基于MIMO-OFDM系統(tǒng)新的迭代信道估計(jì)算法研究

［陳發(fā)堂 易潤(rùn) 黃菲］

基于MIMO-OFDM系統(tǒng)新的迭代信道估計(jì)算法研究

［陳發(fā)堂 易潤(rùn) 黃菲］

論文基于改進(jìn)型QR分解檢測(cè)算法基礎(chǔ)上主要提出了一種多天線下迭代的聯(lián)合信道估計(jì)和信號(hào)檢測(cè)算法，通過(guò)當(dāng)前符號(hào)經(jīng)過(guò)信號(hào)檢測(cè)出的信號(hào)進(jìn)行下一個(gè)符號(hào)的信道估計(jì)，充分的利用信道估計(jì)值和信號(hào)檢測(cè)符號(hào)之間的交互信息，在MIMO空分復(fù)用的模式下，有效地消除了符號(hào)間干擾和載波間干擾，提高可靠性。在較低算法復(fù)雜度下提高了信道估計(jì)和信號(hào)檢測(cè)的準(zhǔn)確度。根據(jù)仿真結(jié)果顯示，采用改進(jìn)型QR分解算法優(yōu)于除了ML算法以外的算法；在BER為時(shí)迭代算法優(yōu)于傳統(tǒng)算法2db，這種新的聯(lián)合迭代信道估計(jì)算法對(duì)比傳統(tǒng)算法性能有了顯著的提升。

MIMO-OFDM 迭代信道估計(jì) 交互信息 可靠性

陳發(fā)堂

重慶郵電大學(xué)，研究員，碩士生導(dǎo)師，主要研究方向：物理層算法研究及軟件開(kāi)發(fā)。

易 潤(rùn)

重慶郵電大學(xué)碩士研究生，研究方向?yàn)長(zhǎng)TE-A物理層算法及FPGA實(shí)現(xiàn)。

黃 菲

重慶郵電大學(xué)碩士研究生，研究方向?yàn)長(zhǎng)TE-A物理層算法及DSP實(shí)現(xiàn)

引言

在移動(dòng)通信網(wǎng)絡(luò)（例如第四代移動(dòng)網(wǎng)絡(luò)，Wimax），MIMO-OFDM是最關(guān)鍵的技術(shù)之一。MIMO-OFDM系統(tǒng)結(jié)合了多天線收發(fā)技術(shù)和正交頻分復(fù)用兩大關(guān)鍵技術(shù)。此系統(tǒng)采用空間復(fù)用技術(shù)，不僅有更好的系統(tǒng)容量和數(shù)據(jù)傳輸速率，還有很好的抗多徑衰落的能力，而且又能夠通過(guò)空時(shí)分集和正交頻分復(fù)用提高可靠性和頻譜利用率［1，2］。

在MIMO-OFDM中常用的信道估計(jì)算法主要有LS（最小二乘）信道估計(jì)算法和基于LMMSE準(zhǔn)則的信道估計(jì)算法，然后進(jìn)行線性插值算法。系統(tǒng)采用導(dǎo)頻輔助的估計(jì)算法，先對(duì)導(dǎo)頻位置進(jìn)行信道估計(jì)，再進(jìn)行線性插值和臨近插值處理得到整個(gè)信道的頻率響應(yīng)H。線性信號(hào)檢測(cè)算法主要有迫零算法（ZF）、LMMSE算法以及ML算法。非線性檢測(cè)算法主要指V-BLAST算法、QR分解算法和相關(guān)改進(jìn)算法［3，4，5］。文獻(xiàn)［6］提出了一種單天線情況下LS 和ZF算法的迭代運(yùn)算，但不適用于多天線的情況。本文是基于改進(jìn)的QR分解信號(hào)檢測(cè)算法進(jìn)行迭代。

