论文部分内容阅读
无线信道的衰落特性，使得发送端与接收端之间的路径变的复杂，深深的影响着无线通信系统的性能。无线信道处于自由环境中，不固定，随机性很强，很有必要通过信道估计来获取准确的信道状态信息，从而准确地解调出发射信号，因此，信道估计算法的研究是一项非常有意义的工作。 本文首先介绍了无线信道的特点、无线信道的衰落特点，重点分析了无线信道的几种衰落模型，以及本文使用的一阶自回归模型。接着介绍了信道估计技术，包括信道估计类型和常用的信道估计算法。信道估计类型包括盲信道估计和基于导频的信道估计。常用的信道估计算法有:最大似然估计(ML，Maximum Likelihood estimation)、最小二乘估计(LS，Least Square estimation)、线性最小均分误差估计(LMMSE，Linear Minimum Mean SquareError estimation)等。 卡尔曼滤波算法广泛应用在数字信号处理、信号检测与估计、信号状态预测等方面，本文利用卡尔曼滤波算法的跟踪和预测功能，来比对传统的信道估计方案。本论文在研究了无线信道特性、卡尔曼滤波技术以及总结现有信道估计算法的基础上，提出了一种基于卡尔曼滤波的时变信道估计算法。在接收端对数据进行分段处理，当时间段足够大的时候，可以假设信道在每一时间段内是时不变的，并数学推导出了段长的最优条件。在此前提下，提出了基于卡尔曼滤波的信道估计方法。首先，利用一阶Gauss-Markov模型来描述信道的衰落过程，在前两个数据传输时间段内全部铺设导频，以便估计出该模型的相关衰落系数α;然后在后续的数据段内加入少量的隐含导频，并利用卡尔曼滤波来跟踪和预测下一时间段的信道;最后在该估计算法的基础上，基于最大化系统吞吐量的原则，以信号与干扰加噪声比（SINR，Signal-to-Interference plus Noise Ratio）为目标，对导频和数据进行了最有功率分配。仿真结果表明本文的算法在快时变信道下具有很好的性能，并与理论分析结果相吻合。 结合信道估计，本文另外研究了低复杂度的高速移动环境下的正交频分复用系统的均衡算法。基于信道线性变化的假设，在接收端利用矩形窗对信号进行分段处理。首先，接收端利用矩形窗将一个OFDM符号等分为多个子符号块，并假设在每个子符号块内信道系数为时不变的，然后对每个子符号块进行加权拟合，使得计算复杂度低于当前的均衡算法的复杂度。