導(dǎo)頻的OFDM信道估計(jì)

目錄摘要 -2-第1章緒論 -3-OFDM技術(shù)發(fā)展歷史 -3-OFDM技術(shù)的優(yōu)點(diǎn) -3-OFDM技術(shù)的缺點(diǎn) -4-第2章無線信道 -5-無線信道的衰落特性 -5-多普勒效應(yīng) -6-無線信道的模型 -7-高斯(Gaussian)信道模型 -7-瑞利(Rayleigh)信道模型 -7-萊斯(Rician)信道模型 -7-第3章OFDM系統(tǒng)的基本原理 -8-OFDM系統(tǒng)的基本原理 -8-OFDM系統(tǒng)基本模型 -8-第4章基于導(dǎo)頻的OFDM信道預(yù)計(jì)辦法 -11-OFDM系統(tǒng)的信道預(yù)計(jì)模型 -11-導(dǎo)頻構(gòu)造 -13-基于塊狀導(dǎo)頻的信道預(yù)計(jì) -14-LS算法 -14-MMSE算法 -15-仿真成果及分析 -16-參考文獻(xiàn) -18-附錄 -19-

基于導(dǎo)頻的OFDM信道預(yù)計(jì)摘要正交頻分復(fù)用技術(shù)(OFDM)是一種無線環(huán)境下的高速多載波傳輸技術(shù)，含有很高的頻譜運(yùn)用率和良好的抗多徑干擾能力，是第四代移動(dòng)通信系統(tǒng)的核心技術(shù)。為了能夠在接受端對的地解調(diào)出發(fā)射端信息，需要從接受數(shù)據(jù)中將信道信息精確的預(yù)計(jì)出來，因此信道預(yù)計(jì)技術(shù)成為了OFDM系統(tǒng)的研究熱點(diǎn)之一。本論文首先系統(tǒng)的介紹了OFDM技術(shù)和無線信道的有關(guān)內(nèi)容，給出OFDM系統(tǒng)的基本模型，然后敘述了信道預(yù)計(jì)的基本辦法，即數(shù)據(jù)輔助信道預(yù)計(jì)算法和盲信道預(yù)計(jì)算法。本文重點(diǎn)研究了基于導(dǎo)頻的OFDM信道預(yù)計(jì)算法，并通過MATLAB實(shí)現(xiàn)了基于導(dǎo)頻的信道預(yù)計(jì)算法的仿真。通過仿真分析可知信道預(yù)計(jì)能夠減少系統(tǒng)的誤碼率。核心詞：正交頻分復(fù)用，信道預(yù)計(jì)，LS算法

第1章緒論OFDM技術(shù)發(fā)展歷史正交頻分復(fù)用技術(shù)是一種把高速率串行數(shù)據(jù)通過頻分復(fù)用來實(shí)現(xiàn)并行傳輸?shù)亩噍d波傳輸技術(shù)，多載波傳輸將數(shù)據(jù)流分解為若干個(gè)獨(dú)立的子比特流，每個(gè)子數(shù)據(jù)流將含有更低的比特速率[1]。用這樣低比特率形成的低速率多狀態(tài)符號去調(diào)制對應(yīng)的子載波，就構(gòu)成了多個(gè)低速率符號并行發(fā)送的傳輸系統(tǒng)。OFDM技術(shù)是多載波傳輸方案的實(shí)現(xiàn)方式之一，OFDM技術(shù)用快速傅立葉逆變換(IFFT)和快速傅立葉變換(FFT)來分別實(shí)現(xiàn)調(diào)制和解調(diào)，是實(shí)現(xiàn)復(fù)雜度最低、應(yīng)用最廣的一種多載波傳輸方案，受到人們越來越多的關(guān)注。正交頻分復(fù)用的思想可追溯到20世紀(jì)50年代，在1966年的一篇有關(guān)將帶限正交信號綜合用于多信道傳輸?shù)奈恼轮械谝淮翁岢隽嗽诰€性帶限信道中實(shí)現(xiàn)無信道間干擾(Inter-ChannelInterference，ICI)和無符號間干擾(Inter-SymbolInte-rference，ISI)的多信道傳輸模型。但由于并行傳輸系統(tǒng)需要基帶成形濾波器陣列，正弦波載波發(fā)生器陣列及相干解調(diào)陣列，采用傳統(tǒng)的模擬辦法實(shí)現(xiàn)是相稱復(fù)雜昂貴的，因而早期并沒有得到實(shí)際應(yīng)用。1971年，Weinstein和Ebert發(fā)現(xiàn)了通過離散傅立葉逆變換(Inv-erseDiscreteFourierTransform，IDFT)和離散傅立葉變換(DiscreteFourierTransform，DFT)快速實(shí)現(xiàn)OFDM的調(diào)制和解調(diào)辦法，為后來OFDM廣泛應(yīng)用于通信領(lǐng)域開辟了道路。