本文采用基于改進(jìn)型QR信號(hào)檢測(cè)算法和LS算法，提出了一種基于空分復(fù)用模式下多天線聯(lián)合迭代信道估計(jì)和信號(hào)檢測(cè)算法。新的算法能夠更好的利用信道估計(jì)值和信號(hào)檢測(cè)之間的軟信息和交互信息［7］。其次，在QR分解信號(hào)檢測(cè)算法和LS算法加頻域插值準(zhǔn)則下，將經(jīng)過(guò)校正過(guò)后的信號(hào)檢測(cè)結(jié)果作為第二個(gè)符號(hào)的信道估計(jì)初值，進(jìn)行聯(lián)合迭代信道估計(jì)和信號(hào)檢測(cè)，對(duì)比傳統(tǒng)的插值算法和信號(hào)檢測(cè)，該算法不需要時(shí)域插值，且不需要等待下一個(gè)導(dǎo)頻信號(hào)信道估計(jì)完成，算法實(shí)現(xiàn)簡(jiǎn)單，能夠更好的結(jié)合信道估計(jì)與信號(hào)檢測(cè)過(guò)程，而且能夠有更好的系統(tǒng)性能和誤碼率。

1　系統(tǒng)描述

1.1 MIMO-OFDM系統(tǒng)結(jié)構(gòu)描述

MIMO-OFDM系統(tǒng)基帶模型如圖1，T為發(fā)送天線索引號(hào)，R為接收天線索引號(hào)。

圖1　MIMO-OFDM系統(tǒng)基帶模型

基于空分復(fù)用系統(tǒng)下，假設(shè)發(fā)送天線數(shù)為t，接受天線數(shù)為r ，H 代表信道沖擊響應(yīng)矩陣，矩陣大小為r?t ，其中表示第i 個(gè)發(fā)送天線到第j個(gè)接收天線的信道沖擊響應(yīng)。其中代表發(fā)送端的信號(hào)。表示接收端的信號(hào)，表示為Y=HX+N ，N代表噪聲向量［3］。

接收端信號(hào)有：

1.2 LS信道估計(jì)算法+頻域線性插值

將MIMO-OFDM信道模型寫(xiě)成矩陣的形式，則在導(dǎo)頻處有：

其中Hp是信道沖擊響應(yīng)；XP是已知的導(dǎo)頻發(fā)送信號(hào)；YP是接收到的導(dǎo)頻信號(hào)；WP是加性噪聲矢量。LS算法就是對(duì)（2）式中的參數(shù)H進(jìn)行估計(jì)，從而使得函數(shù)（3）最小，H? 是H 的估計(jì)值［8］。

再利用線性插值算法對(duì)導(dǎo)頻所在符號(hào)其他位置的信道沖擊響應(yīng)進(jìn)行頻域插值：

由公式（6）可以得到導(dǎo)頻所在符號(hào)全部的Hp。

傳統(tǒng)的LS信道估計(jì)算法加線性插值算法，是將所有導(dǎo)頻信號(hào)進(jìn)行頻域插值，然后根據(jù)導(dǎo)頻信號(hào)時(shí)域插值得出所有符號(hào)的信道沖擊響應(yīng)H，本文提出聯(lián)合迭代信號(hào)檢測(cè)算法不用等待所有導(dǎo)頻估計(jì)完成，只需要當(dāng)前符號(hào)估計(jì)完就可以進(jìn)行后面信號(hào)檢測(cè)的部分，則不需要時(shí)域插值，時(shí)效性有很大的提高。

1.3 改進(jìn)型QR信號(hào)檢測(cè)算法

傳統(tǒng)QR分解算法存在誤碼傳播的問(wèn)題。而且，最先檢測(cè)層檢測(cè)性能最差，分集增益較低，最后檢測(cè)層能夠很好利用分集信息。為了改進(jìn)信號(hào)檢測(cè)的系統(tǒng)性能，本文采用改進(jìn)型的QR分解檢測(cè)算法。

