相关通信论文

相关标签

针对多天线空时分组码系统的信道估计算法设计

发布时间:2019-12-02 11:45

  摘 要

  多天线收发系统在不增加带宽的前提下能够提高系统容量和频谱利用率,改善系 统整体性能。由于有多条路径同时传播信息,故其传输信道极易受到传输信号间和外 界噪声的干扰。所以进行准确的信道估计是实现信号检测和设计无线系统的必要条件。本文的主要工作是研究基于多天线时空分组码系统的信道估计算法设计。就目前情况 来看,关于信道估计算法的设计主要有基于最小二乘法(LS)的信道估计算法和基于 最小均方误差(MMSE)的信道估计算法。将两种信道估计算法都进行 MATLAB 仿真, 得出的结果较之原始信道有存在能够接受的误差。

  本文分析 MIMO 系统的信道估计技术。将信号进行空时分组编码,与导频信道估计相结合,采用多径信道传播。MIMO 系统的性能极大地受到信道估计方法的影响。所以选择合适的复杂度及精度可以在不同信道干扰和系统要求下提高系统性能,充分展现 MIMO 系统的优势。

  关键词:MIMO 技术,信道估计,LS 算法,MMSE 算法,空时分组码

  第一章 绪论

  1.1 研究背景

  无线通信是现在最活跃的科研课题之一。它突破了物理的界限,实现了信息有效可靠的在无线信道中传输,为用户提供了自由地在任何无线电波可以到达的地方进行通信。极大地增加了通信的范围,为全球信息化提供了便利。

  在无线通信系统中,MIMO 技术是众多学者一直所倾向的研究课题之一。MIMO 技术在利用频率上面的极大突破和增大系统可传输的数据量是因为他采取了多天线的方法,即在发射的时候用多天线来传输,接收的时候利用信号合并器合并接收到的信号。随着技术上的不断提高,系统日益趋于完美,MIMO 技术必定成为最重要的一环存在于将来全新的无线通信系统。它充分吸收 MISO 和 SIMO 的优势与特征并加以改善,因而解决了无线通信长期以来的难题:系统能使用的射频宽度不变的情况下,既减少信号在经过不同的方式到达接收端时信号幅度减小的影响, 又能够充分利用信道容量。由于信号的高速传输,在多径情况下使得符号间产生干扰。可以采用在传输信号中添加循环前缀保护的办法来抑制干扰。然而,信号的高速传输使得产生的多普勒频域不断加大,符号间的干扰会严重破坏系统的性能。以前所做的方法是采用差分编码、使用均衡器来减弱子载波之间的干扰。但是,如果在子载波干扰问题中采用编码,同时也降低了系统频带的使用效率;如果均衡器采用均衡算法,则信道估计后的状态信息是均衡器的关键因素之一。所以,无线通信系统中对传输信道估计进行研究极为重要,其意义深远重大。

  图 1.1 表示具有 M 个发射天线和 N 个接收天线的 MIMO 通信系统框图。需要发射的数据流 s 经过空时编码被分离为 M 路子数据流,在调制与射频前端处理后以相同的频率分别经 M 副天线同时发射出去;经无线信道的散射传播,这些并行子流从不同路径到达接收机,由 N 副天线接收;接收机采用先进的信号处理技术对各接受信号联合处理,可恢复出原始数据流。[3]

  1.2 研究意义

  信道是通信系统中最重要的部分,它可以将通信区分为有线通信和无线通信。它也对通信质量有很大影响,决定了通信系统的性能。无线通信系统的性能受到诸如平坦衰落和频率选择性衰落等无线信道的很大影响,这使得发射机和接收机之间的传播路径非常复杂。[7] 无线信道性能的随机性将严重影响接收端的信号接收和检测,甚至会影响无线通信系统的设计。因此,正确的信道估计对于提高系统的整体性能是非常有利的。信道估计是估计信道基本信息的过程。他正在分析接收端收到的数据信息,这是基于假定的信道模型。这种方法的目的是使传输数据经历一个信道过程,并且在接收机被系统接收到的小失真的情况下,数据经历的信道影响被合理地补偿。信道估计技术还可以提供空时码解码,多用户检测,最大时空合并和其他技术所需的关键信息。在无线通信中,信道估计是通信系统中每个数据消息可能经历的信道状态信息中不可或缺的部分。

