一種改進的OFDM信道估計算法的建設

時間：2022-10-05 23:50:56 信息安全畢業(yè)論文我要投稿

相關推薦

一種改進的OFDM信道估計算法的建設

　　眼看畢業(yè)在即，大學生們都在著急寫論文，那如何才能寫出一篇優(yōu)秀的畢業(yè)論文呢?如何在一大堆論文中脫穎而出?小編直接為您展示優(yōu)秀畢業(yè)論文一篇，歡迎畢業(yè)生們閱讀參考!

　　摘要：在無線通信當中，信道估計會受到許多因素的影響，例如噪聲、衰減等。如何使得信道估計的準確度提高變成重中之重。通常我們應用的SVD信道估計算法，主要是用循環(huán)前綴長度為界來截取的特征值，這種做法的弊端是導致比較大信道噪聲。因此，該文的對于這一問題，提出了一種優(yōu)化的SVD算法，本算法的核心是估計信道的最大多徑時延，從而來得到我們所需要的特征值，進而來降低噪聲的干擾[1]，通過仿真，我們可以看出本算法所體現(xiàn)的優(yōu)越性。

　　關鍵詞：OFDM;信道估計;特征值

　　無線通信是一種快速的通信方式，幾乎已經(jīng)融入到人們的日常生活與工作當中，是不可或缺的部分。但是在其傳輸?shù)倪^程當中，隨機的噪聲干擾，信號的嚴重衰減都使得其性能受到很大的約束。

　　為了能夠得到發(fā)送端所發(fā)出的精確的數(shù)據(jù)信號，在接收端我們要通過信道估計從而得到子載波上的幅值以及參考相位，信道估計的精確程度將會直接關系到整個系統(tǒng)的性能指數(shù)[2]。

　　一般的信道估計的算法有二種：第一種是基于導頻信息的信道估計算法[3];第二種是常見的盲信道估計算法。因為盲估計的算法要求我們收到相當數(shù)量的信號流之后才能保證對信道進行一個比較精確的估計，同時它的收斂情況是比較緩慢的，存在很多的弊端。所以通常情況下，我們一般采用第一種方法。一般的基于導頻的信道估計的算法：MMSE(最小均方誤差估計算法)、LS(最小平方算法)、SVD(特征值分解算法)[4]。SVD算法指的是通過最佳低階的理論來對最小均方誤差估計算法進行的一個簡化過程。我們假設最大多徑時延是[Lτ]，因為在沖激響應中，絕大多數(shù)的能量全部匯集在最大多徑時延上，剩下的是噪聲，通常的SVD算法是依靠循環(huán)長度作為界限，進而獲得特征值來進行相應的信道估計，這樣就會導致載波間干擾以及信道噪聲，影響估計的精確程度。所以我們提出了一種新穎的SVD算法，其主要內(nèi)容是對最大多徑時延來進行相應的估計，之后通過的到的估計值來獲得相應的特征值，能夠很好的少噪聲的干擾，提高系統(tǒng)估計的精確程度[5]。

　　1 無線傳輸信道的模型

　　在無線信道的傳輸過程中，隨機的噪聲干擾，信號的嚴重衰減都使得其性能受到很大的約束，從而影響傳輸?shù)男阅�。無線傳輸信道的模型可以用圖1來表示。我們用[H(f)]來表示頻率響應函數(shù)，假設噪聲是可加的具有隨機性的干擾。

　　在傳輸過程中，距離的增加以及過高的頻率都會導致信號的衰減。所以，多路信號一般具有衰減特性和頻率選擇特性。假設有[N]條傳輸路徑，那么我們可以通過疊加[N]條傳輸路徑的方法來獲得傳輸函數(shù)，可以通過公示來表示：

　　[H(f)=i=1Ng1exp(-(a0+a1fk)di)*exp(-j2πdiεrc)] (1)

　　其中我們用[gi]來表示路徑[i]的加權系數(shù);用[f]來表示頻率;用[di]來表示長度;用[a0]、[a1]、[k] 來表示衰減的參數(shù);用[c] 來表示光速;用[εr]來表示介電常數(shù)。

　　如圖2所示，表示的是用典型四徑電力線信道所構建的模型的仿真結果圖，參數(shù)[k=1]、[a0=1]、[a1=7.8×10-10][lw54.comT。我們從圖中可以得到：信號存在嚴重的衰減問題，并且有選擇性衰落的現(xiàn)象[6]。OFDM系統(tǒng)中，在把符號中引入循環(huán)前綴的同時把高速串行數(shù)據(jù)變成低速并行數(shù)據(jù)，所以我們可以得到的結論是OFDM對于多徑效應以及頻率衰減等現(xiàn)象能夠起到很好的作用。