運(yùn)用DFT實(shí)現(xiàn)的OFDM系統(tǒng)的發(fā)送端不需要多套正弦發(fā)生器，而接受端也不需要用多個(gè)帶通濾波器來檢測各路子載波。但由于當(dāng)時(shí)的數(shù)字信號解決技術(shù)的限制，OFDM技術(shù)并沒有得到廣泛應(yīng)用。80年代，人們對多載波調(diào)制在高速調(diào)制解調(diào)器、數(shù)字移動(dòng)通信等領(lǐng)域中的應(yīng)用進(jìn)行了較為進(jìn)一步的研究，分析了OFDM技術(shù)在移動(dòng)通信應(yīng)用中存在的問題和解決辦法，從此后來，OFDM在無線移動(dòng)通信領(lǐng)域的應(yīng)用中得到了迅猛的發(fā)展。近年來，由于數(shù)字信號解決(DigitalSignalProcessing，DSP)技術(shù)和大規(guī)模集成電路技術(shù)的飛速發(fā)展，大大推動(dòng)了OFDM技術(shù)在無線通信環(huán)境中的實(shí)用化，使OFDM技術(shù)在高速數(shù)據(jù)傳輸領(lǐng)域受到了人們的廣泛關(guān)注。OFDM技術(shù)的優(yōu)點(diǎn)OFDM技術(shù)之因此越來越受關(guān)注，是由于OFDM有諸多獨(dú)特的優(yōu)點(diǎn)：1.把高速數(shù)據(jù)流通過串并變換，使得每個(gè)子載波上的數(shù)據(jù)符號持續(xù)長度相對增加，從而有效減少由于無線信道的時(shí)間彌散所帶來的ISI，減少了接受機(jī)內(nèi)均衡的復(fù)雜度，有時(shí)甚至能夠不采用均衡器，而僅僅通過采用插入循環(huán)前綴的辦法消除ISI的不利影響[2]。系統(tǒng)各個(gè)子載波之間存在正交性，允許子信道的頻譜互相重疊，能夠最大程度地運(yùn)用頻譜資源。當(dāng)子載波個(gè)數(shù)很大時(shí)，系統(tǒng)的頻譜運(yùn)用率趨于2Baud/Hz。系統(tǒng)能夠使用基帶IFFT/FFT解決來實(shí)現(xiàn)，不需要使用多個(gè)發(fā)送和接受濾波器組，設(shè)備復(fù)雜度大為下降。隨著VLSI技術(shù)的發(fā)展，OFDM系統(tǒng)的載波數(shù)能夠做到很大。4.無線數(shù)據(jù)業(yè)務(wù)普通存在非對稱性，這就規(guī)定物理層支持非對稱高速率數(shù)據(jù)傳輸，OFDM系統(tǒng)能夠通過使用不同數(shù)量的子信道來實(shí)現(xiàn)上行和下行鏈路中不同的傳輸速率。易于和其它多個(gè)接入辦法結(jié)合使用，構(gòu)成OFDMA系統(tǒng)，其中涉及多載波碼分多址MC-CDMA、跳頻OFDM以及OFDM-TDMA等等，使得多個(gè)顧客能夠運(yùn)用OFDM技術(shù)進(jìn)行信息的傳輸。OFDM技術(shù)的缺點(diǎn)即使OFDM有上述優(yōu)點(diǎn)，但是同樣其信號調(diào)制機(jī)制也使得OFDM信號在傳輸過程中存在著某些劣勢[3]：1.對相位噪聲和載波頻偏十分敏感這是OFDM技術(shù)一種非常致命的缺點(diǎn)，整個(gè)OFDM系統(tǒng)對各個(gè)子載波之間的正交性規(guī)定格外嚴(yán)格，任何一點(diǎn)小的載波頻偏都會(huì)破壞子載波之間的正交性，引發(fā)信道間干擾，同樣，相位噪聲也會(huì)造成碼元星座點(diǎn)的旋轉(zhuǎn)擴(kuò)散，從而形成干擾。而單載波系統(tǒng)就沒有這個(gè)問題，相位噪聲和載波頻偏僅僅是減少了接受到的信噪比，而不會(huì)引發(fā)互相之間的干擾。2.峰均比過大OFDM信號由多個(gè)子載波信號構(gòu)成，這些子載波信號由不同的調(diào)制符號獨(dú)立調(diào)制。同傳統(tǒng)的恒包絡(luò)的調(diào)制辦法相比，OFDM調(diào)制存在一種很高的峰值因子。由于OFDM信號是諸多個(gè)小信號的總和，這些小信號的相位是由要傳輸?shù)臄?shù)據(jù)序列決定的。對某些數(shù)據(jù)，這些小信號可能同相，而在幅度上疊加在一起從而產(chǎn)生很大的瞬時(shí)峰值幅度。而峰均比過大，將會(huì)增加A/D和D/A的復(fù)雜性，并且會(huì)減少射頻功率放大器的效率。同時(shí)，在發(fā)射端，放大器的最大輸出功率就限制了信號的峰值，這會(huì)在OFDM頻段內(nèi)和相鄰頻段之間產(chǎn)生干擾。3.所需線性范疇寬由于OFDM系統(tǒng)峰值平均功率比(PAPR)大，對非線性放大更為敏感，因此OFDM調(diào)制系統(tǒng)比單載波系統(tǒng)對放大器的線性范疇規(guī)定更高。

