具体实施方式
现在参考附图描述本发明的实施例,附图中类似的元件标号代表类似的元件。
请参考图1及图2,本发明基于最优导频的MIMO-OFDM系统信道估计方法包括:
S101,采用块状导频插入的方式周期性地将OFDM块状导频符号插入所有载波。需要说明的是,对于频率选择性信道,信道是准静态或者慢时变的,用基于快跑导频的信道估计,在所有载波上周期性地插入块状导频信号,将具有更高的估计精度。以如图3所示的2×2MIMO系统为例,收发天线之间是相关的。设某OFDM符号子载波数N=64,循环前缀Ncp=16。发射天线1发送比特流X1,发射天线2发送比特流X2,这里令X2=X1。采用块状导频插入方式,令四个OFDM符号为一个周期,其中第一个OFDM符号为导频符号,第二个OFDM符号为数据符号,第三个OFDM符号为数据符号,第四个OFDM符号为数据符号。对于一个OFDM符号导频,为了描述方便,令OFDM符号里Np个导频分别为
S102,将最优导频序列均匀地分布于多个OFDM符号上。
原最优导频序列设计使得MIMO-OFDM系统信道估计MSE最小。在文献[王晗,汪晋宽,MIMO-OFDM时域信道估计中的最优导频设计算法研究[J].2009]指出最优导频序列必须满足条件:(1)一个OFDM符号中的导频数量必须大于或等于LNt,其中Nt为发射天线数,L信道的最大多径延时。(2)在频域方向上导频必须是等距离分布的。(3)所有导频的能量是相等的。(4)在所有的天线上的导频结构是相等的。第Ni个发射天线的最优导频序列可以表示成
其中,Ni={1,2,…,Nt},p={0,1,…,P-1}且SNi={0,1,…,P-1},K为每一个发射天线的导频序列的功率,P是一个OFDM导频符号中导频的数量。
令公式1中Ni=1,S1=0,可以得到第一条天线上的一组最优导频序列
其中,p={0,1,…,P-1}。根据峰均比定义,可以得到第一根天线上发射的最优导频序列的峰均比
设计第Ni根发射天线上的最优导频序列为第一根发射天线上最优导频序列的相移,这样第Ni根发射天线上的最优导频序列的均峰比也是P,P随着天线的增加而增加,导致OFDM符号具有很高的峰均比。若最优导频序列均匀分布在g个OFDM符号上,则每个OFDM符号上P/g个导频,在第一个天线、第一个OFDM符号上的导频序列为
其中,p={0,1,…,P/g-1}。可以得到在第一个OFDM符号上的导频序列的峰均比为
同样可得其他发射天线的峰均比为P/g。因此将最优导频序列分布在更多的OFDM符号中,其峰均比则越低。综合考虑较好MSE性能所需的导频数量,尽可能将最优导频序列分布在更多的OFDM符号中是一个有效的办法。
进一步地,本发明采用下述方法分析最优导频序列的峰均比:
在准静态或慢时变信道环境下,在一个OFDM符号内信道时不变,因此在接收端OFDM解调后的信号可以描述为
Y=HX+V [6]
其中,X为发射信号,Y为接收信号,V的方差为均值为0的加性高斯噪声序列,H为信道矩阵。频率选择性信道可以用瑞利信道来表示。Rayleigh过程可以由零均值复高斯随机过程的绝对值得到,第l个Rayleigh过程为:
hl(t)=|ul(t)|=|u1,l(t)+ju2,l(t)| [7]
其中,u1,l(t),u2,l(t)为两个不相关的零均值实高斯随机过程,方差为ul(t)表示复高斯过程。根据中心极限定理,大量适当加权的正弦波叠加可以近似得到高斯随机过程,因此式(1)中的高斯过程可表示为
其中,Ni,l表示谐波数目,ci,n,l表示多普勒系数,fi,n,l表示多普勒频率,θi,n,l是多普勒相位。MIMO信道可以看成是多个并行相关的的频率选择性衰落信道
S103,发送端基于MSE和PAPR双准则设计最优导频序列。
S104,将最优导频序列经过STBC编码及OFDM调制后得到专用导频序列,以简化接收端的处理。
S105,接收端将多个专用导频序列设计为相移关系。
S106,对具有相移关系的多个专用导频序列进行处理。具体地,对多个专用导频序列进行fft变换、去除循环前缀以及进行低通滤波以及OFDM解调。
S107,采用迭代导频估计法估计所有时间点的信道响应以实现MIMO-OFDM的系统信道估计。
S108,接收端进行STBC解码。
S109,通过加窗均衡模块降低信道中的ICI干扰。
再请参考图2及图4,步骤S107具体包括:
S1071,接收端接收经处理后的专用导频序列,并采用数据分离单元将专用导频序列分离为OFDM数据符号和OFDM块状导频符号;
S1072,将OFDM块状导频符号输入迭代估计单元进行首次信道估计以得到信道状态信息;
S1073,将信道状态信息用于对紧邻的OFDM数据符号的信道进行估计以得到第一个信道估计值;
S1074,将第一个信道估计值输入迭代估计单元以得到其紧邻的下一个OFDM数据符号所在时间点的信道状态信息;
S1075,依次类推,直到下一个OFDM导频符号处,以得到一个周期内所有时间点的信道状态信息;
S1076,进行校正后重新开始下一个周期的估计;
S1077,最后输出有效数据和信道估计结果,用于下一级的信道均衡。
需要说明的是,本发明中是先采用简化的LS算法计算导频符号处的信道信息,再通过迭代导频估计法计算两导频符号间的信道信息。具体地,简化的LS算法计算导频符号出的信道信息的过程具体如下:
第j个天线每个周期的第一个OFDM符号组成导频序列pi,则第i根天线接收信号yi
yj=pihj+nj i,j=1,2,3.. [11]
这是一个线性模型,nj是与hj独立的零均值白高斯噪声向量。信道估计值为
令y=(y1+y2)/2。以上已经提到将不同导频序列设计为相移关系,将公式1简化可得
其中p={0,1,…,P-1}且SNi={0,1,…,P-1}。参考低阶递推最小均方误差估计中将相关矩阵对角化的方法,由于本发明中将不同导频序列设计为相移关系,因此,由矩阵对角化,将多维矩阵的LS运算转化为一维矩阵运算,降低了计算复杂度。
从以上描述可以看出,本发明的信道估计方法,充分考虑了无线音频传输芯片MIMO-OFDM系统的频率选择性衰落信道特性、信道估计中导频开销问题、和在硬件实现的复杂度问题,应用MSE和PAPR双准则设计最优导频,采用STBC编码导频设计简化了接收机的处理,将多个专用导频序列设计为相移关系,从而将多维矩阵的LS运算转化为一维矩阵运算,降低了运算复杂度,便于硬件实现。且该方法基于系统上优化思想,估计前加入滤波模块降低噪声,估计后加入加窗均衡模块降低ICI干扰,这样的低噪声和低ICI干扰处理克服了LS信道估计易受到高斯白噪声和子载波干扰的影响这一问题,从而通过整体上的优化使得新LS估计在低信噪比时的MSE得到改善,SNR适用范围得到扩大。
以上结合最佳实施例对本发明进行了描述,但本发明并不局限于以上揭示的实施例,而应当涵盖各种根据本发明的本质进行的修改、等效组合。