CN1658528A - 一种mimo—ofdm系统的自适应信道估计方法 - Google Patents

Abstract

本发明公开了一种MIMO－OFDM系统信道估计的方法，它包括发送数据帧结构、信道估计。发送数据分为训练OFDM符号和数据传输OFDM符号；其中训练OFDM符号由训练导频符号和0符号组成，用于建立信道估计的初始参数；数据传输OFDM符号由参考导频符号和数据符号组成；信道估计算法采用自适应算法。本发明的方法具有较高的频谱效率，其接收机算法具有较低的运算复杂度。

Description

一种MIMO-OFDM系统的自适应信道估计方法

技术领域：

本发明属于无线通信领域，它特别涉及MIMO-OFDM系统中的信道估计。

背景技术：

未来无线通信系统要求具有更高的频谱效率，以提供高速可靠的数据传输服务。多入多出(MIMO)无线通信系统能显著改善通信系统容量或者通信可靠性，亦可提供二者的折衷。(见文献[L.Zheng，et al，“Diversity and Multiplexing：A Fundamental Tradeoff inMultiple-Antenna Channels，IEEE Trans.On Inform.Theory，vol.49，No.5，pp.1073-1096，May2003])。同时，未来移动通信系统应为宽带系统。宽带系统的典型问题是多径效应，为了简化接收机设计，OFDM调制被认为是一种有竞争力的解决方案，而OFDM用于MIMO系统即MIMO-OFDM系统可以同时获得MIMO和OFDM技术的优势，从而被认为在未来无线通信应用中有广泛的应用前景。(见文献[D.Agrawal，et al.，“Space-time coded OFDM for highdata-rate wireless communication over wideband channels，”in IEEE Vehi.Tech.Conference，vol.3，pp.2232--2236，1998.]和[Y.(G.)Li，et al.，“Transmit diversity for OFDM systems and itsimpact on high-rate data wireless networks，”IEEE J. Select.Areas Commun.，vol.17，pp.1233-1243，July 1999.]

MIMO-OFDM系统的频域信号模型为(如图1，图2所示)：

$Y_i[n,k]=\underset{q=1}{\overset{M_T}{\mathrm{\Σ}}}{H}_{i,q}[n,k]S_q[n,k]+V_i[n,k]i=\mathrm{1,2},\·\·\·,M_R,k=\mathrm{0,1},\·\·\·,N-1---\left(1\right)$

其中S_q[n，k]为第q发射天线在第n个OFDM符号内第k子载波发送的信号；N为正整数，表示OFDM子载波数；令h_i，q[n，l]为第n个OFDM符号内第q发射天线至第i接收天线间第l条多径分量的路径衰落系数； $H_{i,q}[n,k]=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{h}_{i,q}[n,l]e^{-j\frac{2\mathrm{\πkl}}{N}}$ 为信道频率响应其中L为正整数表示信道阶数；V_i[n，k]为零均值加性白高斯噪音的，满足

$E\{V_{i^{\′}}{[n}^{\′},k^{\′}{]V}_i^{*}[n,k\left]\right\}={\mathrm{\σ}}_V^2\mathrm{\δ}[i^{\′}-i]\mathrm{\δ}[n^{\′}-n]\mathrm{\δ}[m^{\′}-m]---\left(2\right)$

其中δ[m-n]在m-n为0时取值为1，其他情况为0。σ_V ²表示噪音方差。

在各种MIMO-OFDM系统中，宽带MIMO时间频率双选择性衰落信道的估计和跟踪是实现接收机最优解码的前提和关键。传统的单发单收(SISO)OFDM系统的信道估计技术取得了丰硕的成果(见Y.(G.)Li，“Pilot-Symbol-Aided Channel Estimation for OFDM inWireless Systems”，IEEE Trans On Vehicular Technology vol..49，no.4，pp1207-1215，July 2000及其参考文献)。近来，MIMO-OFDM系统的信道估计也引起广泛的关注，目前提出的主要的MIMO-OFDM系统信道估计方法主要有：

[1]MMSE准则下适用于判决反馈或最优训练序列的信道估计方案(见文献Y.(G.)Li，“Simplified Channel Estimation for OFDM Systems with Multiple Transmit Antennas”，IEEETrans.On Wireless Comm.，vol.1，pp.67-75，Jan.2002)，