因?yàn)樽詈髮拥臋z測(cè)性能最好，首先要運(yùn)用QR分解算法將H矩陣分解進(jìn)行信號(hào)檢測(cè)，只保留最后一層的信號(hào)檢測(cè)的值，其他層的結(jié)果全部舍棄，然后將使最后檢測(cè)層的信號(hào)檢測(cè)的結(jié)果對(duì)應(yīng)下一次最先檢測(cè)層，隨后對(duì)調(diào)整后的信道沖擊響應(yīng)矩陣再次使用QR分解算法進(jìn)行信號(hào)檢測(cè)，同樣只保留最后一層的估計(jì)值并將其調(diào)整到下一次最先檢測(cè)層，重復(fù)該過(guò)程，直到所有層的符號(hào)被檢測(cè)出來(lái)［4］。接收信號(hào)可以表示為：

R 矩陣為QR分解得到的上三角矩陣，上式可變換為：

基本步驟如下所示：

（1）對(duì)于接收向量Y采用傳統(tǒng)QR分解檢測(cè)算法，得到各層檢測(cè)值；

（3）調(diào)整順序，循環(huán)調(diào)整H的列向量：h1→hnT→hnT-1…h(huán)2→h1，即將第1列的向量移動(dòng)到最后一列，得到新的信道矩陣；

第一，鄉(xiāng)村教師整體教育信念處于中等水平，在學(xué)生方面的信念亟待提升。第二，不同性別、年齡、學(xué)歷、教齡、職稱(chēng)的鄉(xiāng)村教師在教育信念的整體層面上不存在顯著差異。第三，年齡、教齡、職稱(chēng)與教育目的方面的信念呈正相關(guān)，年齡越大，教育目的信念得分越高。隨著從教時(shí)間的增加和職稱(chēng)的晉升，教育目的信念水平會(huì)不斷提高。

（6）令i=i+1，調(diào)至步驟（3），直到所有符號(hào)都被檢測(cè)完畢。

2　基于MIMO-OFDM聯(lián)合迭代信道估計(jì)和信號(hào)檢測(cè)算法

首先采用導(dǎo)頻輔助估計(jì)算法，根據(jù)LS算法和頻域線性插值算法，公式（5）和（6）計(jì)算出第一個(gè)導(dǎo)頻符號(hào)的H，將信道估計(jì)的結(jié)果經(jīng)過(guò)改進(jìn)型QR分解信號(hào)檢測(cè)，得到信號(hào)X 。

由于信道噪聲和多徑衰落的干擾，信號(hào)檢測(cè)的結(jié)果會(huì)有誤差，將信號(hào)檢測(cè)得到的X經(jīng)過(guò)軟解調(diào)，根據(jù)最小歐式距離準(zhǔn)則判定，將信號(hào)檢測(cè)的值校正，得到更準(zhǔn)確的信號(hào)，然后將校正后的信息經(jīng)過(guò)同樣的調(diào)制方式后，返回會(huì)得到更準(zhǔn)確的信號(hào)。

聯(lián)合迭代算法的流程圖如圖2。

圖2　聯(lián)合迭代算法流程

聯(lián)合迭代信道估計(jì)算法具體步驟如下：

（1） 利用基于LS算法加時(shí)域插值根據(jù)公式（5）和（6）估計(jì)出導(dǎo)頻處頻率響應(yīng)H 。

（2） 根據(jù)導(dǎo)頻符號(hào)的頻率響應(yīng)H經(jīng)過(guò)改進(jìn)型QR分解信號(hào)檢測(cè)得到X 。

（3） 將信號(hào)檢測(cè)出來(lái)的X，經(jīng)過(guò)相應(yīng)軟解調(diào)和最小歐式距離準(zhǔn)則進(jìn)行校正，判定為最近的星座點(diǎn)X? 。

