劉玉珍，閆興玉

遼寧工程技術(shù)大學(xué)電子與信息工程學(xué)院，遼寧葫蘆島 125105

基于VC的MIMO-OFDM系統(tǒng)的子空間半盲信道估計(jì)

劉玉珍，閆興玉

遼寧工程技術(shù)大學(xué)電子與信息工程學(xué)院，遼寧葫蘆島 125105

為了滿足用戶日益增長的通信需求，多輸入多輸出（MIMO）技術(shù)和正交頻分復(fù)用（OFDM）技術(shù)相結(jié)合的MIMO-OFDM技術(shù)已成為現(xiàn)今研究的熱點(diǎn)問題[1]。MIMOOFDM系統(tǒng)可以實(shí)現(xiàn)數(shù)據(jù)在無線通信系統(tǒng)中的高速傳輸[2]。對(duì)MIMO-OFDM系統(tǒng)而言，要獲得滿意的性能就需要精確的信道狀態(tài)信息（CSI），因此信道估計(jì)有著非常重要的作用。信道估計(jì)方法主要可以分為基于導(dǎo)頻的信道估計(jì)、半盲信道估計(jì)和盲信道估計(jì)[3-4]。導(dǎo)頻信道估計(jì)算法因其低復(fù)雜性和高穩(wěn)定而被廣泛使用。但是需要額外的帶寬來適應(yīng)周期的訓(xùn)練符號(hào)，從而降低了頻譜效率[5-6]。盲法利用二階或更高階的接收信號(hào)統(tǒng)計(jì)量來進(jìn)行信道估計(jì)[7]。而半盲信道估計(jì)結(jié)合了盲信道估計(jì)和導(dǎo)頻序列的信道估計(jì)[8]。

文獻(xiàn)[9-12]中敘述了考慮虛擬載波（VC）的OFDM系統(tǒng)信道估計(jì)。而文獻(xiàn)[13]中提出了基于SISO-OFDM系統(tǒng)的子空間盲信道估計(jì)。文獻(xiàn)[14]中提出了一種基于子空間的MIMO-OFDM系統(tǒng)信道估計(jì)。文獻(xiàn)[15]中討論了聯(lián)合載波頻率偏移和OFDM系統(tǒng)的采用導(dǎo)頻序列的信道估計(jì)。原始的子空間盲和半盲信道估計(jì)算法收斂速度慢，并需要大量接收信號(hào)來確保獲得準(zhǔn)確的統(tǒng)計(jì)信息降低信道估計(jì)誤差。為了提高子空間信道估計(jì)的收斂性，文獻(xiàn)[16]提出了分塊矩陣思想且無CP系統(tǒng)。本文結(jié)合了上述文獻(xiàn)中的思想，提出了一種基于VC的MIMO-OFDM系統(tǒng)盲和半盲子空間信道估計(jì)算法，該算法將每個(gè)OFDM碼元分割成子矢量來獲得一組等效信號(hào)，以此提高信道估計(jì)性能。

1 MIMO-OFDM系統(tǒng)模型

MIMO-OFDM系統(tǒng)模擬框圖如圖1所示。

圖1 MIMO-OFDM系統(tǒng)框圖

系統(tǒng)采用Mt根發(fā)射天線和Mr根接收天線，總信道帶寬分為N個(gè)正交子載波。其中D個(gè)子載波用于傳輸數(shù)據(jù)，用標(biāo)號(hào)p0～p0+D-1表示，其余N-D個(gè)子載波作為虛擬子載波（VC）。

第j個(gè)發(fā)射天線發(fā)射的第n個(gè)OFDM頻域符號(hào)塊信號(hào)由下式給出：

2 傳統(tǒng)子空間盲信道估計(jì)

將公式（5）中的信號(hào)向量xn可改寫為：

3 子空間盲信道估計(jì)改進(jìn)算法

傳統(tǒng)子空間盲信道估計(jì)算法的估計(jì)性能與接收端接受的符號(hào)數(shù)目有關(guān)即估計(jì)性能與樣本矩陣的長度有關(guān)[18]。假設(shè)ΔRr=Rr-︵Rr是樣本矩陣的偏置矩陣。偏置矩陣ΔRr的范數(shù)||ΔRr||F與rn的大小成正比，與K的大小成反比。為了降低信道估計(jì)誤差，要求||ΔRr||F盡可能得小而K盡可能得大。由文獻(xiàn)[16]中的塊矩陣算法啟發(fā)，本文提出了一種新的快速收斂子空間信道估計(jì)算法。該算法是在接受矢量rn中單獨(dú)提取出一段來進(jìn)行研究，可以有效地在降低復(fù)雜度的前提下保持估計(jì)性能。