[2]基于导频符号的时域内插方法(见文献K.Lee and D.B.Williamos，”Pilot-Symbol-Assisted Channel Estimation for Space-Time Coded OFDMSystems，”EURASIP Journal on Applied Signal Processing 2002：5，507-516)，

[3]基于子空间等方法的盲信道估计算法(见文献H.Blcskei，et al.，“Blind ChannelIdentification and Equalization in OFDM-Based Multiantenna Systems”，IEEE Trans On SignalProcessing，vol.50，pp96-109，Jan 2002)

上述方法分别适用于不同场合，但是也各具一些显著的缺点。方法[1]具有优化的性能但其计算量大，要求接收机处理能力强，成本高昂，难以实用至实际无线通信系统，其中基于训练序列的方法在快衰落应用场合中要求频繁发送训练序列，导致频谱效率损失很大。方法[2]的典型问题是由于Nyquist采样速率对导频符号间隔的限制，在快衰落场合下其频谱效率损失较大，且其频谱效率损失与发射天线数成正比。方法[3]的典型问题是运算复杂度非常大，且会存在相位模糊等问题，实用价值不高。

发明内容

本发明的目的是提供一种MIMO-OFDM系统信道估计的方法，它具有较高的频谱效率，其接收机算法具有较低的运算复杂度。

为说明方便，特定义以下术语：

训练导频符号：收发两端均已知的符号，由数据帧的第一个OFDM符号(即训练OFDM符号)的特定子载波传送，其作用为使接收机信道估计模块估计使用最小二乘(LS)方法估计信道初值。

参考导频符号：收发两端均已知的符号，由数据帧的第一个OFDM符号后的OFDM符号(即数据传输OFDM符号)的特定子载波传送，用于产生自适应信道追踪算法所需的输入信号向量。

主多径分量选择(STC)：从阶数较大的信道时域脉冲响应估计(由较多的多径衰落系数的估计值组成)中，根据降低估计误差的原则，选择其中较少的多径衰落系数作为信道时域脉冲响应的估计结果，其目的在于减少多径衰落系数，降低参数个数并降低估计误差。其实现方法见Y.(G.)Li，Simplified Channel Estimation for OFDM Systems With MultipleTransmit Antennas，IEEE Trans.On Wirel.Comm.Vol.1，pp.67-75，Jan.2002及其参考文献。

信道脉冲响应截短：从阶数较大的信道时域脉冲响应估计(由较多的多径衰落系数的估计值组成)中，按照缩短信道脉冲响应长度的原则，从时延最短的多径衰落系数开始，提取时延短的特定数目的多径衰落系数作为信道脉冲响应的估计。

最小均方算法(LMS算法)：一种基于最小均方误差准则(MMSE)的典型的自适应算法，其实现可参照文献Simon Haykin Adaptive Filter Theory，Third edition，Prentice Hall1998。

迭代最小二乘算法(RLS算法)：一种基于最小二乘准则(LS)的典型的自适应算法，其实现可参照文献Simon Haykin Adaptive Filter Theory，Third edition，Prentice Hall 1998。

QR-RLS算法：一种RLS算法的实现方法，其实现可参照文献Simon Haykin AdaptiveFilter Theory，Third edition，Prentice Hall 1998。

本发明的一种新的自适应MIMO-OFDM信道估计方法，其特征在于它包含发端步骤和收端步骤：

所述发端步骤按照步骤1和步骤2进行：

步骤1：引入训练导频符号和参考导频符号以形成数据帧结构

对任意发射天线，按照分帧方式传送数据，每帧包含N_t(N_t为正整数)个OFDM符号；帧内第一个OFDM符号为训练OFDM符号(n＝0，n表示OFDM符号序号)；帧内训练OFDM符号后N_t-1个OFDM符号为数据传输OFDM符号(n＝1，2，…，N_t-1)。(如图3所示)；按照下述方法插入训练导频符号和插入参考导频符号：

插入训练导频符号：在训练OFDM符号中，对于第q(其中q＝1，2，…，M_T，M_T表示发射天线数，为正整数)发射天线，其第一个传送训练导频符号的子载波号为q-1，其后每隔D_f0个子载波插入一个训练导频符号；对该发射天线，在非训练导频符号子载波处，传送幅度为0的0符号；(如图4所示)。

