基于疊加導(dǎo)頻的MIMO－OFDM半盲信道估計(jì)

周 圍，劉燕容，李 佳

（重慶郵電大學(xué)a.移動(dòng)通信技術(shù)重慶市重點(diǎn)實(shí)驗(yàn)室;b.光電學(xué)院電路基礎(chǔ)教學(xué)部，重慶 400065）

基于疊加導(dǎo)頻的MIMO－OFDM半盲信道估計(jì)

周 圍a，b，劉燕容a，李 佳a(bǔ)

（重慶郵電大學(xué)a.移動(dòng)通信技術(shù)重慶市重點(diǎn)實(shí)驗(yàn)室;b.光電學(xué)院電路基礎(chǔ)教學(xué)部，重慶 400065）

在多輸入多輸出正交頻分復(fù)用（MIMO－OFDM）系統(tǒng)中，針對(duì)基于疊加導(dǎo)頻的半盲信道估計(jì)方法估計(jì)精度不高、對(duì)發(fā)送信號(hào)零均值要求嚴(yán)格的缺點(diǎn)，提出了一種基于傳統(tǒng)算法的改進(jìn)算法。接收端利用傳統(tǒng)算法的估計(jì)結(jié)果先去除發(fā)送信號(hào)的影響，再進(jìn)行估計(jì)，對(duì)該估計(jì)結(jié)果進(jìn)一步利用自適應(yīng)跟蹤算法來(lái)提高估計(jì)的精度。仿真結(jié)果表明改進(jìn)算法的性能優(yōu)于傳統(tǒng)算法。

導(dǎo)頻疊加;MIMO－OFDM;信道估計(jì)

正交頻分復(fù)用（OFDM）技術(shù)與多輸入多輸出（MIMO）結(jié)合的MIMO－OFDM技術(shù)已經(jīng)成為L(zhǎng)TE下行鏈路的關(guān)鍵技術(shù)。MIMO－OFDM系統(tǒng)可以實(shí)現(xiàn)高速無(wú)線數(shù)據(jù)傳輸，該系統(tǒng)中，接收端的解碼和檢測(cè)都需要信道狀態(tài)信息（CSI），甚至發(fā)送端也需要CSI，因此信道估計(jì)有著非常重要的作用。

信道估計(jì)方法通常分為3種:基于導(dǎo)頻的信道估計(jì)、半盲信道估計(jì)和盲信道估計(jì)。其中基于導(dǎo)頻［1］的估計(jì)方法比較簡(jiǎn)單，性能較好，但是發(fā)送導(dǎo)頻信號(hào)占用了額外的信號(hào)帶寬，降低了信道利用率;盲信道估計(jì)［2］不需要發(fā)送已知的導(dǎo)頻信號(hào)，因此也就提高了信道利用率，但它一般是通過(guò)接收信號(hào)的二階或者高階統(tǒng)計(jì)量進(jìn)行估計(jì)，計(jì)算量比較大且收斂速度慢;半盲估計(jì)是二者的一個(gè)折中，在盲估計(jì)的基礎(chǔ)上降低了計(jì)算復(fù)雜度，提高了收斂速度，同時(shí)，相對(duì)基于導(dǎo)頻的估計(jì)來(lái)說(shuō)，提高了信道的利用率。

近年來(lái)，半盲信道估計(jì)算法已經(jīng)成為研究熱點(diǎn)，現(xiàn)有的半盲估計(jì)算法很多，如基于準(zhǔn)正交空時(shí)編碼的半盲信道估計(jì)［3－4］、基于 QR 分解的半盲估計(jì)算法［5］、基于導(dǎo)頻疊加的半盲估計(jì)算法［6－9］。其中基于導(dǎo)頻疊加的半盲估計(jì)算法比較簡(jiǎn)單，該方法是將導(dǎo)頻信號(hào)疊加在有用的信號(hào)上進(jìn)行發(fā)送，在接收端利用接收信號(hào)的一階統(tǒng)計(jì)量即可對(duì)信道進(jìn)行估計(jì)［8］。該方法節(jié)約了信道帶寬，提高了信道的頻譜利用率。這種方法是在發(fā)送的有用信號(hào)上疊加導(dǎo)頻信號(hào)，最后利用接收信號(hào)的準(zhǔn)靜態(tài)特性估計(jì)信道狀態(tài)信息。該算法要求經(jīng)過(guò)調(diào)制映射的信號(hào)是零均值，在傳統(tǒng)算法中，沒(méi)有考慮發(fā)送有用信號(hào)的影響，認(rèn)為是嚴(yán)格的零均值［8］，但是實(shí)際中并不能達(dá)到嚴(yán)格的零均值。本文在傳統(tǒng)算法的基礎(chǔ)上，去除發(fā)送有用信號(hào)的影響，并進(jìn)一步利用LMS自適應(yīng)跟蹤算法［9－10］提高估計(jì)性能。

