论文部分内容阅读
正交频分复用(OFDM)具有较高的频谱利用率和良好的抗频率选择性衰落特性,已被确定为第四代移动通信系统的核心技术。随着人们对通信数据化、宽带化、移动化和个人化的不断需求,OFDM技术也在通信领域得到越来越广泛的应用。OFDM系统通常采用多进制调制技术,接收端需要通过信道估计获得信道状态信息进行相干解调,因此信道估计是OFDM系统的关键技术之一。OFDM系统中,信道估计的算法主要可分为三类：基于导频辅助调制的信道估计算法、盲信道估计算法和半盲信道估计算法。近些年国内外学者提出了一种新的半盲信道估计算法——基于叠加训练序列(Superimposed Training Sequence)的信道估计方法。本文针对基于叠加训练序列的信道估计方法做了深入的研究和分析。论文主要研究内容如下：1.研究基于叠加训练序列的时域统计平均法和频域统计平均法。仿真结果得出：使用同一种训练序列时,时域统计平均法相对于频域统计平均法有更高的系统功率利用率和更好的系统性能；使用不同的训练序列时,时域统计平均法采用在时域内具有恒模性质的训练序列可取得最好的系统性能,频域统计平均法采用在频域内具有恒模性质的训练序列可取得最好的系统性能；当信道为快时变信道时,统计平均法的估计性能很差,因此统计平均法只适用于估计不变或慢时变信道。2.对基于迭代判决的叠加训练序列信道估计算法中的一种APSB (added pilot semi-blind)算法提出了改进。改进算法使用每次迭代的信道估计值求解信道相关矩阵。仿真结果表明：改进算法不依赖于信道特性,具有一定的健壮性。3.提出了一种基于选择性叠加训练序列的OFDM信道估计方法。该方法在系统发送端,使用几个相互独立的训练序列分别与数据序列叠加,选择其中PAR性能最好的合成序列用于传输,接收端利用相应的训练序列进行信道估计。仿真结果表明：该方法即能取得良好的信道估计性能,又有效地降低了系统峰均比,且不增加系统接收端的复杂度。