插入参考导频符号：在任意数据传输OFDM符号中，所有发射天线使用相同的子载波传送参考导频符号；对任意发射天线，传送第1个参考导频符号的子载波序号为k₀(0≤k₀＜D_f1，D_f1为正整数)，其后每隔D_f1个子载波插入一个参考导频符号；对任意发射天线，在非参考导频符号子载波处，传送空时编码输出的数据符号。(记其传送参考导频符号的子载波序号为k_p，其中p＝0，1，…，P-1，

步骤2：按照步骤1形成的帧结构发送。

所述收端步骤按照下述阶段1和阶段2进行：

阶段1：在每帧的训练OFDM符号处估计信道，以获取本帧内用于数据传输期间自适应信道追踪的初始参数，按照A、B和C三个步骤顺次进行：

步骤A：用最小二乘(即LS)估计获取当前信道所有训练导频符号子载波的频率响应的估计值；

步骤B：对步骤A的结果，使用频域->时域变换估计所有发射天线至所有接收天线间信道脉冲响应(记其信道脉冲响应中，第n个OFDM符号中第q发射天线至第i接收天线间第l条多径分量多径衰落系数的估计为

其中0≤l≤N-1)。其中i＝1，2，…，M_R，M_R为接收天线数。

步骤C：获取信道主多径分量延迟时间并提取主多径分量衰落系数：

利用步骤B中计算结果，使用信道脉冲响应直接截短法或者主多径分量选择(STC)法，对任意发射天线q至任意接收天线i之间的信道，从其信道多径衰落系数 中选择 ( 为正整数)条主多径，存储其延迟时间(以采样周期为单位)为

和相应路径的衰落系数 其中 $\stackrel{\↔}{l}=\mathrm{1,2},\·\·\·\stackrel{\↔}{L}.$

阶段2：数据传输期间自适应信道追踪：

对帧内的第n(n＝1，2，…，N_t-1)个数据传输OFDM符号，对其中任一接收天线i，使用如下信道估计方法(对所有接收天线重复下述步骤A、B和C)：

步骤A：设置自适应信道跟踪算法初值：

设置自适应信道估计初值为第n-1个OFDM符号信道估计的终值：

其中： 表示第n个OFDM符号内，经过p次迭代后，所有发射天线至接收天线i之间信道的估计结果， 表示第n个OFDM符号中，经过P次迭代后，所有发射天线至接收天线i之间信道估计的最终的结果，其中

步骤B：自适应信道跟踪：

任意参考导频符号子载波均对应于自适应算法的一次迭代，对任意的p(0≤p≤P-1，P为参考导频符号个数)：

自适应算法的参考信号为Y_i[n，k_p](第n个OFDM符号期间第i接收天线第p个参考导频子载波处的接收信号)，其中k_p为传送第p个参考导频符号的子载波序号；

自适应算法的输入信号向量w_p[n]为：

$w_p\left[n\right]=\left[w_{1,p}^T\right[n],w_{2,p}^T[n],\·\·\·,w_{M_T,p}^T[n]{]}^T---\left(6\right)$

其中

表示第n个数据传输OFDM内第q发射天线的第p个参考导频符号的值，接收端已知该值；

自适应信道估计：可采用典型的自适应算法(包括LMS算法，RLS算法和QR-RLS算法中的任何一种)调整

在当前数据传输OFDM符号内，迭代共进行P次(P为每个OFDM符号中参考导频符号的个数)，得到

作为本OFDM符号内的时域信道估计的结果，即

步骤C：利用步骤B自适应信道估计的结果估计所有信道子载波频率响应

按照(4)和(5)式组合的次序，拆分

得到所有发射天线至接收天线i间的信道各主要多径分量的估计。记第q发射天线至第i接收天线间主多径分量的估计值为使用傅立叶变换(或者FFT)后得到第n个OFDM符号期间第q发射天线至第i接收天线间信道第k子载波频域信道估计。

需要说明的是，本发明方案的实现是在导频符号的插入和接收端处理算法上使用本发明所提出的方法的基础上，采用典型基于导频符号辅助信道估计的MIMO-OFDM系统的方法实现。

本发明设计基本原理：

1)对于不同发射天线，在训练OFDM符号处采用不同子载波传送训练导频信号，可以将MIMO信道转换为多个独立而相互正交的SISO信道，因而借助于简单的LS方法估计训练符号处的所有天线对间的信道响应；