第2章無線信道信道是對無線通信中發(fā)送端和接受端之間的通路的一種形象比方，對于無線電波而言，它從發(fā)送端傳送到接受端，其間并沒有一種有形的連接，它的傳輸途徑也有可能不只一條，但是為了形象地描述發(fā)送端與接受端之間的工作，能夠想象兩者之間有一種看不見的道路銜接，把這條銜接通路稱為信道。信道含有一定的頻率帶寬，正如公路有一定的寬度同樣。無線信道的衰落特性無線信道是移動(dòng)通信系統(tǒng)的重要構(gòu)成部分，它的好壞對整個(gè)通信系統(tǒng)會(huì)造成直接的影響[4]。因此，有必要對無線信道的各項(xiàng)特性進(jìn)行全方面進(jìn)一步的研究。由于在無線通信系統(tǒng)中，信號是以電磁波的形式進(jìn)行傳輸?shù)?，由于傳輸環(huán)境十分復(fù)雜，往往會(huì)對信號造成不同程度的衰落。按照信號在傳輸過程中所受不同環(huán)境因素的影響，信號的衰落能夠分為下列幾個(gè)類型：1.大尺度衰落：它是指當(dāng)發(fā)射機(jī)與接受機(jī)之間的距離在一米到十米左右的范疇內(nèi)變化時(shí)，接受信號功率的本地平均值將保持不變，當(dāng)發(fā)射機(jī)與接受機(jī)之間的距離超出這個(gè)范疇后，并且信道中面臨不同的障礙物和反射平面時(shí)，接受信號功率的本地平均值將會(huì)出現(xiàn)幾個(gè)數(shù)量級的變化，即產(chǎn)生大尺度衰落。信道的大尺度衰落重要用來描述接受信號平均功率隨接受機(jī)與發(fā)射機(jī)之間距離的變化狀況。2.陰影衰落：當(dāng)電磁波在空間傳輸受到地形起伏、高大建筑物的阻擋，在這些障礙物的背面會(huì)產(chǎn)生電磁場的陰影，造成場強(qiáng)中值的變化，從而引發(fā)衰落，這稱為陰影衰落。與多徑衰落相比，陰影衰落是一種宏觀衰落，是以較大的空間尺度來衡量的，其衰落特性符合對數(shù)正態(tài)分布。其中接受信號的局部場強(qiáng)中值變化的幅度取決于信號頻率和障礙物狀況。頻率較高的信號比低頻信號更加容易穿透障礙物。而低頻信號比較高頻率的信號含有更強(qiáng)的繞射能力。3.小尺度衰落描述非常短的距離（幾個(gè)波長）或非常短的時(shí)間間隔（秒級）內(nèi)的接受信號強(qiáng)度的快速波動(dòng)的傳輸模型，稱為小尺度衰落模型。小尺度衰落是由于同一傳輸信號沿兩個(gè)或多個(gè)途徑傳輸，以微小的時(shí)間差達(dá)成接受機(jī)的信號互相干涉所引發(fā)的，這些波稱多徑波。接受機(jī)天線將它們合成為一種幅度和相位都急劇變化的信號，其變化程度取決于多徑波的強(qiáng)度、相對傳輸時(shí)間以及傳輸信號的帶寬。小尺度衰落三個(gè)重要效應(yīng)體現(xiàn)為：(1)通過短距或短時(shí)傳輸后信號強(qiáng)度的急速變化。(2)在不同多徑信號上，存在著時(shí)變的多普勒頻移引發(fā)的隨機(jī)頻率調(diào)制。(3)多徑時(shí)延擴(kuò)展造成信號的時(shí)間彌散效應(yīng)。影響小尺度衰落的因素涉及：(1)多徑傳輸：信道中反射及反射物的存在，構(gòu)成了一種不停消耗信號能量的環(huán)境，使反射波達(dá)成接受機(jī)時(shí)在時(shí)間、空間上互相區(qū)別。不同多徑成分含有的隨機(jī)相位和幅度引發(fā)信號強(qiáng)度波動(dòng)，造成小尺度衰落、信號失真等現(xiàn)象。多徑傳輸常延長信號基帶部分達(dá)成接受機(jī)所用的時(shí)間，從而帶來碼間干擾引發(fā)信號含糊。(2)移動(dòng)臺(tái)的運(yùn)動(dòng)速度：基站與移動(dòng)臺(tái)間的相對運(yùn)動(dòng)會(huì)引發(fā)隨機(jī)頻率調(diào)制。