1 系統(tǒng)模型

本文采用發(fā)送天線Nt=2，接收天線Nr=2的MIMOOFDM系統(tǒng)，發(fā)送端和接收端的框圖如圖1所示。

圖1MIMO－OFDM系統(tǒng)框圖

系統(tǒng)的子載波數(shù)為K，循環(huán)前綴CP的長(zhǎng)度為NCP，信道是多徑數(shù)為L(zhǎng)的準(zhǔn)靜態(tài)瑞利慢衰落信道，在一個(gè)OFDM符號(hào)期間保持不變，它可以表示為

式中:L為信道的階數(shù);τl是第l路徑的時(shí)延;γl是第l路徑的復(fù)增益。

從圖1中可以看出，發(fā)送信號(hào)經(jīng)過(guò)正交相移調(diào)制（QPSK）、空時(shí)分組編碼（STBC）后，疊加導(dǎo)頻，然后進(jìn)行OFDM調(diào)制，之后經(jīng)發(fā)送天線發(fā)送出去。令Si（n）表示第n個(gè)OFDM符號(hào)周期發(fā)送天線i上發(fā)送的有用信號(hào)，Pi（n）表示發(fā)送天線i上疊加的導(dǎo)頻信號(hào)，本文采用的是模值恒定的周期導(dǎo)頻序列，實(shí)際發(fā)送的信號(hào)表示為

疊加了導(dǎo)頻信號(hào)的發(fā)送信號(hào)X經(jīng)過(guò)IFFT調(diào)制、加循環(huán)前綴CP后可表示為

xi（n）從第i根天線上發(fā)送出去，經(jīng)過(guò)信道，到達(dá)接收端。

接收端進(jìn)行與發(fā)送端相應(yīng)的反變換，第j根天線收到的信息可表示為

式中:hij（l）表示第i個(gè)發(fā)送天線至第j個(gè)接收天線間的信道響應(yīng)值;wj（n）是均值為0、方差為σ2w的加性高斯白噪聲。將yj（n）去除CP，進(jìn)行FFT變換后可得第j根天線上第n個(gè)OFDM符號(hào)載波k上的接收信號(hào)表示為

2 傳統(tǒng)算法

對(duì)于導(dǎo)頻疊加的半盲信道估計(jì)，導(dǎo)頻的選擇是很重要的，如果選用的導(dǎo)頻序列在不同天線之間是不相關(guān)的，且自相關(guān)為沖激函數(shù)，就可以使得信道估計(jì)的均方誤差最小。因此選擇恒模周期性［11］序列作為導(dǎo)頻信號(hào)，兩個(gè)天線分別疊加導(dǎo)頻信號(hào)，經(jīng)信道發(fā)送出去。設(shè)導(dǎo)頻序列的周期是T，將每根天線上接收的信號(hào)分為A段（A是一個(gè)整數(shù)）。為了確保信道估計(jì)的唯一性，T必須滿(mǎn)足:T≥Nt×L［6］，本文取T=16，第j根接收天線第a段接收符號(hào)可以表示為

式中:n=1，2，…，T－1;?是卷積運(yùn)算。將發(fā)送的有用信號(hào)和導(dǎo)頻信號(hào)也同樣分成A段，每段為T(mén)×1，將其排列為

則兩發(fā)兩收MIMO－OFDM系統(tǒng)接收信號(hào)可以表示為

式中:p1，p2均為如式（9）所示的矩陣。將式（10）寫(xiě)成

設(shè)發(fā)送的導(dǎo)頻信號(hào)的周期為T(mén)，經(jīng)過(guò)調(diào)制映射后的有用信號(hào)均值為0，即E［Si（n）］=0。對(duì)接收天線上的信號(hào)分別求均值可得

