multiple antennas[J] Wireless Personal Commun., 1998, 6: 311-335.

[3]Li Y, Seshadri N, Ariyavisitakul S. Channel estimation for OFDM systems with transmitter diversity in mobile wireless channels[J]. IEEE J Select. Areas Commun., 1999, 17(5): 461-471.

[4]Li Y. Simplified channel estimation for OFDM systems with multiple transmit antennas[J]. IEEE Trans Wireless Commun[J]. 2002, 1(1): 67-75.

[5]Tong L, Perreau S. Multichannel blind identification: from subspace to maximum likelihood methods[J]. in Proc IEEE, 1998, 86(10): 1951-1968.

[6]Moulines E, Duhamel P, Cardoso J F, etal. Subspace methods for the blind identification of multichannel FIR filters[J]. IEEE Trans. Signal Processing, 1995, 43(2): 516-525.

[7]Zhang R. Blind OFDM channel estimation through linear precoding: a subspace approach[C]// Pacific Grove,in Proc 36th Asilomar Conf,USA: Pacific Grove, 2002:631-633.

[8]Shin C, Powers E J. Blind Channel Estimation for MIMO-OFDM Systems Using Virtual Carriers[C]// Dallas. in Proc. IEEE GLOBECOM ’04, USA: Dallas,2004: 2465-2469.

[9]Gao F, Nallanathan A. Blind Channel Estimation for OFDM Systems via a Generalized Precoding[J] submitted to IEEE Trans Veh. Technol,2007,56(3):1115-1164.

[責(zé)任編校： 張巖芳]

A Study on Subspace-Based Blind Channel Estimation

WANG Rong, LIU Miaosong

(SchoolofComputerScience,HubeiUniversityofTechnology,Wuhan430068,China)

The paper develops a simple subspace-based blind channel estimation technique for multi-input multi-output (MIMO) orthogonal frequency-division multiplexing (OFDM) systems based on a non-redundant linear block precoding. The proposed method can be applied for channel estimation in multi-input multi-output (MIMO) systems, where the traditional subspace based methods cannot be applied. The numerical results clearly show the effectiveness of the proposed algorithm.

MIMO; OFDM; blind channel estimation

2015-05-20

湖北省自然科學(xué)基金重點(diǎn)項(xiàng)目(D2012004)

王蓉(1990-)， 女，河南洛陽(yáng)人，湖北工業(yè)大學(xué)碩士研究生，研究方向?yàn)闊o(wú)線網(wǎng)絡(luò)

1003-4684(2016)04-0083-03

TN911.5

A