  该系统的高质量,高速率的数据传输是由于 MIMO 系统中的空时编码算法依赖于准确的信道状态信息以及新到达的状态信息部分早已为人所知。 因此,MIMO 系统的关键因素之一是信道估计问题,这是系统获得有效性和更高性能的可靠保证。

  1.3 研究现状

  在目前的情况下,信道估计是通信系统中最关键的部分。因此不论是国内还是国外的研究者对于信道估计的研究也是从未停息。一般来说,信道估计方法对于不

  同的信道模型是不同的。信道估计方法可分为三大类:基于辅助符号的非盲信道估计、完全无信道信息的盲信道估计和信道信息介于两种方法之间的半盲信道估计。其特征可以归纳为[3]:(1)非盲估计:根据一定的估计标准,确定需要的估计参数值,或按照一定的标准,逐级跟踪和调整参数估计,其特征是需要一个参考信号。其优点是它可以实现更好的系统性能,但它降低了频带利用率且不适用于在发送端不能提供训练序列的情况。(2)盲估计:信道估计是利用调制信号固有的一些特征和与特定的轴承信息位无关的一些特征,或者使用判断反馈方法。盲估计法具有提高系统频率利用率的优点,适用于接收机不确定训练序列,有自恢复,在未知数据调制和编码模式下正常工作的情况。缺点是估计性能较差,估计过程以及算法比非盲法复杂。(3)半盲:在信号中插入导频,克服基于二阶统计的盲估计方法固有的模糊度问题,同时采用盲估计方法进行信道估计,结合盲估计和盲估计的优点。[6]

  在现有文献中均对这三种估计通道的方法进行了介绍,本文主要利用插入导频信号辅助估计的方法对 MIMO 系统的性能进行了分析。

  1.4 主要工作及安排

  本设计主要使用 MATLAB 来构造一个虚拟的 MIMO 通信系统。编码方面使用

  Alamouti 的 2 发射天线 1 接收天线来发送和接收数据信息。采用 LS 信道估计算

  法、MMSE 信道估计算法进行数据的计算最终估计出信道,并计算估计信道的误码率,判断系统稳定性。再利用 MATLAB 语言给出仿真结果。

  本文的主要结构为:

  第一章阐述了研究背景、研究意义以及目前本课题的研究现状。

  第二章讲了系统的基础理论,包括 MIMO 技术,信道估计以及估计算法。第三章讲了 Alamouti 的编码发送和译码,Alamouti 的 2 发送 1 接收天线的结

  构。利用两种估计算法计算误码率并作出了对比。

  第四章主要讲了影响信号传输误码率的因素:接收端天线的个数,调制方式以及均衡方式的不同。利用 MATLAB 仿真并作对比。

  第五章对本文进行了总结,指出文章的不足并且对之后本课题的发展方向进行展望。

  第二章 基础理论

  2.1 MIMO 技术

  MIMO 技术是在发射机和接收机上通过多个天线发送和接收信号的过程。除了增加系统容量和频率利用率而不增加带宽之外,系统的吞吐量还可以通过 MIMO 信道的多通道容量来提高。

  图 2.1 表示了一个具有??个发射天线,?? 个接收天线的 MIMO 系统。MIMO 系统能够充分利用信号的所有空时频域的特性:

  (1) 利用或减去多径衰落。MIMO 技术能够充分采用多径的各种发射/合成技术,提高无线通信系统的性能。

  (2) 消除共信道干扰。MIMO 系统能够采用自适应波束形成技术或多用户检测技术对共信道干扰进行有效抑制或消除。

  (3) 提高频谱利用率,增强发射效率,减小发射功率,减小空间电磁干扰及增大系统容量。[1]

  2.2 信道估计

  在理论上,信道估计问题是概率统计领域的一种参数估计问题。因此,信道估

  计的概念可以在该信道中得到,根据接收信息的数据,信道模型参数和数据的前提来估计一个过程的具体信道。本文将介绍主要用于本文的信道估计方法:基于导频序列的非盲信道估计。该算法通过插入已知的导频频率来估计信道信息,由于其良好的估计性能和小的计算复杂度,在无线通信系统中得到了广泛的应用。当然,这种好处是通过牺牲一定的带宽利用率来实现的。插入导频的信道估计算法主要研究以下三个重要方面:(1)在系统的发射上,选择导频,并考虑插入信息的方式; (2)系统接收端导频位置信道的信息采集方法;(3)三是考虑利用导频位置获取信道信息 时,哪一种方法能更好地获得系统信道的具体信息内容。目前,对插入导频算法的研究主要集中在第一和第三个关键问题上。[2]