2)多径信道所有多径分量经历不同的衰落和噪音干扰，因此剔除信噪比低的多径分量能有效改善信道估计的准确性。

3)传统的基于训练的信道估计器只适合于信道时变速度低的场合，而借助于分布插入地训练导频符号和参考导频符号的信道估计方法可以有效跟踪时变信道。

4)最优信道估计器往往需要有信道的统计特性作为先验信息，这在实际应用中往往需要训练的时间开销，而自适应信道估计可以避免这一要求。另外自适应信道估计也避免了最优信道估计在信道统计特性变化时的性能恶化问题。

5)自适应算法需要有一定数量的参考信号才能收敛，同时信道响应在连续地OFDM符号之间是连续变化的，因而将上一OFDM符号的信道估计结果作为当前OFDM符号自适应估计的初值能降低所需的参考数据数，从而可以避免频谱效率的恶化。

本发明的创新之处在于：

1)发送数据由2部分组成，信道估计亦分为2个阶段：发送数据分为训练OFDM符号和数据传输OFDM符号(如图3所示)。其中训练OFDM符号由训练导频符号和0符号组成，用于建立信道估计的初始参数；数据传输OFDM符号由参考导频符号和数据符号组成。本发明中参考导频符号与传统的导频符号的区别在于其作用是用于产生自适应信道估计算法的输入信号，以自适应追踪时变的宽带信道(注意：而非用于和插值方法相结合以估计信道频率响应)。关于参考导频符号的另外一个显著的优点是，不同发射天线的参考导频符号占据相同的子载波，因而使参考导频符号引起的频率开销与发射天线数无关，且不需要特殊设计。其训练导频符号和参考导频符号的插入图案如图4所示。

2)信道估计算法采用自适应算法：自适应算法具有能随着信道变化而动态跟踪信道参数的功能，具有无需信道统计特性、计算量小等特点。

本发明具有以下优点：

1)信道估计使用训练OFDM符号作为信道估计的初值，加快自适应信道估计算法的收敛速度；

2)数据传输OFDM符号期间所有发射天线使用相同子载波传送参考导频符号；且其作用是用于产生自适应算法的输入信号和参考信号而非用作插值，具有高频谱利用率；

3)采用自适应算法跟踪信道，无需信道统计特性；

4)信道追踪在时域进行；

5)本发明方法可以采用主多径分量选择技术以降低信道估计初值的误差，并能减少需要追踪的信道参数的个数，从而降低运算量并提高估计准确度。

附图说明

图1是典型的MIMO-OFDM系统发射框图

其中S_q[n，k]为第n OFDM符号期间第q发射天线第k子载波传送的信号； 为第n个OFDM符号期间第q发射天线第 采样时刻传送的时域信号；n表示一帧内OFDM符号的序号(n为整数，0≤n＜N_T)，k表示OFDM子载波序号(k为整数，0≤k＜N，N表示OFDM子载波总数)， 表示采样时刻( 为整数， $-N_g\&le;\tilde{m}<N,$ 其中N_g表示OFDM循环前缀采样点数)。其中的帧形成模块完成插入训练符号和导频符号的功能，本发明中，帧形成模块需插入特殊的训练导频符号和参考导频符号。

图2是典型的MIMO-OFDM接收机框图

其中

表示第n个OFDM符号期间第i根接收天线第

时刻接收到的采样信号，Y_i[n，k]为接收机第n个OFDM符号期间第i接收天线第k子载波分离出来用于空时解码的解码器输入信号；其中i为正整数，1≤i≤M_R，M_R为接收天线数；其中的信道估计模块使用从接收信号中提取的导频符号估计MIMO信道频率响应。

图3是本发明的数据传输帧结构

每一帧内共有N_t个OFDM符号，其中第一个(n＝0)OFDM符号为训练OFDM符号，其后共N_t-1个OFDM符号为数据传输OFDM符号(n＝1，2，…，N_t-1)。

图4是本方案设计的训练导频符号、参考导频符号图案

图中给出了发射天线q(其中q＝1，2，…，M_T，M_T为发射天线数)的训练导频符号和参考导频符号的构成图案；图中第一列表示训练OFDM符号，其余共N_t-1列表示数据传输OFDM符号；n表示OFDM符号的序号，0≤n≤N_t-1)，k表示子载波序号，0≤k≤N-1，N_t为每帧OFDM符号个数；D_f0为训练OFDM符号中，任意发射天线二相邻训练导频符号子载波间隔；D_f1为任意发射天线数据传输OFDM符号中二相邻参考导频符号的子载波间隔；