這是由于多徑分量存在的多普勒頻移現(xiàn)象。決定多普勒頻偏是正頻移或負(fù)頻移取決于移動(dòng)接受機(jī)是朝向還是背向基站運(yùn)動(dòng)。(3)環(huán)境物體的運(yùn)動(dòng)速度：如果無線信道中的物體處在運(yùn)動(dòng)狀態(tài)，就會(huì)引發(fā)時(shí)變的多普勒頻移。若環(huán)境物體的速度不不大于移動(dòng)臺(tái)，那么這種運(yùn)動(dòng)將對小尺度衰落起決定作用。否則，可僅考慮移動(dòng)臺(tái)運(yùn)動(dòng)速度的影響，而無視環(huán)境物體運(yùn)動(dòng)速度的影響。(4)信號的傳輸帶寬：寬帶信號和窄帶信號在多徑信道中體現(xiàn)出不同的衰落特性。如果信號帶寬比Doppler帶寬敞諸多，則信號對Doppler頻移引發(fā)的失真將不敏感。若傳輸信號帶寬比信道帶寬窄，信號幅度會(huì)快速變化，但信號不會(huì)出現(xiàn)失真。如果信號帶寬窄到能夠與Doppler帶寬相比擬時(shí)，信號對Doppler頻移引發(fā)的失真將較為敏感。多普勒效應(yīng)在移動(dòng)通信中由于移動(dòng)設(shè)備的移動(dòng)性造成基站與移動(dòng)設(shè)備之間的信道隨時(shí)間發(fā)生變化，即無線信道的傳輸函數(shù)隨時(shí)間不停變化。具體的物理體現(xiàn)是單一的頻率信號通過多普勒頻移信道后在接受端出現(xiàn)含有一定頻帶寬度和頻率包絡(luò)的頻帶信號，稱為頻率彌散性。多普勒效應(yīng)是指當(dāng)移動(dòng)臺(tái)在運(yùn)動(dòng)的過程中進(jìn)行通信時(shí)，接受信號的頻率會(huì)發(fā)生變化的現(xiàn)象。假設(shè)一種發(fā)光物體在遠(yuǎn)處以固定的頻率發(fā)光，因此當(dāng)發(fā)光物體靜止時(shí)，我們所接受的光波和光源的光波頻率是相似的；當(dāng)光源開始靠近我們運(yùn)動(dòng)時(shí)，光源發(fā)出的后一種波峰達(dá)成我們的時(shí)間要比發(fā)出的前一種波峰達(dá)成我們的時(shí)間要短，這樣由信號波長與頻率的關(guān)系可知：此時(shí)相對于靜止的發(fā)光物體我們所接受到的信號的頻率來說，發(fā)光物體在向我們移動(dòng)時(shí)，我們所接受到的信號的頻率增加了。相反地，當(dāng)發(fā)光物體遠(yuǎn)離我們運(yùn)動(dòng)時(shí)，相對于光源靜止時(shí)我們所接受到的信號的頻率是減小了。無線信道的模型高斯(Gaussian)信道模型高斯信道是一種很慣用的信道模型，普通被用于多個(gè)調(diào)制系統(tǒng)誤碼性能的理論分析方面。該信道對輸入信號的作用就是加性高斯噪聲疊加到原始信號上，從而對信號造成干擾。高斯噪聲的包絡(luò)服從正態(tài)分布，即：(2-1)式中，為噪聲的均值，為噪聲的方差。普通，在信道模型中采用加性高斯白噪聲(AWGN，Additivewhitegaussiannoise)，此時(shí)噪聲的均值為零[5]。瑞利(Rayleigh)信道模型瑞利信道模型是無線衰落信道中一種典型的信道模型。信號在該信道中傳輸時(shí)，通過多次反射、折射形成許多互相獨(dú)立的途徑分量，從而使得接受端的信號包絡(luò)服從瑞利分布，即：（v0，>0）(2-2)式中，為接受信號的方差。這種信道模型僅僅合用于信號在收發(fā)端之間不存在直射信號(LOS，Lightofsight)的狀況。萊斯(Rician)信道模型在無線傳輸環(huán)境下，信號會(huì)通過不同的途徑達(dá)成接受端，與瑞利信道不同之處在于信號的多徑分量中包含有信號的直達(dá)分量。此時(shí)，接受信號的包絡(luò)服從Rician分布，且其概率密度函數(shù)為：z0(2-3)式中，為零階修正貝塞爾函數(shù)。當(dāng)xO時(shí)，是單調(diào)遞增函數(shù)，且有=1。第3章OFDM系統(tǒng)的基本原理OFDM系統(tǒng)的基本原理OFDM的基本原理就是把高速的數(shù)據(jù)流通過串／并轉(zhuǎn)換[6]，分派到速率相對較低的若干個(gè)子信道中進(jìn)行傳輸，因此每個(gè)子信道中的符號周期會(huì)相對增加，能夠減輕由無線信道的多徑時(shí)延擴(kuò)展所產(chǎn)生的時(shí)間彌散性對系統(tǒng)造成的符號間干擾（ISI）。