论文部分内容阅读
无线移动通信的信道非常复杂,使无线通信系统的性能有很大的局限性。发射机和接收机之间的多径问题,以及快速运动的移动终端在接收信号时产生的多普勒效应,引起接收信号的幅度和相位都有很大的变化,就是通常所说的衰落。也正是由于深度衰落的影响,严重的限制了通信系统的性能,需要出现更好的调制、编码、功率控制等方法,更有效的应用于衰落信道。A.J.Glodsmith 和 S.G..Chua 等人研究了一些新的自适应传输技术,例如自适应调制、自适应编码、自适应功率控制,自适应天线阵列系统等。这些自适应传输方法,都是通过瞬时监视信道条件,来调整调制水平、符号率、码率、传输功率等级、传输天线增益或者与这些参数相关的一些方面。它们都是尽量在不牺牲误码率性能的同时,更有效的利用功率和频谱,来实现更高的信息传输速率。 实际中,为了实现自适应传输方法,传输过程中的信道状态信息(CSI)必须是可知的。通过接收机一端,可以获得的过去一段时间衰落信道系数的采样,用信道预测算法来预测未来的一段时间间隔内,衰落信道系数将会怎样的变化,然后通过反馈信道传输给发射机,发射机根据数据传输时将会出现的信道状态信息,来确定发射功率,调制方法,编码方法和传输天线等一些问题,来适应当时的传输条件。这样,发射机就可以优化的进行传输,随之而来也就提高了通信的质量。 本文首先介绍了课题的意义,发展现状和一些基础理论知识。主体部分以及主要工作,就是对当前的信道预测算法的改进。主要分成两大部份:第一部分就是对常用信道预测算法 ESPRIT 算法的改进部分,第二部分是自适应子空间追踪算法的研究。改进算法有1. 基于采样数据共轭重排的 C-ESPRIT 算法 这种方法的基本思想是:原 ESPRIT 算法仅仅利用了采样数据本身,忽略了采样数据是复数的事实,再次利用采样数据的共轭数据,来参与自相关函数的运算,保证计算量不变的同时提高算法的准确度和精确度。 70<WP=76>吉林大学硕士学位论文2. 基于数据预处理的 SS-ESPRIT 和 MSS-ESPRIT 算法 基本 ESPRIT 算法是目前常用的几种算法(例如最大熵算法(MEM),长距离预测(LRP)算法)中性能最好的一种算法,它的主要缺点是进行奇异值分解(SVD)或特征值分解时运算量较大,限制了算法的实时应用。针对基本 ESPRIT 的这一不足,可以想办法减少奇异值或特征值分解的阶数,提出了 SS-ESPRIT 和 MSS-ESPRIT 算法。其中 SS-ESPRIT 是应用空间平滑技术的 ESPRIT 方法,空间平滑的基本思想是将用Rcc = CCH 方法估计的采 ?样数据自相关矩阵进行重新分块并且组合,得到阶数较少的采样数据自相关矩阵的估计,再对其进行特征值分解。显然这种算法能够减少特征值分解时候的运算量,但是要以牺牲运算精度为代价;而 MSS-ESPRIT 算法实质上是利用了前两个改进方法的优点,它将采样数据共轭重排和空间平滑技术相结合,形成了双向平滑技术,仿真实验证明,MSS-ESPRIT 算法的性能非常好,在减少了运算量(特征值分解的阶数)的同时,也提高了预测的预测性能。3. 子空间追踪算法 在以往的所有信道预测方法中,都是采用标准的平稳杰克模型,它由几个复数正弦信号的和组成。重要的是假定模型中的参数幅度 An、多普勒频移fn 和相位φn 都是固定不变的。然而实际中,这些参数都是缓慢变化着的,这些非平稳的变化会严重的恶化信道预测性能,为了克服这一不足,采用了自适应子空间追踪同 ESPRIT 算法相结合的方法。这种算法的优点是:首先,子空间追踪算法解决了标准杰克衰落模型中,多普勒频移 fn 的变化带给传统信道预测算法性能的恶化问题,这样信道预测算法能够适合更多的应用场合;其次,它采用的是一种自适应的方法,而基本 ESPRIT 算法是批处理的算法,运算量很大,子空间追踪算法和基本 ESPRIT 算法比起来,在准确度和精度基本相当的情况下,运算量会减少很多,更有利于进行实时应用;再次,还对现有的子空间追踪算法 FAST 和 FAST2 进行了改进,提出了 MFAST和 MFAST2 算法,仿真实验和统计数字表明,它们比原有的子空间追踪算法FAST 和 FAST2 算法不仅减少了运算量,同时也提高了预测的准确性和精确性,加快了收敛速度,更适合于多普勒频移 fn变化严重的场合,是两种非常好的算法。 还给出了信道预测算法在自适应传输技术中自适应调制的应用。自适应 71<WP=77>摘 要调制的基本思想就是:预测传输时刻的信道状态信息,根据信道将要发生的条件来选择调制的具体方法。这样,总体来说在保证了误码率要求的同时,提高了带宽效率,是一种很好的自适应传输方法。最后总结了本次论文的全部工作内容,指出了本次论文中信道预测算法的成绩和不足之处,对今后的信道预测算法工作重点进行了展望。