论文部分内容阅读
多输入多输出(MIMO:Multiple-Input Multiple-Output)技术和正交频分复用(OFDM:Orthogonal Frequency Division Multiplexing)技术相融合的MIMO-OFDM是下一代宽带无线通信系统的框架技术。低峰值平均比(PAPR: Peak-to-Average Power Ratio)、高数据传输率、高传输质量和高速移动性对MIMO-OFDM系统的传输和信号检测提出了非常严格的要求。针对以上问题,论文重点研究了MIMO-OFDM系统的峰均比降低、信道估计和信号检测优化技术。论文提出了协同分组SLM算法和协同隔块优化PTS算法。利用STBC MIMO系统的空间分集特性,改善MIMO-OFDM系统的峰均比性能,和传统的SLM算法及PTS算法相比,改进算法在改善PAPR性能的同时计算复杂度大大降低。分析了慢衰落信道中基于导频序列的MIMO-OFDM信道估计模型和估计方法,根据最小二乘准则,分别推导了频域和时域的最优导频序列设计方法。在此基础上提出了一种改进的频分-相移联合导频序列设计方法,解决了传统时域导频序列对发射天线数的限制问题,在发射天线数较多的情况下能够同时实现最佳MSE性能和最优峰均比特性。研究了低复杂度的MIMO-OFDM信号检测方法,提出了排序判决反馈辅助的格约减检测算法,根据量化误差的大小选择信号判决的顺序,通过判决反馈加强对变换星座边界的控制,提高判决的准确性,该算法能够以多项式级的计算复杂度获得逼近最优检测算法的性能。论文探索了低复杂度、性能达到或接近最优的MIMO迭代检测算法——基于马尔可夫链蒙特卡罗(MCMC:Markov Chain Monte Carol)方法的信号检测算法,它通过Gibbs采样获得发射比特列表,估计各比特的后验概率,能够以较低的复杂度取得较好的检测性能。针对传统MCMC算法马尔可夫链收敛慢和高信噪比时的“陷入”问题,论文提出了一种改进的MCMC算法,它能有效解决以上两个问题,改善系统性能。