如果采用循環(huán)前綴作為保護(hù)間隔，還能夠避免由于多徑帶來的子載波間干擾(ICI)。在OFDM系統(tǒng)的設(shè)計(jì)中，需要考慮一系列參數(shù)，如子載波的個(gè)數(shù)、保護(hù)間隔、OFDM符號的周期、采樣間隔、子載波的調(diào)制方式、前向糾錯(cuò)碼的方式等。這些參數(shù)的選擇受系統(tǒng)性能的約束，如可運(yùn)用的帶寬、規(guī)定的比特速率、最大的多徑時(shí)延和多普勒頻偏值。其中某些參數(shù)本身存在著固有矛盾，例如為了能夠較好的抵制時(shí)延擴(kuò)展，采用大量間隔較小的子載波比較抱負(fù)，但從抵制多普勒擴(kuò)展和相位噪聲的角度來看，采用少量間隔較大的子載波則比較適宜。對于傳統(tǒng)的頻分復(fù)用(FDM)系統(tǒng)而言，為了避免載波間的互相干擾，載波間普通加保護(hù)頻帶，這會(huì)使頻譜運(yùn)用率下降。而對于OFDM系統(tǒng)，由于子載波的頻譜互相重疊，因而能夠得到較高的頻譜效率。當(dāng)調(diào)制信號通過無線信道達(dá)成接受端時(shí)，由于信道多徑效應(yīng)帶來的碼間串?dāng)_的作用，子載波之間不能保持良好的正交狀態(tài)[7]。因而，發(fā)送前就在碼元間插入保護(hù)時(shí)間。如果保護(hù)間隔不不大于最大時(shí)延擴(kuò)展，則全部時(shí)延不大于的多徑信號將不會(huì)延伸到下一種碼元期間，因而有效地消除了碼間串?dāng)_。OFDM系統(tǒng)基本模型OFDM系統(tǒng)基本模型如圖所示。在發(fā)射端，發(fā)射數(shù)據(jù)通過常規(guī)多進(jìn)制星座圖(QPSK，16QAM，64QAM等)的調(diào)制形成速率為R的基帶信號。這里規(guī)定碼元波形是受限的，并且數(shù)據(jù)要成塊解決。然后通過串／并變換成為N個(gè)子信號，再去調(diào)制互相正交的N個(gè)子載波，最后相加形成OFDM發(fā)射信號。在接受端，輸入信號分為N個(gè)支路，分別用N個(gè)子載波混頻和積分，恢復(fù)出子信號，再通過并／串變換和常規(guī)QAM(或QPSK等)解調(diào)就能夠恢復(fù)出數(shù)據(jù)。由于子載波的正交性，混頻和積分電路能夠有效地分離各個(gè)子信道。發(fā)送序列發(fā)送序列調(diào)制編碼串并變換插入導(dǎo)頻IFFT插入CP并串變換接受序列譯碼解調(diào)并串變換信道預(yù)計(jì)FFT去除CP串并變換調(diào)制解調(diào)多徑衰弱信道圖OFDM系統(tǒng)基本模型一種OFDM符號內(nèi)涉及多個(gè)通過調(diào)制的子載波的合成信號，其中每個(gè)子載波都能夠受相移鍵控(PSK)或正交幅度調(diào)制(QAM)符號的調(diào)制。如果用N表達(dá)子信道的個(gè)數(shù)，T表達(dá)0FDM信號的周期，以表達(dá)分派給每個(gè)子信道的數(shù)據(jù)符號，表達(dá)第O個(gè)子載波的載波頻率，矩形函數(shù)，則從開始的OFDM符號能夠表達(dá)為：(3-1)普通采用等效基帶信號來描述OFDM的輸出信號為：(3-2)式中,實(shí)部和虛部分別對應(yīng)著OFDM符號的同相和正交分量，在實(shí)際中分別與對應(yīng)子載波的余弦分量和正弦分量相乘，構(gòu)成最后的子信道信號和合成OFDM號。由于在OFDM系統(tǒng)中，每個(gè)子載波在一種OFDM符號周期內(nèi)都包含整數(shù)倍個(gè)期，并且各個(gè)相鄰的子載波之間相差一種周期。這一特性能夠用來解釋子載波之間的正交性,即：(3-3)如果要對式(3-3)中的第j個(gè)子載波進(jìn)行解調(diào)，然后在時(shí)間長度T內(nèi)積分，即：(3-4)根據(jù)式(3-4)能夠看出對第j個(gè)子載波進(jìn)行解調(diào)，能夠恢復(fù)出盼望符號。而對其它載波來說，由于在積分間隔內(nèi)，頻率差(i-j)T能夠產(chǎn)生整數(shù)倍個(gè)周期，因此積分成果為零。通過上面的原理，能夠順利實(shí)現(xiàn)正交信號的解調(diào)。