表示训练导频符号，

表示参考导频符号，

表示数据符号， 表示0符号。

图5是本发明信道自适应追踪方案示意图

根据当前OFDM符号的类型，当为帧内第一个OFDM符号即训练OFDM符号时，使用最小二乘(LS)算法估计当前信道响应并选择主多径分量，这位接收端处理的第一个阶段；当当前OFDM符号为数据传输OFDM符号时，进入接收端信道估计第二阶段，即使用自适应信道跟踪算法跟踪信道。

图6是使用本发明方案信道估计的系统性能仿真举例

图中给出了使用本发明方案的一个特例的误比特率(BER)计算机方针性能曲线，其中SNR表示信噪比，esti表示使用本发明方法估计的结果，ideal表示理想信道估计的结果。自适应算法采用的是LMS算法。图中给出了下述具体实施方式中参数选择下的系统误比特率性能。其中的虚线为理想信道估计性能，实线为本文方案的性能。

具体实施方式

下面以给出一个具体的MIMO-OFDM配置下，本专利的实现步骤。本例中的参数并不影响本发明的一般性。

发端处理步骤：

步骤A：引入训练导频符号和参考导频符号以形成数据帧结构

对每一根发射天线，数据传输按照分帧方式传送；每帧第一个OFDM符号为训练OFDM符号；其后为数据传输OFDM符号；每一帧包含的OFDM符号个数为N_t＝40。

训练导频符号位于训练OFDM符号中，不同发射天线采用不同子载波传送训练导频符号。(如图(4)所示)。其第q发射天线第p训练导频符号分配的子载波为 k_q，p：

k_q，p＝q-1+pD_f0，p＝0，1，…， P-1，q＝1，2，…，M_T

其中

为训练OFDM符号处单个发射天线发射的训练导频符号个数；其中q为发射天线序号，1≤q≤M_T，本例中选择发射天线数M_T＝2，OFDM调制载波数为N＝1024；训练OFDM符号中非训练导频符号处传送幅度为0的0符号，

在任意数据传送OFDM符号中，所有发射天线均采用相同的子载波传送参考导频符号。用于传送参考导频符号的子载波的序号为：

             k_p＝pD_f1+k₀，p＝0，1，…，P-1

其中共有参考子载波个数为 其中本例中选择D_f1＝16，k₀＝0。在其它子载波处传送空时网格编码的编码结果。

步骤B：按照步骤A的帧结构发送；

信道估计在接收端进行；按照阶段1和阶段2两个阶段进行：

阶段1：在每帧的训练OFDM符号处估计信道，以获取本帧内用于数据传输期间自适应信道追踪的初始参数，按照A、B和C三个步骤顺次进行：

步骤A：用最小二乘(即LS)估计获取当前信道所有训练导频符号子载波的频率响应的估计值：

其中

为发射天线q至接收天线i处第 k_q，p子载波处的频率响应的估计，Y_i[n， k_q，p]为第n个OFDM符号内第i接收天线第 k_q，p子载波接收信号；S_q[n， k_q，p]为第q发射天线在第 k_q，p个子载波传送的已知的训练信号；其中i为接收天线序号，1≤i≤M_R，本例中选择M_R＝2。

步骤B：使用频域->时域变换估计所有发射天线至所有接收天线间信道脉冲响应：

其中：

为帧内第n个OFDM符号处，第q发射天线至第i接收天线间信道脉冲响应的估计，为相应的帧内第n个OFDM符号处，第q发射天线至第i接收天线间信道第l条路径多径系数的估计；

为由每根发射天线 P个训练导频按照步骤A估计的频域信道(在第n个OFDM符号期间的第q发射天线至第i接收天线频域信道系数)。W_q为与第q发射天线相关的 P×N维变换矩阵，其第u行第v列元素为：

