基于信道矩陣結構劃分的用戶信號恢復

郭濱，白雪梅，F. Mohammed

(長春理工大學 電子信息工程學院，吉林 長春 130022)

1 引言

MIMO-OFDM(multiple input multiple outputorthogonal frequence division multiplex)系統目前被視為 B3G/4G移動通信系統核心技術的解決方法。它不僅能夠達到很高的傳輸速率，并且能保證信道的可靠性[1～5]。

作為用戶信號恢復，信道估計是設計接收機一項重要任務。由于MIMO-OFDM系統的調制方式和譯碼需要精確的信道信息，而在多用戶 MIMOOFDM 系統下存在接收信號是多用戶多個發射天線發射信號的衰落和噪聲的混合，這就使 MIMOOFDM系統中的信道估計具有挑戰性。

對于MIMO-OFDM系統的信道估計方法一般有3種，即非盲信道估計、全盲信道估計和半盲信道估計[6～11]。這3種信道估計方法對信道的估計都是對信道全信息估計的討論[12,13]，而對信道部分信息能否被利用研究很少，尤其針對多用戶MIMO-OFDM系統的信道部分可用信息的利用報道不多[14～17]。

本文針對多用戶 MIMO-OFDM 系統提出了利用信道部分可用信息，在沒有導頻幫助下不用其求出信道新信息的情況下的用戶信號恢復的方法。本文考慮在無線網絡中，假設已存在的用戶的信道被估計，當新的用戶加入以后的用戶信號被恢復的問題。

當新的用戶加入以后，信道系數矩陣將要擴大，但矩陣中含有已被估計的信息，所以可以把要估計的信道矩陣劃分2部分，即已知信息子矩陣和要估計的子矩陣。針對2個子矩陣，本文利用盲分離方法設計對應2個子矩陣的分離子矩陣，當盲算法收斂時僅求出新加入用戶的所需的分離矩陣系數，進而恢復新加入用戶的信號。

提出的方法基于 OFDM 信號固有的循環前綴(CP)、離散傅里葉變換 (DFT)與離散傅里葉逆變換(IDFT)調制/解調的特性，能夠在每個頻率點上獲得一組瞬時混合結構，這個結構可以作為盲源分離(BSS)問題處理。由于BSS算法重組被分離的信號時會遇到置換不確定的問題，以及由于通信系統中復值信號的特性，使在相同的頻率點上存在信號幅度和相位的變化，本文將利用相關方法通過已有信息，調整置換不確定的問題，使被旋轉的相位得到補償。

2 系統模型與問題分析

假設 MIMO-OFDM 系統有 MT個發射天線和MR個接收天線，對于每一個用戶都配置一個單獨的發送天線。這些 MT個發送天線用戶信號是DQPSK信號，并把它們看成是均值為0且相互獨立的。長度為N的數據符號塊在第i個發射天線的信號為

經過N點逆離散傅里葉變換后

這里，

并且k是N的整數倍，長為G的保護間隔(CP)加入后，長為(G + N )的第k N個符號塊被表示為

為通過不同的路徑傳輸，被第j個接收天線端接收的信號。由于目前同步和時間校準的算法已經很成熟，所以本文假設每個用戶之間具有嚴格的同步和所有用戶中都獲得精確的時間校準。因此，接收信號的采樣能夠被表示成

其中， zj( k)為均值為0的高斯白噪聲，τh表示信道的階。由于不同信道 hji存在不同階τhji，選擇τhji的最大值為τh，在τhji＜τh的系統中的信道有0的值存在，所以通過向量可以表示為

這里，

在頻域里可以表示式(6)為

因為子載波中存在著正交的特性，顯然 Hji是對角矩陣。如果是單用戶的情況，單步長均衡器能夠進行對信號的恢復，但是如果是多用戶的情況，上式中的 i( 1 ≤i≤MT)就要考慮到用戶干涉(MUI)。使上式中的第m子載波的第j個天線接收信號能夠表示為