  2.3 信道估计算法

  2.3.1 最小二乘法估计

  其中??是??×1 的接收信号向量,??是??×??信道矩阵,??是空间高斯加性白噪声向量,??为第?个发送符号向量。令?? = [?1,???, ??],?? = [?1,???, ??],?? = [?1,???, ??],K 发送发送符号向量的个数,则信道估计可以通过最小化误差矩阵?2 的

  2.3.2 最小均方误差估计

  信道衰落系数通过在发射信号中插入导引序列估计得到。通常,??个发射天线需要??个不同的引导序列?1,???, ??? ,时刻 k 的导引序列为?? = (??,1,???, ??,?)。空间复用时,这些引导序列在接收端将彼此线性叠加。因此,导引序列必须正交。

  因为??是一个零均值、单边功率谱密度?0的复高斯随机变量,估计误差??,? 是个零均值和单边功率谱密度?0/?。这个方法相比前一个的优点是它是一个 “平均”

  (即它甚至达到噪声的平均值),因此最小均方误差(MMSE)估计优于最小二乘法估计技术。[9]

  欲减少噪声引起的信道估计误差??,?,需增加引导序列的长度,但是这会影响系统的有效传输数据量。上述两算法适用于帧内恒定系数的慢衰落瑞利信道。信道估计误差??,?会使 MIMO 系统不能接近通信容量的上界,同时使误码率升高。发射天线数量也会使信道估计误差的灵敏度增加。

  第三章 MIMO 空时分组编码系统的信道估计3.1 空时分组码

  空时分组码就是利用正交设计的原理来分配各类发射天线的发射信号形式,其本质就是利用空域和时域正交编码发射信号。并且空时分组译码后可以获得满分集增益,译码运算仅仅是简单的线性合并复杂度低。因此实际运用十分受欢迎。[10] 3.1.1 Alamouti编码

  STBC 的编码方式是由 Alamouti 提出,是一种能够简单发射分集方法,适合于两个发射天线的编码方法。之后由 Tarokh 将其推广至两个以上的发射天线。不论是Alamouti 还是 Tarokh 的编码方式均可获得最大的分集增益。[5] 本文主要采用的Alamouti STBC 码的编码器原理框图如图 3.1 所示。

  用有2?个星座点的星座图进行调制,在编码中将 2b 个信息比特映射到信号星座,以选择两个调制信号?1和?2。根据 Alamouti 空时分组编码矩阵

  生成两个长度为 2 的并行序列。两个时间周期内通过两个天线发送出去,第一次发送时,?1和?2分别从天线 1 和天线 2 发送出去;第二个周期内???和??同时通过

  系统在给定传输数据量之内生成随机数据,利用 QPSK 或者其他调制方式进行发送数据的调制。调制结束后插入导频,导频出现的频率和能量由系统给出。之后采用多径传输,接收端利用迫零均衡对接收到的信号译码,对于接收到译码利用最小二乘法和最小均方误差算法进行信道估计。去除估计算法算出的接收信号中的导频信号,计算其误码率。将数据用图形的方式表示出来。

  3.2.1 LS信道估计算法

  图 3.4 显示出传输符号数在 8192 时,LS 信道估计和原始信道的信号传输误码率的总体趋势都是随着信噪比的增加而逐渐减小的。原始信道即未采用多径信道, 直接传输的情况,所以当信噪比很低时传输也存在一定的误码率。但是相比于 LS 信道估计,原始信道误码率低,在信噪比增加的情况下误码率下降幅度大,达到一定的信噪比时误码率将不存在。而 LS 信道估计则相对的当信噪比按一定的步长增加时误码率下降趋势明显减小。

  3.2.2 MMSE信道估计算法

  由式(3.11)可以看出,MMSE 利用在进行最优化问题求解时考虑了噪声的影响,并利用 LS 信道估计算法的结果基础上得出结果,因此具有较高的精准度。[4] 图 3.5 为 MMSE 信道估计仿真图。