第4章基于導(dǎo)頻的OFDM信道預(yù)計(jì)辦法在OFDM系統(tǒng)中，設(shè)計(jì)基于導(dǎo)頻的信道預(yù)計(jì)辦法普通要考慮三個(gè)核心問題：首先是如何根據(jù)信道的特點(diǎn)來決定導(dǎo)頻的構(gòu)造；另首先是如何根據(jù)接受信號設(shè)計(jì)出既能精確地對導(dǎo)頻信道做出預(yù)計(jì)，又含有低復(fù)雜度的信道預(yù)計(jì)器；其三在于如何運(yùn)用預(yù)計(jì)出的導(dǎo)頻信道信息，通過適宜的插值算法，得到數(shù)據(jù)信道中的信道預(yù)計(jì)值，從而對數(shù)據(jù)載波上接受到的信號進(jìn)行均衡，精確地恢復(fù)出原始的發(fā)送數(shù)據(jù)[8]。在當(dāng)代移動(dòng)通信系統(tǒng)中，信道預(yù)計(jì)是基帶信號解決中最核心和最復(fù)雜的部分，是進(jìn)行有關(guān)檢測、解調(diào)以及均衡的基礎(chǔ)，也是通信領(lǐng)域的一種研究熱點(diǎn)。信道預(yù)計(jì)能夠定義為描述物理信道對輸入信號影響的數(shù)學(xué)表達(dá)的研究過程。“好”的信道預(yù)計(jì)就是使得某種預(yù)計(jì)誤差最小化的預(yù)計(jì)算法。通過信道預(yù)計(jì)算法，接受機(jī)能夠得到信道的沖激響應(yīng)。自適應(yīng)信道均衡器運(yùn)用信道預(yù)計(jì)來對抗ISI的影響。分集技術(shù)運(yùn)用信道預(yù)計(jì)實(shí)現(xiàn)與接受信號最佳匹配的接受機(jī)。最大似然檢測通過信道預(yù)計(jì)使得接受端錯(cuò)誤概率最小化。另外，信道預(yù)計(jì)使得相干檢測成為可能。相干檢測要懂得信號的相位信息，在接受端需要先進(jìn)行信道預(yù)計(jì)，才干實(shí)現(xiàn)信號的檢測，因此信道預(yù)計(jì)在OFDM系統(tǒng)中占有重要地位。慣用的信道預(yù)計(jì)辦法重要有數(shù)據(jù)輔助信道預(yù)計(jì)（PilotAidedEstimation）和盲信道預(yù)計(jì)（BlindEstimation）兩大類。其中，數(shù)據(jù)輔助信道預(yù)計(jì)又可分為：基于導(dǎo)頻和基于訓(xùn)練序列的信道預(yù)計(jì)。數(shù)據(jù)輔助信道預(yù)計(jì)能在復(fù)雜度不是很高的狀況下獲得較好的誤差性能，適合于全部的無線通信系統(tǒng)。其缺點(diǎn)是引入輔助數(shù)據(jù)，會(huì)減少系統(tǒng)的有效數(shù)據(jù)傳輸率；另外，在接受端，要將整幀信號接受后才干提取出導(dǎo)頻或者訓(xùn)練符號進(jìn)行信道預(yù)計(jì)，帶來了不可避免的時(shí)延。盲信道預(yù)計(jì)不需要輔助數(shù)據(jù)，通過使用對應(yīng)的信息解決技術(shù)獲得信道的預(yù)計(jì)值。與數(shù)據(jù)輔助信道預(yù)計(jì)相比，盲預(yù)計(jì)節(jié)省了信道帶寬，大大提高了系統(tǒng)的有效數(shù)據(jù)傳輸效率，并且能更加好的跟蹤無線信道的變化。但是，盲算法的運(yùn)算量較大，收斂時(shí)間長，并且性能達(dá)成一定程度后不隨SNR的提高而對應(yīng)改善，因此妨礙了它在實(shí)際系統(tǒng)中的應(yīng)用。OFDM系統(tǒng)的信道預(yù)計(jì)模型信道預(yù)計(jì)器接受到的信號普通能夠表達(dá)為：(4-1)普通通信系統(tǒng)的信道預(yù)計(jì)模型如圖所示p(tp(t)s(t)n(t)r(t)信道逆信道信道預(yù)計(jì)器圖通信系統(tǒng)的信道預(yù)計(jì)模型信道預(yù)計(jì)器從r(t)中預(yù)計(jì)信道的沖激響應(yīng)h(t)，然后根據(jù)預(yù)計(jì)處的構(gòu)造一種系統(tǒng)（也稱之為逆信道）級聯(lián)起來，從而使得整個(gè)系統(tǒng)的最后輸出正好是饋入給信道的信號的“精確”預(yù)計(jì)為：（4-2）式中，。