　　2 基于導頻信號的信道估計算法

　　這里我們用Y=XH+W來表示接收到的信號，用[X]表示發(fā)送的信號，那么LS信道的估計算法可以用公式表示成：

　　[HLS=X-1Y=[Y(0)X(0)，Y(1)X(1)......Y(N-1)X(N-1)]T] (2)

　　繼續(xù)進行運算可以得到MMSE信道估計算法。我們可以用公式表示成：

　　[HMMSE=RHH(RHH+σ2n(XXH)-1)-1HLS] (3)

　　其中，我們用[σ2n]來表示加性噪聲的方差;用[RHH=E{HHH}]來表示信道沖激響應的一個自相關矩陣[7]。我們能過明顯的看出LS算法相比于MMSE算法的運算量要小的多，這是由于信號[X]的每一次的改變，都會引起矩陣[RHH]的改變。所以為了能夠減小MMSE算法的運算量，我們可以用期望值[E{(XXH)-1}]來取代[(XXH)-1]，通過運算我們可以得到：

　　[HLMMSE=RHH(RHH+βSNRI)-1HLS] (4)

　　在公式(4) 當中，我們用[β]來表示星座調(diào)制中的常數(shù)。這里X并非是一個矩陣變量，因此當[X]變化的時候，[(RHH+βSNRI)]就不需要再重新計算一次。

　　通過查閱資料，我們獲得一種SVD算法，通過把公式(4)進行近似化簡，使得階數(shù)降低，進而減小其運算量。算法的主要過程是：通過把信道的自相關矩陣進行特征值的分解從而獲得[RHH=UΛUH]，[U]表示的是[RHH]的特征矢量所組成的一個酉矩陣，[UH=U-1];[Λ]表示的是[RHH]的特征值所組成的的對角矩陣[diag(λ1，λ2，...，λN)]，并且滿足[λ1≥λ2≥???≥λN]。所以此SVD算法的估計表達式可以描述成：

　　[HSVD=UΔPUHHLS] (5)

　　[ΔP=diag(λ1λ1+β/SNR，λ2λ2+β/SNR，???，λPλP+β/SNR，0，0，???，0)] (6)

　　但是在通常的SVD算法當中，大多數(shù)的估計器的階數(shù)是[P=L+1]，其中[L]表示的是OFDM系統(tǒng)中循環(huán)前綴的長度。其原因是[RHH]的特征值在[L+1]個點之后，其幅度的下降是很快速的，我們將其忽略不計。因此當階數(shù)是[p]的時候，每個子載波則必須進行[2p]次的乘法運算。通過與簡化的LMMSE估計器進行相對比，我們可以看出，其運算量實從[N]降低為[2p]，由此我們可以得出：階數(shù)[p]越小，其運算量就越小，但是估計的誤差就越大。在設計OFDM系統(tǒng)的時候，一般要求其循環(huán)前綴的長度要比全部的子載波總數(shù)要小很多，同時要求要其循環(huán)前綴的長度要大于沖擊響應的最大時延，以此來降低運算量的大小。

　　3 優(yōu)化的SVD算法

　　因為在沖激響應當中，其絕大多數(shù)的能量幾乎全部匯集在每個符號的前[Lτ=τm/Ts]部分，剩下的部分是噪聲。SVD算法是用循環(huán)長度為界進而獲取特征值，之后再對信道進行估計，所以循環(huán)前綴的長度通常是要大于信道的最大多徑時延[8]，有可能導致噪聲引起的信道估計準確度的失衡。因此我們找到了一種解決的方法，就是用逆向搜索的方式來增強LS算法的準確度。我們用[hLS]來表示道估計時域結果，這里我們會發(fā)現(xiàn)信道各階系數(shù)只存在于[hLS]的前[L]點，所以其搜索的過程是從[N] 逐漸遞減為1，這里我們把第一次出現(xiàn)一定功率的某階系數(shù)用來判決信道沖擊響應(CIR)有效階數(shù)[9]。在搜過的時候，為了減低噪聲對算法的干擾，我們把小于搜索值的某個界限內(nèi)的系數(shù)功率做局部累加平均的處理[10];進而把時域結果[hLS]大于搜索值的各階系數(shù)的功率做累加平均的處理，得到的結果便是我們需要的估計值[11]。算法的詳細過程可以描述成：