${\left[W_q\right]}_{u,v}=e^{\frac{-j2\mathrm{\&pi;}}{N}(q-1+(u-1)D_{f0})(v-1)}$

其中q为发射天线序号，1≤q≤M_T，u＝1，2，…， P，v＝1，2，…，N。

步骤C：获取信道主多径分量延迟时间并提取主多径分量衰落系数

利用步骤B中计算结果，按照主多径分量选择(STC)法，对任意发射天线q至任意接收天线i之间的单发单收(SISO)信道，从其信道多径衰落系数

(其中0≤l≤N-1)中选择选择

较大的 条主多径，记录其延迟时间(以采样周期为单位)为(第q发射天线至第i接收天线之间)，相应路径的衰落系数

本例中主多径分量选择 $\stackrel{\&LeftRightArrow;}{L}=6.$

阶段2：数据传输期间自适应信道追踪：

在接收数据传输OFDM符号时(n＝1，2，…，N_T-1)，对其中任一接收天线i，信道估计方法如下(所有接收天线均需要重复下述A、B和C三个步骤)：

步骤A：设置自适应信道跟踪算法初值：

将所有发射天线至接收天线i之间信道估计结果(实际操作时应存储于接收端存储器)记为以下向量：

其中

为第n个OFDM符号中，第q发射天线至第i接收天线之间SISO信道主多径衰落系数的估计值组成的向量。当接收机处理，第1个数据传输OFDM符号时(n＝1)， 由阶段1的步骤C得到；其它的数据传输OFDM符号中(n＝2，3，…，N_t-1)，(7)式的值由对第n-1个OFDM符号期间信道自适应追踪的结果得到。此时，设置信道估计初值为上一个OFDM符号信道估计的终值：

其中

表示第n个OFDM符号内第i接收天线经过p次迭代后的估计结果， 为相应的第n个OFDM符号自适应估计最终的结果，即自适应算法迭代P次后的结果。

步骤B：自适应信道跟踪：

这里采用LMS算法实现信道的自适应追踪。

对任意的p(p＝0，1，…，P-1)(即在任意数据传输OFDM符号内，对所有参考导频符号子载波)：

LMS算法参考信号为Y_i[n，k_p](第n个OFDM符号期间第i接收天线第p个参考导频子载波处的接收信号)，自适应算法的输入信号向量由已知的参考导频信号结合参考导频子载波位置、主多径分量延迟时间得到，产生方法为：

LMS算法在第p次迭代时的输入信号向量w_p[n]构造为：

$w_p\left[n\right]=\left[w_{1,p}^T\right[n],w_{2,p}^T[n],\&CenterDot;\&CenterDot;\&CenterDot;,w_{M_T,p}^T[n]{]}^T$

其中 表示第n个数据传输OFDM内第q发射天线的第p个参考导频符号的值，接收端已知该值；

由阶段1的步骤C选择。在当前数据传输OFDM符号内，迭代共P＝64次，得到 作为本OFDM符号内的时域信道估计的结果。

LMS算法的实现信道追踪的方法为：对所有的p＝0，1，…，P-1，迭代计算：

$e[n,p]=Y_i[n,k_p]-w_p^T\left[n\right]{\tilde{h}}_i[n,p]$

${\tilde{h}}_i[n,p+1]={\tilde{h}}_i[n,p]+2\mathrm{\&mu;}{w}_p^{*}\left[n\right]e[n,p]$

其中：μ为步长因子，选择依据为使算法收敛且具有较小的估计误差，本例中LMS算法步长因子取为μ＝0.02。

步骤C：利用步骤B自适应信道估计的结果估计所有信道子载波频率响应

由 拆分得到所有发射天线至接收天线i间的信道各主要多径分量的估计为

其中

为该主多径延迟时间的估计值(以采样周期为单位)， $\stackrel{\&LeftRightArrow;}{l}=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,\stackrel{\&LeftRightArrow;}{L}.$ 则经傅立叶变换后得到第n个OFDM符号期间第q发射天线至第i接收天线间信道第k子载波频域信道估计

为：

其中k表示子载波的序号(其取值范围为0≤k＜N-1)。本例中频谱效率损失为 $\mathrm{\&xi;}=\frac{N+(D_t-1)P}{D_{t}N},$ 即8.6％。图6给出了使用本发明方案的一个特例的误比特率(BER)计算机方针性能曲线，仿真结果显示，在较高信噪比时，本实施例中信噪比损失为1dB左右。

Claims (1)

1、一种新的自适应MIMO-OFDM信道估计方法，其特征在于它包含发端步骤和收端步骤：

所述发端步骤按照步骤1和步骤2进行：

步骤1：引入训练导频符号和参考导频符号以形成数据帧结构

对任意发射天线，按照分帧方式传送数据，每帧包含N_t(N_t为正整数)个OFDM符号；帧内第一个OFDM符号为训练OFDM符号(n＝0，n表示OFDM符号序号)；帧内训练OFDM符号后N_t-1个OFDM符号为数据传输OFDM符号(n＝1，2，…，N_t-1)；按照下述方法插入训练导频符号和插入参考导频符号：