從頻域看，信道預(yù)計(jì)器從接受信號r(t)中預(yù)計(jì)信道的頻域響應(yīng)H(jω)，從而構(gòu)造一種逆系統(tǒng)，最后得到：（4-3）式中，?；趯?dǎo)頻的信道預(yù)計(jì)辦法能夠表達(dá)成圖的信道預(yù)計(jì)模型，其中涉及了信號校正部分，它相稱于圖中的逆信道。圖基于導(dǎo)頻的信道預(yù)計(jì)模型導(dǎo)頻構(gòu)造慣用的導(dǎo)頻圖樣有塊狀導(dǎo)頻和梳狀導(dǎo)頻。在塊狀導(dǎo)頻構(gòu)造中，將持續(xù)多個(gè)OFDM符號分成組，每組中的第一種OFDM符號發(fā)送導(dǎo)頻信號，而其它的OFDM符號傳輸數(shù)據(jù)信息，這樣一次預(yù)計(jì)將運(yùn)用全部子信道的信息。塊狀導(dǎo)頻的特點(diǎn)是導(dǎo)頻符號覆蓋了全部的頻率，因而導(dǎo)頻符號能夠有效對抗頻率選擇性衰落，但是對于快變信道的影響比較敏感[9]。此種導(dǎo)頻分布方式合用于信道變化相對較慢的系統(tǒng)中。在導(dǎo)頻數(shù)量相似的狀況下，其性能由信道變化速度即相干時(shí)間決定。圖塊狀導(dǎo)頻圖樣在梳狀導(dǎo)頻構(gòu)造中，將幾個(gè)子信道均勻地分為若干組，在每一組的第一種子載波中傳輸固定的導(dǎo)頻信號，稱之為導(dǎo)頻子信道，而其它的子載波傳輸信息數(shù)據(jù)。梳狀導(dǎo)頻插入方式由于在等間隔的子信道處持續(xù)發(fā)送導(dǎo)頻符號，因此對于快變信道的跟蹤能力要比塊狀導(dǎo)頻圖樣強(qiáng)；但在平穩(wěn)變化的信道條件下，前者的預(yù)計(jì)精度不如后者。梳狀導(dǎo)頻圖樣合用于信道變化較快而多徑時(shí)延相對較小的系統(tǒng)。在導(dǎo)頻數(shù)量相似的狀況下，其對信道預(yù)計(jì)的性能由信道的多徑時(shí)延即相干帶寬決定。由導(dǎo)頻的插入模式能夠看出，信道預(yù)計(jì)涉及導(dǎo)頻子載波處信道頻域響應(yīng)值的預(yù)計(jì)算法和非導(dǎo)頻子載波處信道的插值算法。在接受端，我們首先運(yùn)用導(dǎo)頻預(yù)計(jì)出導(dǎo)頻信道處的頻域響應(yīng)值，然后通過多個(gè)插值辦法得到非導(dǎo)頻子載波處的信道預(yù)計(jì)值。圖梳狀導(dǎo)頻圖樣基于塊狀導(dǎo)頻的信道預(yù)計(jì)在基于塊狀導(dǎo)頻構(gòu)造的信道預(yù)計(jì)中，假設(shè)信道變化是相對較慢的，則OFDM信道預(yù)計(jì)所用的導(dǎo)頻為周期的，即普通用一種OFDM符號作為導(dǎo)頻，而接下來的一種或幾個(gè)OFDM符號來傳輸數(shù)據(jù)，相鄰的兩個(gè)作為導(dǎo)頻的OFDM符號之間距離為N。在OFDM系統(tǒng)中，基于塊狀導(dǎo)頻的信道預(yù)計(jì)算法普通有：最小平方LS算法，最小均方誤差MMSE算法。LS算法多徑信道沖激響應(yīng)能夠用下列公式表達(dá)為[10]：(4-4)式中，為第k徑的延遲，為對應(yīng)k途徑的振幅，L表達(dá)有子途徑數(shù)目。由于終端或周邊物體的移動(dòng)，是一種廣義靜止窄帶復(fù)高斯隨機(jī)過程，不同途徑的是互相獨(dú)立的。信道響應(yīng)的頻域體現(xiàn)式為：(4-5)所謂的頻域LS預(yù)計(jì)算法就是在不考慮噪聲的條件下，預(yù)計(jì)信道的沖激響應(yīng)向量：，使其代價(jià)函數(shù)最小。LS預(yù)計(jì)器的代價(jià)函數(shù)定義以下：(4-6)式中，Y是由一種OFDM符號解調(diào)后的輸出信號構(gòu)成的向量，是通過信道預(yù)計(jì)得到的輸出信號，F(xiàn)是傅立葉變換矩陣，即：(4-7)式中，,而。令，即得到,由于，因此有：（4-8）頻域LS預(yù)計(jì)的均方差MSE為：(4-9)有上式推導(dǎo)能夠懂得頻域LS預(yù)計(jì)與接受端信噪比成反比關(guān)系。LS信道預(yù)計(jì)的特點(diǎn)是簡樸。