论文部分内容阅读
多输入多输出正交频分复用(MIMO-OFDM)系统不仅能使信道容量明显增加,同时具有很高的数据传输速率,从而受到广泛研究。信道估计技术是接收机的关键组成部分,并且为系统接收端的相干信号检测、信道均衡和空时译码提供重要依据。因此,本文在分析MIMO-OFDM系统模型和信道估计技术的基础上,主要研究基于子空间的盲及半盲信道估计算法和基于Whitening-Rotation(WR)矩阵分解的半盲信道估计算法。结合最小二乘(LS)信道估计方法和基于子空间的盲信道估计方法,本文提出一种新的仅使用少量接收符号块的基于子空间的半盲信道估计方法,该改进算法首先利用接收信号的循环特性,用少量符号块重新构造自相关矩阵,然后根据信号子空间和噪声子空间的正交性获得盲信道响应,最后用LS方法估计模糊矩阵来获得半盲信道响应;仿真实验证实,该算法在2根发射天线、3根接收天线的MIMO-OFDM系统中,只需要5个MIMO-OFDM符号块就能达到较好的估计效果,当SNR=20dB时,与使用大量符号块(128个)进行估计的常规子空间算法相比,归一化均方误差(NRMSE)降低65%,提高性能的同时减少了所需符号块数,且频谱利用率提高28.23%,可实现MIMO-OFDM系统中多径环境下的精确信道估计。为了降低基于Whitening-Rotation分解的信道估计算法的计算复杂度以及克服WR分解算法只适合平坦衰落信道的局限性,本文提出了一种适用于多径衰落信道下基于WR矩阵分解的MIMO-OFDM系统半盲信道估计算法,该算法先重构接收信号矩阵,再通过求解白化矩阵和归一化正交矩阵实现信道估计,为了降低复杂度,采用紧缩近似投影子空间跟踪(PASTd)方法,通过RLS迭代求解白化矩阵,再利用IGML方法估计正交矩阵。求解白化矩阵W时,PASTd方法的计算复杂度为O (Nr(L+1)Nt),奇异值(SVD)分解法的计算复杂度为O (N3r);从而本文改进算法与采用SVD分解法求解白化矩阵的信道估计算法相比具有较低的计算复杂度,且能较精确地跟踪实际信道,其归一化均方误差性能优于LS算法,仿真结果验证了该算法的有效性和可行性。