式中:e－j（n）是誤差。上式滿(mǎn)足各態(tài)遍歷性，可以用統(tǒng)計(jì)平均代替時(shí)間平均，忽略誤差向量，可得

那么就可以得到信道的估計(jì)值為

根據(jù)式（14）便可求得h的估計(jì)初值。

3 改進(jìn)算法

傳統(tǒng)的基于一階統(tǒng)計(jì)量的方法雖然比盲估計(jì)算法計(jì)算簡(jiǎn)單，但它要求發(fā)送的有用信號(hào)經(jīng)調(diào)制映射后是零均值，即E（S）=0［8］，但是實(shí)際中并不能?chē)?yán)格保證這一點(diǎn)，估計(jì)的性能受到發(fā)送信號(hào)的影響，因此本文針對(duì)這個(gè)缺點(diǎn)提出了一些改進(jìn):如果能在接收端去除發(fā)送信號(hào)的影響，那么就可以提高估計(jì)的精確度。

首先根據(jù)傳統(tǒng)的算法得到信道的粗估計(jì)值，然后利用這個(gè)粗估計(jì)值去除發(fā)送的有用信號(hào)的影響。首先根據(jù)傳統(tǒng)算法估計(jì)的初值得到發(fā)送信號(hào)的估計(jì)值，即

其次，根據(jù)得到的有用信號(hào)的估計(jì)值，估計(jì)出導(dǎo)頻信號(hào)經(jīng)過(guò)信道后的估計(jì)值，即

最后，根據(jù)LS準(zhǔn)則［12］可以得到信道估計(jì)值為

由于實(shí)際的信道都是時(shí)變的，因此可以根據(jù)式（17）得到估計(jì)值，再利用LMS算法［7－8］進(jìn)一步提高估計(jì)精度，跟蹤信道變化。接收信號(hào)與估計(jì)器輸出之間的誤差可以表示為

式中:cij是估計(jì)器的參數(shù)。要使得接收信號(hào)與估計(jì)輸出之間的均方誤差最小。估計(jì)器的系數(shù)必將收斂于信道參數(shù)。證明如下:

由式（19）可見(jiàn)，要使得均方誤差最小，那么信道估計(jì)器的估計(jì)值cij將收斂于信道h。LMS算法的得到信道估計(jì)的自適應(yīng)形式為

4 仿真結(jié)果及分析

本文選取兩發(fā)兩收的STBC－MIMO－OFDM系統(tǒng)，子載波數(shù)為1 024，進(jìn)行1 024點(diǎn)的IFFT，信道階數(shù)為L(zhǎng)=6，循環(huán)前綴CP長(zhǎng)度為32，OFDM符號(hào)個(gè)數(shù)為50，本文對(duì)估計(jì)的均方誤差（MSE）和系統(tǒng)誤碼率（BER）進(jìn)行仿真，并與傳統(tǒng)算法進(jìn)行對(duì)比，結(jié)果如圖2、圖3所示。

本文是將每個(gè)OFDM符號(hào)分為64段，每段16個(gè)符號(hào)。圖2是均方誤差隨信噪比的改變，可以看出，改進(jìn)后的算法比傳統(tǒng)的算法在均方誤差方面有3～4 dB的改善。圖3是誤碼率隨信噪比的變化，可以看出，改進(jìn)后算法比傳統(tǒng)算法有2～3 dB的改善。改進(jìn)算法在接收端去除了有用信號(hào)的影響，且運(yùn)用了自適應(yīng)LMS算法，這些都提高了系統(tǒng)的性能。

5 小結(jié)

本文在傳統(tǒng)的基于疊加導(dǎo)頻的MIMO－OFDM信道估計(jì)算法的基礎(chǔ)上提出了改進(jìn):首先傳統(tǒng)算法是假設(shè)發(fā)送信號(hào)是零均值的，但是實(shí)際中并不能達(dá)到，因此就在接收端去除發(fā)送信號(hào)的影響，提高估計(jì)精度;其次，傳統(tǒng)算法的估計(jì)精度不高，那么將估計(jì)結(jié)果進(jìn)一步運(yùn)用LMS自適應(yīng)算法提高估計(jì)精度。通過(guò)仿真驗(yàn)證了改進(jìn)算法的性能優(yōu)于傳統(tǒng)算法。

:

［1］楊玉峰，黃煒，余波.導(dǎo)頻的OFDM系統(tǒng)信道估計(jì)算法研究及實(shí)現(xiàn)［J］.電視技術(shù)，2006，30（9）:8－10.