由矢量rn可以定義一組子矢量{rn，g}：

公式（17）的解是矩陣Φ的最小特征值對(duì)應(yīng)的特征向量。h?與真正的信道上的模糊矩陣Ω不同。在盲信道子空間估計(jì)算法中可以引入的幾個(gè)導(dǎo)頻序列來解決此問題。

4 半盲信道估計(jì)改進(jìn)算法

半盲信道估計(jì)是介于盲信道估計(jì)與導(dǎo)頻信道估計(jì)之間的，即在盲信道估計(jì)算法中加入少量的導(dǎo)頻信號(hào)。半盲信道估計(jì)算法可以有效整合子空間盲信道估計(jì)算法和導(dǎo)頻序列，最終達(dá)到提高信道估計(jì)的性能的目的[11-12]。不考慮循環(huán)CP的接收矢量：

5 計(jì)算機(jī)模擬

文中主要通過計(jì)算機(jī)模擬對(duì)提出的信道估計(jì)算法進(jìn)行仿真估計(jì)。假設(shè)調(diào)制子載波數(shù)N=64，循環(huán)前綴CP= 16，虛擬載波VC=10。仿真中的調(diào)制方式為16QAM，信道階數(shù)L=5。在半盲信道估計(jì)算法中，令A(yù)=4，B=8，α=100。

由下式給出估計(jì)信道和真實(shí)信道之間的歸一化均方根誤差（NRMSE）。

其中，Nm表示蒙特卡洛運(yùn)行數(shù)。

本文主要分析的是子空間分解信道估計(jì)算法，表1給出了原始盲估計(jì)算法和改進(jìn)后盲估計(jì)算法復(fù)雜度的比較。

表1 傳統(tǒng)盲估計(jì)與改進(jìn)盲估計(jì)復(fù)雜度比較

從表1可以看出改進(jìn)后的盲估計(jì)算法的復(fù)雜度比原始算法要低。

選擇如上所述的仿真參數(shù)，圖2給出了不同信道估計(jì)算法的NRMSE與SNR的比較。

圖2 不同信道估計(jì)算法NRMSE與SNR比較(G=40，K=200)

從圖2中可以看出，采用改進(jìn)后的盲信道算法的NRMSE明顯低于原始的子空間盲信道算法，并且隨著誤碼率的增加，改進(jìn)后算法的優(yōu)越性更加明顯。而加入導(dǎo)頻序列后的半盲信道估計(jì)算法的NRMSE比沒加入導(dǎo)頻的盲信道算法更好。

圖3給出了不同信道估計(jì)算法的BER與SNR的比較。從圖中可以看出，采用改進(jìn)后的盲信道算法的BER明顯低于原始的子空間盲信道算法，并且隨著誤碼率的增加，改進(jìn)后算法的優(yōu)越性更加明顯。而加入導(dǎo)頻序列后的半盲信道估計(jì)算法的BER比沒加入導(dǎo)頻的盲信道算法更好。

圖3 不同信道估計(jì)算法BER與SNR比較(G=40，K=200)

6 結(jié)論

本文中提出了MIMO-OFDM系統(tǒng)下基于VC分解的子空間盲和半盲信道估計(jì)算法。通過塊矩陣算法的思想，將每個(gè)OFDM符號(hào)中產(chǎn)生一組子矢量。在相同的信號(hào)中減少了相關(guān)矩陣的長度，用于提高子空間盲信道估計(jì)的估計(jì)性能。而后又在提出的盲信道估計(jì)算法中加入了導(dǎo)頻序列，形成了半盲信道估計(jì)。當(dāng)N較大時(shí)，新提出的半盲信道估計(jì)性能尤為突出。最后通過計(jì)算機(jī)模擬仿真證實(shí)了提出的盲和半盲信道估計(jì)算法的估計(jì)性能良好。

[1]Jiang M，Hanzo L.Multi-user MIMO-OFDM for next generation wireless systems[J].Proceedings of the IEEE，2007，95（7）：1430-1469.

[2]Dahlman E，Parkvall S，Skold J.4G LTE/LTE-advanced for mobile broadband[M].[S.l.]：Academic Press，2011.

[3]Sophia-Antipolis：radio broadcasting systems，Digital Audio Broadcasting（DAB）to mobile,portable and fixed receivers[C]//Norme ETSI，1997：300-401.

[4]Sophia-Antipolis：digital broadcasting systems for television，sound and data services；framing structure，channel coding and modulation for digital terrestrial television[C]// Norme ETSI，1996：740-744.

[5]IEEE standard for local and metropolitan area networks part 16：air interface for fixed broadband wireless access systems[S].2004.

[6]Sari H，Karam G，Jeanclaude I.Transmission techniques for digital terrestrial TV broadcasting[J].IEEE Commun Mag，1995，33（2）：100-109.

[7]Ozdemir M K，Arslan H.Channel estimation for wireless OFDM systems[J].IEEE Commun Surveys&Tutorials，2007，9（2）.