（4） 將校正過(guò)后的X?通過(guò)相應(yīng)的調(diào)制方式，可以得到更準(zhǔn)確的信號(hào)。

此算法的優(yōu)勢(shì)是，經(jīng)過(guò)軟解調(diào)和最小歐式距離準(zhǔn)則校正，然后迭代在信道估計(jì)的模塊，采用LS算法和改進(jìn)型QR分解信號(hào)檢測(cè)算法，對(duì)比傳統(tǒng)的信道估計(jì)，在算法復(fù)雜度不高的情況下，有更好的誤碼率性能，準(zhǔn)確度更高，且在信道環(huán)境較差的情況下，性能改善情況明顯，且不用等待所有導(dǎo)頻符號(hào)信道估計(jì)全部做完，對(duì)于傳統(tǒng)信號(hào)估計(jì)和信號(hào)檢測(cè)是獨(dú)立的，新的迭代算法有效的結(jié)合了信道估計(jì)和信號(hào)檢測(cè)過(guò)程，充分利用兩者的交互信息。

3　算法在LTE-A下行鏈路的應(yīng)用

根據(jù)下行參考信號(hào)位置，2×2和4×4天線導(dǎo)頻位置和迭代過(guò)程如下如圖3和圖4，第0，4，7，11為下行導(dǎo)頻符號(hào)位置。

圖3　2×2天線下導(dǎo)頻信號(hào)位置（CRS）

圖4　4×4天線下導(dǎo)頻信號(hào)位置（CRS）

在2×2和4×4天線導(dǎo)頻位置可以得出，0，1，2，3為天線端口號(hào)，將第一個(gè)導(dǎo)頻符號(hào)經(jīng)過(guò)迭代信道估計(jì)算法作為第二個(gè)符號(hào)的迭代信道估計(jì)算法的初值，例如，第一個(gè)符號(hào)l=0經(jīng)過(guò)迭代算法得到H0作為下一個(gè)符號(hào)l=1迭代算法的初值， 依次類(lèi)推，離導(dǎo)頻符號(hào)越遠(yuǎn)的符號(hào)經(jīng)過(guò)此算法越準(zhǔn)確，當(dāng)下一個(gè)符號(hào)為導(dǎo)頻符號(hào)，如l=4的符號(hào)，則把重新當(dāng)前導(dǎo)頻符號(hào)經(jīng)過(guò)迭代算法結(jié)果更新為初值，可以防止差錯(cuò)傳播，在較低算法復(fù)雜度的情況下，LTE-A等移動(dòng)通信對(duì)時(shí)效性要求較高。獲得更好的誤碼率性能。

4　MTALAB仿真結(jié)果分析

本文的目的是通過(guò)基于MIMO-OFDM系統(tǒng)聯(lián)合迭代信道估計(jì)和信號(hào)檢測(cè)，選取的是改進(jìn)型QR分解信號(hào)算法，為了驗(yàn)證上述算法的結(jié)果，采用傳統(tǒng)型QR分解和改進(jìn)型QR分解算法進(jìn)行性能仿真。主要是在EPA信道模型下，分別對(duì)2×2和4×4天線采取迭代信道估計(jì)和信號(hào)檢測(cè)算法性能進(jìn)行仿真和驗(yàn)證。使用MATLAB搭建仿真鏈路，數(shù)據(jù)帶寬為20MHz，采樣頻率為30.72MHZ。信道模型參數(shù)具體如下表1。

表1　 信道模型具體參數(shù)配置

圖5　空分復(fù)用模式下信號(hào)檢測(cè)算法性能

根據(jù)仿真圖結(jié)果如圖5，本文選取的改進(jìn)型QR分解信號(hào)檢測(cè)算法明顯優(yōu)于線性迫零算法和傳統(tǒng)QR分解檢測(cè)算法，在誤碼率為時(shí)，改進(jìn)型QR的信噪比比傳統(tǒng)QR算法少4dB。誤比特率明顯低于ZF和傳統(tǒng)QR算法。如表2，計(jì)算復(fù)雜度僅統(tǒng)計(jì)復(fù)數(shù)乘法的次數(shù)，算法復(fù)雜度大大少于ML算法，略高于傳統(tǒng)QR。

