基于矩阵分解的MIMO-OFDM半盲信道估计算法设计与实现

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:kllllllll
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在第三代移动通信系统中,MIMO系统采用多天线多接收技术能够在不增加系统平均功率和带宽的情况下成倍的增加系统的信道容量,并且与传统的SISO系统相比,在使用相同的总功率和带宽的条件下MIMO系统具有较高的频谱利用率。OFDM技术则是应用了相邻子载波之间正交性的特点,大大减小了无线信道中频率选择性衰落的影响。为了能够在接收端正确的进行分集合并、相干检测以及信道解码,准确的信道估计是必须的,因此信道估计一直以来都是MIMO-OFDM系统的研究热点。为了解决MIMO-OFDM系统信道估计问题,目前提出了三类信道估计算法:一类是利用导频或训练序列来实现的非盲信道估计方法,一类是完全依靠接收信号的统计特性的盲信道估计方法,还有一类是结合了前两类方法的优点,利用少量导频或训练序列并结合接收信号的统计特性的半盲信道估计方法。本文首先阐述了MIMO-OFDM系统信道估计的研究背景和意义,包括常见的三类信道估计算法的介绍以及MIMO-OFDM系统信道估计的意义,接下来文章主要阐述了OFDM技术的基本原理以及MIMO-OFDM系统的基本结构。文章重点研究了一种多用户多天线(MUMA)系统,并以此系统为模型研究了两种半盲信道估计算法:基于WR分解的改进算法以及基于NLMS的自适应改进算法。通过计算机仿真实验可以看出,相比于传统的LS、MMSE等信道估计算法,基于WR分解的改进算法可以更好的跟踪无线信道的冲击响应。最后,在原有系统模型的基础下,文章进一步研究了自适应信道估计算法,通过计算机仿真实验和理论推导两个方面详细研究了基于NLMS的改进算法在加快收敛速度和改善计算复杂度等方面的优势。
其他文献
随着无线通信技术的快速发展,各种多媒体数据业务的需求急剧增加,频谱资源越来越紧缺。研究表明,大规模天线技术(Massive MIMO)技术具有在同一时频资源上以更低的功率消耗、
近年来,随着全球范围内移动通信技术的不断发展,无线通信已经从以话音业务为代表的第一代(1G)发展到以高速移动数据业务为代表的第四代(4G),目前4G已被大规模商用。但是随着
随着全球无线通信技术的高速发展,无线通信的安全问题日趋严重,影响着数亿用户的信息与财产安全。传统的无线安全认证方案,采用的是基于数学难解问题的加密算法,极其依赖于计
认知无线电技术,是为了解决无线频谱资源短缺以及通信标准的多样化等问题提出的有效方案。在认知无线电网络系统中,主用户的优先级别最高,次用户只有在主用户未占用信道的空
随着各种无线新技术的快速发展,特别是未来无线通信宽带化的发展趋势,有限的频谱资源变得越来越稀缺宝贵,而如何有效的解决频谱资源匮乏这个难题显得十分重要和紧迫。鉴于传
Digital Mobile Radio(DMR)和digital Private Mobile Radio(dPMR)是欧洲电信标准协会(ETSI)分别于2005和2006年开始提出的最新的全球性开放式数字无线电标准。DMR采用4FSK调
随着多媒体通信和信息处理技术的发展,人们对图像质量的要求越来越高。然而,受通信带宽的限制(如无线条件下),获得的图像的质量往往很低,难以满足人们的需要。图像插值技术能
在虚拟社区中,用户可以依据自己的兴趣爱好创建群组或者社区,在这些社区中,用户可以互相交流、获取自己所感兴趣的信息。用户也可以加入到别人已经创建的社区中去。如今,互联
软件定义网(SDN)为传统网络的发展瓶颈提供了一种解决方案,其最大的改变在于将数据面与控制面相分离,通过SDN协议来连接网络应用与基础设备,通过控制器(Controller)对网络进
移动云计算是一种将移动互联网与云计算相结合的新技术,其典型的应用场景就是移动端数据分流。用户可以通过数据分流将移动端的计算密集型任务迁移到云端来改善其移动端的CPU