插入训练导频符号：在训练OFDM符号中，对于第q(其中q＝1，2，…，M_T，M_T表示发射天线数，为正整数)发射天线，其第一个传送训练导频符号的子载波号为q-1，其后每隔D_f0个子载波插入一个训练导频符号；对该发射天线，在非训练导频符号子载波处，传送幅度为0的0符号；

插入参考导频符号：在任意数据传输OFDM符号中，所有发射天线使用相同的子载波传送参考导频符号；对任意发射天线，传送第1个参考导频符号的子载波序号为k₀(0≤k₀＜D_f1，D_f1为正整数)，其后每隔D_f1个子载波插入一个参考导频符号；对任意发射天线，在非参考导频符号子载波处，传送空时编码输出的数据符号；(记其传送参考导频符号的子载波序号为k_p，其中p＝0，1，…，P-1，

步骤2：按照步骤1形成的帧结构发送；

所述收端步骤按照下述阶段1和阶段2进行：

阶段1：在每帧的训练OFDM符号处估计信道，以获取本帧内用于数据传输期间自适应信道追踪的初始参数，按照A、B和C三个步骤顺次进行：

步骤A：用最小二乘(即LS)估计获取当前信道所有训练导频符号子载波的频率响应的估计值；

步骤B：对步骤A的结果，使用频域—>时域变换估计所有发射天线至所有接收天线间信道脉冲响应(记其信道脉冲响应中，第n个OFDM符号中第q发射天线至第i接收天线间第l条多径分量多径衰落系数的估计为

其中0≤l≤N-1)；其中i＝1，2，…，M_R，M_R为接收天线数；

步骤C：获取信道主多径分量延迟时间并提取主多径分量衰落系数：

利用步骤B中计算结果，使用信道脉冲响应直接截短法或者主多径分量选择(STC)法，对任意发射天线q至任意接收天线i之间的信道，从其信道多径衰落系数

中选择

(

为正整数)条主多径，存储其延迟时间(以采样周期为单位)为l_i，q，1，l_i，q，2，…， 和相应路径的衰落系数

其中 $\stackrel{\&RightArrow;}{l}=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,\stackrel{\&RightArrow;}{L};$

阶段2：数据传输期间自适应信道追踪：

对帧内的第n(n＝1，2，…，N_t-1)个数据传输OFDM符号，对其中任一接收天线i，使用如下信道估计方法(对所有接收天线重复下述步骤A、B和C)：

步骤A：设置自适应信道跟踪算法初值：

设置自适应信道估计初值为第n-1个OFDM符号信道估计的终值：

其中： 表示第n个OFDM符号内，经过p次迭代后，所有发射天线至接收天线i之间信道的估计结果，

表示第n个OFDM符号中，经过P次迭代后，所有发射天线至接收天线i之间信道估计的最终的结果，其中

步骤B：自适应信道跟踪：

任意参考导频符号子载波均对应于自适应算法的一次迭代，对任意的p(0≤p≤P-1，P为参考导频符号个数)：

自适应算法的参考信号为Y_i[n，k_p](第n个OFDM符号期间第i接收天线第p个参考导频子载波处的接收信号)，其中k_p为传送第p个参考导频符号的子载波序号；

自适应算法的输入信号向量w_p[n]为：

$w_p\left[n\right]={\left[w_{1,p}^T\right[n],w_{2,p}^T[n],\&CenterDot;\&CenterDot;\&CenterDot;,w_{M_T,p}^T[n\left]\right]}^T----\left(4\right)$

其中

表示第n个数据传输OFDM内第q发射天线的第p个参考导频符号的值，接收端已知该值；自适应信道估计：可采用典型的自适应算法(包括LMS算法，RLS算法和QR-RLS算法中的任何一种)调整

在当前数据传输OFDM符号内，迭代共进行P次(P为每个OFDM符号中参考导频符号的个数)，得到

作为本OFDM符号内的时域信道估计的结果，即

步骤C：利用步骤B自适应信道估计的结果估计所有信道子载波频率响应

按照(2)和(3)式组合的次序，拆分

得到所有发射天线至接收天线i间的信道各主要多径分量的估计；记第q发射天线至第i接收天线间主多径分量的估计值为 使用傅立叶变换(或者FFT)后得到第n个OFDM符号期间第q发射天线至第i接收天线间信道第k子载波频域信道估计。

Images