  由图 3.5 可以得出以下结论:与 LS 信道估计相似,MMSE 信道估计的误码率依然是随着信噪比的增大,误码率在逐步降低,并且降低幅度明显。在信噪比较高一点的情况下,MMSE 的误码率明显高于原始信道传输信号时的误码率。且当信噪比达到某一零界点时原始信道误码率完全没有,而 MMSE 依然存在误码率。

  3.3 LS、MMSE 信道估计算法比较

  在传输符号都是 Alamouti 编码的情况下,LS 信道估计与 MMSE 信道估计得出的误码率的结果图如图 3.6 所示。

  上图表示 QPSK 调制的条件下两种信道估计算法的误码率的比较图。其中发射天线数为 2,接收天线数为 1。由上图可得出以下结论:总的趋势上来说,MMSE 和 LS 信道估计算法的误码率都与信噪比成反比。即当信噪比增大时,误码率逐步降低,当信噪比达到一定数值时,两种算法的误码率都将不存在。LS 信道估计算法的误码率明显高于 MMSE 算法,这种结果的出现是因为 LS 算法结构相对比较简 单,计算速度快递,牺牲了复杂度,在估计时不考虑信道噪声的影响等问题。而MMSE 算法利用了 LS 算法的结果,并进行深一步的计算研究,计算复杂,计算速度较慢,但是换来的却是误码率的降低。所以两种估算算法都有着自己独有的优 点,但也有不足。

  第四章 结果分析4.1 接收天线数目对信道估计误码率的影响

  Alamouti 编码采用的是 2 个发射天线,1 个接收天线的系统模型。为了探究多个接收天线与单个接收天线对信道估计的误码率的影响,本节将分别采用 1 个接收天线,2 个接收天线以及 4 个接收天线来对信道估计的误码率进行比较分析。仿真条件为:最高信噪比为 20dB,即仿真范围是 0dB 到 20dB。采取的调制方式为QPSK 调制。参数设置如表 4.1 所示:

  以下两张图分别为此条件下接收天线数为 1 个、2 个以及 4 个时,LS 估计算法和 MMSE 估计算法 Alamouti 编码 2 发送天线系统传输信号的误码率对比图。

  本次实验的目的在于探究接收天线个数对于 LS 算法以及 MMSE 算法在无线通信系统中信道误码率的影响。在其他参数不变的情况下,根据图 4.1 和图 4.2 可知, 其中横坐标表示的是信道的输入信噪比,纵坐标表示的是信道误码率,其值用对数形式表示。误码率总体趋势为:误码率与信噪比成反相关函数,即在信噪比为 0

  时,误码率较大,当增大信噪比,误码率减小。在两种不同的算法内部,我们可以看到当增加了接收天线个数后,系统的误码率在整体程度上减小了不少。噪声占比越少,误码率程度越低。

  4.2 不同调制方式对信道估计误码率的影响

  为探究不同的调制方式对于两种不同的信道估计算法所得出的信道误码率的影响,本节将针对信号的调制方式做主要研究。由 3.3 节可知,以上试验都是在 QPSK 调制方式下完成的。本节将采用 QPSK,8PSK 以及 4QAM 的调制方式分别来进行检验并作出对比图。参数设置如表 4.2 所示:

  本次实验的目的在于探究调制方式对于 LS 算法以及 MMSE 算法在无线通信系统中信道误码率的影响。在其他参数不变的情况下,由图 4.3 和 4.4 可知,系统的估

  计信道的传输误码率总体呈下降趋势,即在信噪比为 0 时误码率较高,当信噪比增大时,不论何种调制方式,其误码率都会降低。LS 算法与 MMSE 算法分开来看时,4QAM 调制的误码率低于 QPSK 和 QPSK 调制的误码率。QPSK 调制的误码率低于 8PSK,8PSK 调制的误码率最高。当信噪比达到特定值时误码率接近于 0。

  4.3 不同均衡方式对信道估计误码率的影响

  为了探究不同均衡方式对信道估计的误码率的影响,本节将分采用与实验时不同的均衡方式来对整个系统进行研究,讨论误码率与均衡方式的关系。实验时设置参数如表 4.3 所示:

  MMSEQPSKAlamouti1迫零均衡0dB-20dB

  表 4.3 均衡方式对于误码率的影响

  由表所给的参数做 MATLAB 仿真,所得实验结果如图 4.5 和 4.6 所示,分别表示基于 LS 算法和 MMSE 算法的两种不同均衡方式对于误码率的影响。

  图 4.6 均衡方式对 MMSE 算法误码率的影响

  本次实验的目的在于探究均衡方式对于 LS 算法以及 MMSE 算法在无线通信系统中信道误码率的影响。在其他参数不变的情况下,如图 4.5 和 4.6 所示,其中横坐标为信道的输入信噪比,纵坐标为信道的误码率,横纵坐标值为线性形式表示。图中可以明确看出在信噪比为 0 时信噪比均达到了 0.2 左右,LS 算法迫零均衡的误码率超过了 0.3。随着信噪比逐渐增大,误码率降低。说明在信噪比越大的情况下,系统越稳定。在均衡方式的比较下,显然迫零均衡的信道误码率高于最大似然均衡的误码率。

  4.4 影响因素分析与总结

  根据 MATLAB 的仿真结果,可以得出以下结论:误码率与信噪比成反相关函数关系,即当信噪比增大时,误码率降低。接收天线的数量越多,接收信号的误码率越低,这是因为随着天线个数的增加,系统的分集增益进一步得到了提高,因此在抵抗噪声、正确传输信号信息方面的性能得到了增强。[8] 对于调制方式来说, 调制阶数的增加,加快了信号的传输速率,但是抗噪声性能却是急剧下降,相同信噪比下阶数越高误码率越大,性能越差。而 QAM 调制相比于 PSK 调制,在同样的调制阶数下,频带利用率较高,误码率较低,抗干扰性能强。而均衡方式来讲则是最大似然均衡方式为误码率最理想的方式,它的整体误码率较低,系统性能更加稳定。但是相对的,迫零均衡的计算复杂度明显低于最大似然估计,精简了算法使得系统的传输速率得到了提高。

  第五章 总结与展望

  5.1 本文总结

  随着现代无线通信发展越来越迅猛,系统日益完善。系统的完善意味着要求更多的功能,更稳定的性能。而现有的移动通信通信网络已经不能被现代人们满足对信息时代的要求。所以在不增加带宽的情况下,增加系统容量以及频带的利用率已经成了当今通信领域研究的重点。而 MIMO 技术正是做到了这点,所以要使信号快速的传输出去以及准确的接收,信道估计是不可或缺的。

  本设计重点研究基于 MIMO 空时分组码系统的信道估计算法。主要内容为:本文的第一二章讲理论,介绍了无线信道的基本概述,MIMO 技术的要点以及信道估计的算法:最小二乘法(LS)和最小均方误差(MMSE)。后两章主要对信道估计做出实际分析。利用两种算法分别对误码率进行了分析以及对比,比较了两种算法的优势以及缺点。并对于影响天线接收误码率的因素做出分析,指出影响因素包 括:接收天线的个数、发射端信号的调制方式及阶数、接收端均衡的方式。

  5.2 问题与展望

  本文的不足之处在于本是研究空时分组编码。但是只研究了 Alamouti 编码方式,即 2 个发射天线,1 个接收天线。虽然后面讨论过接收天线数目对系统信道估计误码率的影响,但是却没有将发射天线的数目进行调整,这是本设计的一大欠 缺。由 MMSE 与 LS 误码率对比图可以看出,虽然 MMSE 的误码率比 LS 的误码率低,但是 MSME 在实现的过程中计算复杂度随着天线的增多而积聚增大,所以在实际运用中很难实现。

  对于本课题,由于是当今社会的热门研究对象,所以不仅仅是实验室操作或者是 MATLAB 仿真这么简单,更是要利用到实际生活当中。对与关键技术——信道估计,实践中运用环境十分复杂,必须要结合信道衰落、系统构成以及其他技术结合起来才能得到有说服力的结论。所以应该完善的是:收发天线具体达到多少的时候能够既满足传输速率高、误码率低,又能使系统结构精简。导频序列的长度和功率应该如何设置能够使得在天线发射功率一定时提高传输速率,提高发射效率。

毕业论文:http://www.3lunwen.com/jsj/tx/5364.html

上一篇:针对多天线空时分组码系统的迫零信道均衡算法设计

下一篇:没有了

     移动版:针对多天线空时分组码系统的信道估计算法设计

本文标签:
最新论文