　　[hkLS=hLS(k)2，k=1，2，???，N] (7)

　　公式(7) 中[hkLS]指的是[hLS]的第[k]階系數(shù)的幅值的平方。把[hLS]進行公式(8) 的一個計算，得到一個結果，用來進行判決。其表達式可以表示成：

　　[ks=(k=s-9shkLS)/(2×10)(k=s+1shkLS)/(2?(N-s))] (8)

　　其中我們要注意的是，[ks]的初始值是[N-15]，一直減小為1，而并非是從[N]開始遞減;首次出現(xiàn)[ks≥2.55]時，我們把其[s]的值判定成CIR 的有效階數(shù)。

　　下面我們對上述算法進行優(yōu)化：因為在SVD算法當中，其對角陣[Λ]的元素是依據(jù)降序順序來進行排列的，同時我們可以把特征值[λk]看作是[hLS]通過[UH]轉換之后獲得的數(shù)據(jù)中所含有的能量，因此我們能夠通過[RHH]的特征值[(λ1，λ2，???，λN)]對信道的階數(shù)做相應的估計。把[RHH]的第[k]個特征值[λk]進行公式(9)的運算，把計算得到的結果[λs] 看作判決對象，用表達式可以表示成：

　　[λs=(k=s+9sλk)/(2×10)(k=s+1Nλk)/(2?(N-s))] (9)

　　在公式(9) 當中，[s]的值依舊是從[N-15]減小直至為1;首次滿足[λs≥2.55]的時候，我們把其[s]的值判定成CIR 的有效階數(shù)。從而獲得信道的沖激響應有效階數(shù)，然后對公式(6)進行變換，在[N]個點中抽出最前面的[s]個最大的點，這[s]個最大的點所包含的信道能量可以看作是比噪聲大的，同時剩下的[N-s]個點的所包含的信道能量是比噪聲小的，我們可以認為它是零。通過以上的操作，我們就能夠對信道的變化進行動態(tài)的追蹤，進而可以減小噪聲對于信道的干擾，提高系統(tǒng)估計的精確程度。

　　下面進行仿真，我們選取的信道的帶寬是1到21.48MHz，選取的載波數(shù)是128，進行16QAM調(diào)制。如圖3表示的是LMMSE算法、SVD算法以及改進的SVD算法的估計均方誤差的一個對比。因為SVD算法采用的是把循環(huán)長度為界，進而選取特征值，然后進行對信道的估計，結果有可能導致噪聲對信道估計干擾的增大，甚至會導致“地板效應”;優(yōu)化過的SVD算法能過對信道的變化進行實時的追蹤，因此該算法要優(yōu)于原有的SVD算法。

　　圖4表示的是LMMSE算法、SVD算法以及改進的SVD算法的誤碼率的對比。進而我們可以得出因為提高了估計的精確程度，所以改進后的SVD算法的誤碼率比原有的SVD算法有顯著的提高，使得系統(tǒng)的性能更加優(yōu)秀。

　　4 總結

　　本文基于OFDM系統(tǒng)的通信過程中信道所受的信道衰減與噪聲干擾的日趨嚴重這一現(xiàn)狀，提出一種優(yōu)化的SVD算法，本算法的核心思想是追蹤信道的最大多徑時延，進而減小噪聲對信道的干擾程度。通過進行仿真，能過得出本算法的估計的精確程度要優(yōu)于以往的SVD算法。

　　參考文獻：

　　[1] 胡茂凱，陳西宏，董少強.OFDM中一種改進的SVD信道估計算法[J].電測與儀表，2009(8)：56-58，62.

　　[2] 吳長奇，司瑞華，郭欣欣.DCT插值算法在OFDM水聲信道估計中的應用[J].燕山大學學報， 2010(6)：546-549.

　　[3] 李杰，練秋生.基于特殊導頻去噪的OFDM信道估計算法[J].無線電通信技術，2008(2)：28-31.

　　[4] 孔令講，羅美方.改進的對角加載自適應脈沖壓縮算法[J].電子科技大學學報，2010(6)：854-858.

　　[5] 陳武，朱忠，陳琳，李強.基于動態(tài)譜估計的改進譜減語音增強算法[J].電子設計工程， 2014(1)：35-37.

【一種改進的OFDM信道估計算法的建設】相關文章：

ECC算法對Kerberos協(xié)議安全性能的改進分析論文10-09

OFDM信號的產(chǎn)生方法研究論文范文10-07