[8]Li H，Ho C K，Bergmans J W M，et al.Pilot-aided angledomain channel estimation techniques for MIMO-OFDM systems[J].IEEE Trans on Veh Technol，2008，57（2）：906-920.

[9]Bolcskei H，Heath R W，Paulraj A J.Blind channel identification and equalization in OFDM-based multiantenna systems[J].IEEE Trans on Signal Processing，2002，50（1）.

[10]Gao F，Zeng Y，Nallanathan A，et al.Robust subspace blind channel estimation for cyclic prefixed MIMO OFDM systems：algorithm，identifiability and performance analysis[J].IEEE J Sel Areas Commun，2008，26：378-388.

[11]Zeng Y，Ng T S.A semi-blind channel estimation method for multiuser multiantenna OFDM systems[J].IEEE Trans on Signal Processing，2004，52（5）：1419-1429.

[12]Wan F，Zhu W P，Swamy M N S.Semiblind sparse channel estimation for MIMO-OFDM systems[J].IEEE Trans on Vehicular Technology，2011，60（6）：2569-2582.

[13]Li C，Roy S.Subspace-based blind channel estimation for OFDM by exploiting virtual carriers[J].IEEE Trans on Wireless Commun，2003，2：141-150.

[14]Shin C，Heath R W，Powers E J.Blind channel estimation for MIMO-OFDM systems[J].IEEE Trans on Veh Technol，2007，56（2）：670-685.

[15]Cui T，Tellambura C.Joint frequency offset and channel estimation for OFDM systems using pilot symbols and virtual carriers[J].IEEE Trans on Wireless Commun，2007，6（4）：1193-1202.

[16]Huang W C，Pan C H，Li C P，et al.Subspace-based semi-blind channel estimation in uplink OFDMA systems[J].IEEE Trans on Broadcasting，2010，56（1）：58-65.

[17]Yu J L.Channel estimation for SIMO OFDM systems without cyclic prefix[J].Electronics Letters，2007，43（24）：1369-1371.

[18]Xu G，Roy R H，Kailath T.Detection of number of sources via exploitation of centro-symmetry property[J]. IEEE Trans on Signal Process，1994，42（1）：102-112.

LIU Yuzhen,YAN Xingyu

School of Electronics and Information Engineering,Liaoning Technical University,Huludao,Liaoning 125105,China

The convergence speed of traditional subspace-based blind channel estimation is slow and has a good estimating quality only by receiving a large number of signals.Therefore,this paper proposes a VC-based blind channel estimation method in MIMO-OFDM systems.The algorithm is the combination of traditional subspace algorithm and block matrix thought.It extracts a set of vectors to reduce the number of dimensions in OFDM signals and then adds pilot sequence to form a new semi-blind channel estimation method in blind channel estimation method.By computer modeling and simulation, it can be found that newly promoted blind channel estimation method and semi-blind channel estimation method work better in channel estimation and convergence.

Multiple-Input Multiple-Output（MIMO）;Orthogonal Frequency Division Multiplexing（OFDM）;channel estimation;virtual carrier;subspace channel estimation

傳統(tǒng)的子空間盲信道估計(jì)收斂速度緩慢且需要大量接收信號(hào)才能保證估計(jì)性能良好，就此問題提出了一種新的基于虛擬載波（VC）的MIMO-OFDM系統(tǒng)的盲信道估計(jì)算法。該算法是傳統(tǒng)子空間算法與塊矩陣思想的結(jié)合，在每個(gè)OFDM符號(hào)中提取一組子矢量來降低維度。而后又在盲信道估計(jì)算法中加入導(dǎo)頻序列形成新的半盲信道估計(jì)算法。通過計(jì)算機(jī)模擬仿真發(fā)現(xiàn)，新提出的盲信道和半盲信道估計(jì)算法在信道估計(jì)性能和收斂性方面均表現(xiàn)較好。

多輸入多輸出系統(tǒng)；正交頻分復(fù)用；信道估計(jì)；虛擬載波；子空間估計(jì)

A

TN911

10.3778/j.issn.1002-8331.1310-0305

LIU Yuzhen,YAN Xingyu.Semi-blind channel estimation for MIMO-OFDM systems with VC.Computer Engineering and Applications,2014,50（18）：210-214.

劉玉珍（1964—），女，教授，碩士生導(dǎo)師，主要研究方向：數(shù)據(jù)通信與網(wǎng)絡(luò)工程，MIMO-OFDM信道估計(jì)與檢測(cè)；閆興玉（1989—），女，碩士在讀，主要研究方向：MIMO-OFDM信道估計(jì)。E-mail：825807294@qq.com

2013-10-24

2014-01-02

1002-8331（2014）18-0210-05

CNKI網(wǎng)絡(luò)優(yōu)先出版：2014-01-26，http://www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1310-0305.html