表2　 算法復(fù)雜度比較

圖6　2×2天線下系統(tǒng)性能分析

圖7　4×4天線下系統(tǒng)性能分析

根據(jù)仿真圖結(jié)果如圖6和圖7，在不同MIMO-OFDM系統(tǒng)和相同的無(wú)線信道環(huán)境（EPA）下，兩種算法隨著信噪比增加而減少，但是新的迭代信道估計(jì)算法系統(tǒng)性能對(duì)比傳統(tǒng)算法有明顯增加，在2×2天線下BER為時(shí)，迭代算法優(yōu)于傳統(tǒng)算法2db，在4×4天線下BER為時(shí)，迭代算法優(yōu)于傳統(tǒng)算法4db，且在信道環(huán)境比較差的情況下，效果更明顯，當(dāng)SNR=2dB時(shí)有明顯增加。在無(wú)線信道環(huán)境下，有較好的防止多徑干擾和多普勒頻移，誤碼率性能和時(shí)效性對(duì)比傳統(tǒng)算法也有很好提升。

5　結(jié)束語(yǔ)

針對(duì)MIMO-OFDM系統(tǒng)，本文基于LS算法和改進(jìn)型QR信號(hào)檢測(cè)基礎(chǔ)上，提出了一種新的聯(lián)合迭代信道估計(jì)和信號(hào)檢測(cè)算法，提升系統(tǒng)性能，并提出在LTE-A系統(tǒng)上的可用性，能夠充分利用兩者之間的交互信息，提高可靠性，而且經(jīng)過(guò)MATLAB在無(wú)線信道仿真得出其正確性，通過(guò)對(duì)比，驗(yàn)證此算法的正確性，在信道環(huán)境較差情況下，有明顯提升，該算法已經(jīng)用于重慶市教委科學(xué)技術(shù)研究項(xiàng)目（KJ1500428）。

1Babidha K R， Smitha P S. Implementation of both spatial diversity and spatial multiplexing technique in MIMOOFDM communication system［J］. International Journal of Multmdeia and Ubiquitous Engineering， 2014， 9（9）: 249-254

2Sheng Wu， Lin lingKuang. Low-complexity iterative detection for large-scale multiuser MIMO-OFDM systems using approximate message passing［J］. Selected Topics in Signal Processing. IEEE Journal Publication Year:2014:902-915

3Lei Cao， Wenjin Wang. Improved MMSE SQRD based detection for MIMO-OFDM systems with co-channel interference［C］// Wireless Communications ＆ Signal Processing （WCSP）， 2015 International Conference on. 2016:1- 6

4郭哥. LTE系統(tǒng)中下行信號(hào)檢測(cè)算法研究［D］，重慶：重慶郵電大學(xué)，2011

5S.Morteza Razavi. Adaptive LS and MMSE-based beamformer design for multiuser MIMO interference channels ［J］. IEEE Transactions on Vehicular Technology. 2016:132- 144

6李小文，趙北平，王華華. OFDM系統(tǒng)中一種新的聯(lián)合信道估計(jì)和信號(hào)檢測(cè)算法［J］.光通信研究， 2016，12（6）:58-60

7Ruizhe Yang， Siyang Ye. Iterative channel estimation and detection for fast time-varying MIMO-OFDM channels ［C］//Wireless Communications and Networking Conference（WCNC）， New Orleans， LA， IEEE，2015:229-234

8Andre G.D.Uchoa. Iterative detection and decoding algorithms for MIMO systems in block-fading channels using LDPC codes［J］. IEEE Transactions on Vehicular Technology. 2016:2735-2741

10.3969/j.issn.1006-6403.2016.07.007

2016-06-12）