［2］劉強(qiáng)，陳西宏，胡茂凱.MIMO－OFDM中基于子空間奇異值分解的盲信道估計(jì)［J］.電視技術(shù)，2010，34（S1）:175－177.

［3］CHEN Xuesong，HAN Mingyu.A semi－blind channel estimation algorithm for MIMO－OFDM systems［C］//Proc.3rd International Congress on Image and Signal Processing.［S.l.］:IEEE Press，2010:4333－4336.

［4］SARMADI N，GERSHMAN A B，SHAHBAZPANAHI S.Closed form blind channel estimation in orthogonally coded MIMO－OFDM systems［C］//Proc.10th IEEE International Conference on Acoustics Speech and Signal Processing.［S.l.］:IEEE Press，2010:3306－3309.

［5］LIN K H，CHANG R C，HUANG C L，et al.Implementation of QR decomposition for MIMO－OFDM detection systems［C］//Proc.15th IEEE InternationalConference on Electronics， Circuits and Systems.［S.l.］:IEEE Press，2008:57－60.

［6］MENG Xiaohong，TUGNAIT J K.Semi－blind time－varying channel estimation using superimposed training［C］//Proc.IEEE International Conference on Acoustics Speech and Signal Processing.［S.l.］:IEEE Press，2004:797－800.

［7］PIRAK C，WANG Z J，LIU K J R，et al.Adaptive channel estimation using pilot－embedded data－bearing approach for MIMO－OFDM systems［J］.IEEE Trans.Signal Processing，2006，54（12）:4706－4716.

［8］YANG Weiwei，CAI Yuming.Pilot embedded semi－blind channel estimation for MIMO－OFDM［C］//Proc.9th IEEE International Symposium on Signal Processing and Its Applications.［S.l.］:IEEE Press，2007:1－4.

［9］莫麗雯，張海濱，甘小鶯.OFDM系統(tǒng)中基于隱藏導(dǎo)頻的信道估計(jì)與跟蹤［D］.上海:上海交通大學(xué)，2008.

［10］張鵬，李宏.MIMO－OFDM的信道估計(jì)算法研究［J］.計(jì)算機(jī)仿真，2010，27（11）:95－97.

［11］OROZCO－LUGO A G，LARA M M，MCLERNON D C.Channel estimation using implicit training［J］.IEEE Trans.Signal processing，2004，52（1）:240－254.

［12］宋楠，張忠民.MIMO－OFDM系統(tǒng)的信道估計(jì)研究［D］.哈爾濱:哈爾濱工程大學(xué)，2009.

Semi－blind Channel Estimation in MIMO－OFDM Based on Superimposed Pilot

ZHOU Weia，b，LIU Yanronga，LI Jiaa

（a.Key Laboratory of Mobile Communication Technology in Chongqing;b.Photoelectric Engineering College，Chongqing University of Posts and Telecommunications，Chongqing 400065，China）

In MIMO－OFDM systems，the semi－blind channel estimation based on superimposed pilot has the defects of the low estimation precision and the strict zero－mean sending signal，some improvements based on the traditional algorithm are put forward.The estimation result of traditional algorithm is used by receiver to remove the influence of sending signal，and then to estimate.The estimated results further use adaptive tracking algorithm to improve the accuracy of estimation.The simulation results show that the performance of the improved algorithm is better than traditional algorithm.

superimposed pilot;MIMO－OFDM;channel estimation

TN929

A

【本文獻(xiàn)信息】周?chē)瑒⒀嗳荩罴?基于疊加導(dǎo)頻的MIMO－OFDM半盲信道估計(jì)［J］.電視技術(shù)，2013，37（3）.

重慶市教委科研項(xiàng)目（KJ090513）;重慶郵電大學(xué)研究生教育創(chuàng)新計(jì)劃重點(diǎn)項(xiàng)目（Y201019）

周 圍（1971— ），博士，教授，碩士生導(dǎo)師，主研無(wú)線移動(dòng)通信技術(shù)、通信系統(tǒng)及信號(hào)處理、智能天線技術(shù)等;

劉燕容（1987— ），女，碩士生，主研無(wú)線移動(dòng)通信MIMO－OFDM技術(shù);

李 佳（1987— ），女，碩士生，主研LTE系統(tǒng)信道估計(jì)技術(shù)。

責(zé)任編輯:薛 京

2012－08－10