由于式(10)滿足 j， (1 ≤ j ≤ MR)，可得：

并且，

由式(11)形成的分析可以看出，在頻率點上的瞬時混合系統是通過離散傅里葉變換出的信號按照子載波和頻率點的分配來組合的，這樣盲多用戶檢測可以變為N個盲分離問題。

3 基于用戶信道劃分的信號恢復

根據上面的分析，對于一個MR×MT的MIMOOFDM系統，當有新用戶加入時新的干擾被加入系統，這時的系統的矩陣結構變為MR×(MT+1)。假設MR×MT天線系統的信道狀態信息是已知的，則在第m個頻點(FB)的接收信號可以表示為

其中，

式(12)可以寫成

其中，

表示MR×MT已知系統矩陣，而

表示R1M×未知的信道的矢量。

是在式(13)中的已知用戶信號矢量，本文首先考慮在無噪聲條件下，在第m個頻點的X1與X(m)的互相關函數，即

其中，

和

顯而易見，

假設H1,MT+1(m)的相位是ejθm，于是有：

因此，

在第m個頻點的所對應的分離矩陣可以被寫成

其中，

和

為了達到成功的分離，分離矩陣必須滿足下列條件

由于設計的分離矩陣W(m)是對應系統的實信道，所以對應相位的旋轉有

相位e-jθm是新加入用戶信號的失真相位，這種失真相位很容易通過現存的非相干檢測方法[16]消除。很明顯由于利用了已有用戶的已知信道的狀態信息，使用盲分離的方法就能避免盲分離的不確定性，并提高了用戶信號的恢復速度。

在存在噪聲的情況下，由于噪聲高斯白色的并獨立于用戶信號，對于接收信號的相關計算有：

4 仿真結果

為了檢驗方法的有效性，對提出的算法進行計算機仿真。仿真分別是在收發天線數相同和不同的情況下進行的。

信源信號是經過DQPSK調制的信號，子載波N=16，CP的長為5。9 600 DQPSK信號被劃分為600數據塊，并調制成600個OFDM符號。信道設置為時不變，τ =3的FIR濾波器，在每個 τ 上獨立隨機產生數據。

用2個發送天線發送信號，分別用3、4、5、8個天線接收信號。當有新的用戶加入系統，系統變成3個天線發送信號由3、4、5、8個天線接收信號。仿真的結果與本文相同系統背景的傳統JD(joint detection)方法[18]進行比較，由于已知已有用戶占用信道的信息，所以在圖1中顯示的提出算法結果與JD的效果非常接近。

圖1 MR≠MT(MT=3)時JD和BSS系統性能比較

現考慮在沒有新用戶加入系統時存在3個用戶，分別用4、5、6、8個天線接收用戶信號，從仿真結果（如圖2所示），加入新用戶后對用戶信號的恢復效果與JD方法比較并沒有發生大的變化，所以這說明提出的方法沒有像JD方法那樣使用導頻序列而得到同樣的信號恢復效果，這對節省帶寬有著重要意義，至少在一幀數據中節省4個導頻所占的帶寬。提出的算法也不像JD方法對擴展矩陣進行全部逆計算，而是只計算分離矩陣中一行和一列的數據，對存在很多用戶時，明顯提高了運算速度。

圖2 MR≠MT(MT=4)時JD和BSS系統性能比較

如圖3所示，隨著新用戶數的增加，接收天線的增加數量對系統的影響進行了驗證。雖然增加的天線數量與接收天線數量相等效果是最好的，但從圖3看出，當天線數量超過6對以后信號恢復的效果開始下降。

圖3 MR = MT 時系統性能

5 結束語

本文基于已知信道部分信息提出了 MIMOOFDM系統的多用戶信號恢復的方法。在已有用戶存在已知信道的情況下，通過對新加入網絡中的用戶產生信道擴展矩陣的分析，設計了適合盲分離方法的分離矩陣，減少了重新計算已知信道系數的工作量，并用已存非相干檢測方法[18]糾正由于盲分離所帶來相位失真，利用已知信道信息避免了盲分離不確定性。提出的用戶信號恢復算法不需任何導頻序列或訓練序列，大大地節省了帶寬。計算機仿真驗證了算法的有效性并分析了接收天數目對系統的影響。

[1] ASHISH N, ATUL SRIVATSAN K R. A novel channel estimation technique for MIMO-OFDM systems for frequency selective rayleigh channel[A]. Devices and Communications (ICDeCom)[C]. 2011. 1-5.

[2] MUJTABA S A. Standardization of MIMO-OFDM technology[A].Networking and Communications Conference, INCC 2008[C]. 2008. 7-8.

[3] STUBER G L, BARRY J R, et al. Broadband MIMO-OFDM wireless communications[A]. Proc IEEE[C]. 2004.271-294.

[4] SKLAVOS A, COSTA T E, HAAS H, et al. Joint detection in multi-antenna and multi-user OFDM systems in multi-carrier[A].Spread-Spectrum and Related Topics[C]. 2002.

[5] KIM J, CIOFFI J. Spatial multiuser access OFDM with antenna diversity and power control[A]. Proc of Vechicular Technology Conference[C]. 2000. 273-279.

[6] BAI W, CHEN H E, JANG L, et al. Blind channel estimation in MIMO-OFDM syetems[J]. IEICE Trans Commun, 2002, e85(9): 1849-1853.

[7] LIU H Y, SUN J C. Blind MIMO-OFDM channel estimation based on ICA and KRLS algorithm[A]. Wireless Communications[C]. Networking and Mobile Computing[C]. 2009. 1-5.

[8] CHEN Y S, WU J Y. Statistical covariance-matching based blind channel estimation for zero-padding MIMO-OFDM systems[A]. IEEE International Symposium on Circuits and Systems[C]. 2009. 832-635.

[9] YANG W W, CAI Y M. Pilot embedded semi-blind channel estimation for MIMO-OFDM[A]. Signal Processing and Its Applications,ISSPA 2007[C]. 2007. 1-4.

[10] CHEN X, LEYMAN A R, FANG J. Blind channel estimation for linearly precoded MIMO-OFDM[A]. IEEE International Conference on Acoustics, Speech and Signal Processing[C]. 2006.

[11] LI W X, LI P, LIU X, FENG C. Semi-blind channel estimation for MIMO-OFDM systems[A]. Measuring Technology and Mechatronics Automation (ICMTMA)[C]. 2011. 217-220.

[12] 胡艷軍. 一種改進的子空間盲多用戶檢測法[J]. 電子學報, 2005,33(6):1073-1076.HU Y J. An improved blind multiuser detection based on subspace tracking[J]. Chinese Journal of Electronics, 2005, 33(6): 1073-1076.

[13] 王毅, 呂晶. 變步長的 LMS盲多用戶檢測[J]. 解放軍理工大學學報(自然科學版), 2004,5(1):10-14.WANG Y, LIU J. LMS algorithm with variable step size for blind multiuser detection[J]. Journal of PLA University of Science and Technology, 2004, 5(1): 10-14.

[14] XIA P F, ZHOU S L, GIANNAKIS G B. Adaptive MIMO-OFDM based on partial channel state information[J]. IEEE Trans Signal Process, 2003, 51(15): 1143-1155.

[15] HUANG B G, HUI Y, ZHANG W Q. An adaptive LDPC-coded MIMO-OFDM system with partial channel state information[A]. Communications and Networking in China[C]. 2007. 1102-1105.

[16] XIAO C S, ZHENG Y R. Transmit precoding for MIMO systems with partial CSI and discrete-constellation inputs[A]. Communications ICC'09[C]. 2009. 1-5.

[17] GUO B, LIN H, YAMASHITA K. Multiuser detection for MIMOOFDM systems based on known partial CSI[A]. Wireless Pervasive Computing[C]. 2006. 1-4.

[18] SKAVOS A, WEBER T, COSTA E, et al. Joint Detection in Multi-Antenna and Multi-User OFDM Systems[M]. Multi-Carrier Spread-Spectrum & Related Topics. Netherlands: Kluwer Academic Publishers, 2002. 191-198.