但是從其代價(jià)函數(shù)中能夠看出，在找最優(yōu)解時(shí)沒有考慮接受信號中的噪聲，以及子載波間的干擾，因此這種預(yù)計(jì)算法的精確度受到限制，但是由于它的實(shí)現(xiàn)復(fù)雜度很低，因此含有很高的實(shí)用性。MMSE算法MMSE預(yù)計(jì)算法是運(yùn)用信道的二階統(tǒng)計(jì)特性來減小均方誤差。我們分別用，,表達(dá)g，H和Y的自有關(guān)函數(shù)，表達(dá)g和Y的互有關(guān)函數(shù)，表達(dá)噪聲的，假設(shè)信道g和噪聲N是互不有關(guān)的，能夠得到：(4-9)(4-10)(4-11)式中，F(xiàn)見式（4-4），假設(shè)在接受端己懂得和，這樣MMSE預(yù)計(jì)出來的g能夠通過下式得到：(4-12)由于g不是高斯過程，因此并不是最小均方誤差的預(yù)計(jì)值，但是它仍然是最佳的線性預(yù)計(jì)值即：(4-13)MMSE預(yù)計(jì)算法要好于LS算法，特別是在低信噪比的狀況下，但是MMSE預(yù)計(jì)算法需要對矩陣求逆，當(dāng)OFDM系統(tǒng)的子信道數(shù)目N增大時(shí)，矩陣的運(yùn)算量也就變得相稱大。因此，MMSE算法的最大缺點(diǎn)就是計(jì)算量太大。仿真成果及分析圖LS信道預(yù)計(jì)算法仿真以上仿真所采用的信道模型是帶有多普勒頻移的瑞利衰落信道，IFFT的點(diǎn)數(shù)是128，每幀12個(gè)OFDM符號，采用100個(gè)子載波，經(jīng)QPSK調(diào)制解調(diào)方式，串并轉(zhuǎn)換，LS信道預(yù)計(jì)得到仿真成果圖。由圖我們能夠看出系統(tǒng)通過信道預(yù)計(jì)比無信道預(yù)計(jì)時(shí),相似信噪比下的誤碼率大大減少,并且LS算法在高信噪比的狀況下性能良好，隨著信噪比的減少，其誤比特率在增加。因此信道預(yù)計(jì)能夠有效減少誤碼率,提高接受端接受信號的精確度。LS算法能夠?qū)崿F(xiàn)對信道的預(yù)計(jì)，并且該預(yù)計(jì)信道沖激響應(yīng)的辦法比較簡樸，只需要懂得導(dǎo)頻信號以及通過信道后來接受到的值，并不需要懂得信道的其它統(tǒng)計(jì)特性，并且對信道的同時(shí)規(guī)定不敏感。但是，隨著多普勒頻移的增大，該算法的誤碼率性能會(huì)下降。

參考文獻(xiàn)[1]張繼東,鄭寶玉.基于導(dǎo)頻的OFDM信道預(yù)計(jì)及其研究進(jìn)展[J],通信學(xué)報(bào),,24:116~124.[2]周利崗,傅海陽.OFDM系統(tǒng)中基于導(dǎo)頻插入的信道預(yù)計(jì)技術(shù)[J],通信技術(shù),140:27~29.[3]佟學(xué)儉,羅濤.OFDM移動(dòng)通信技術(shù)原理與應(yīng)用[M].北京:人民郵電出版社,.[4]張賢達(dá),保錚.通信信號解決[M].北京:國防出版社,.[5]Rappaport,TS著.無線通信原理與應(yīng)用[M].周文安等譯.第二版.北京:電子工業(yè)出版社..[6]ofband-limitedorthogonalsignalsformulti-channeldatatransmission[J].Bell:1775~1796.[7]theoreticalstudyofperformanceofanorthogonalmultiplexingdatatransmissionschemes[J],IEEE,Aug,1968:529~540.[8]TransmissionbyMCMusingDFT[J].IEEECommunication,1971:628~634.[9]TransmissionbyFrequency-DvisionMultiplexingUsingtheDiscreteFourierTransform[J].IEEETheodoreSRappaport.WirelessCommunicationsPrinciplesandPractice[M].蔡濤,李旭,杜振民.第1版.北京:電子工業(yè)出版社,1999，103~130.

附錄clearall;clc;IFFT_bin_length=128;carrier_count=100;bits_per_symbol=2;symbols_per_carrier=12;LI=7;Np=ceil(carrier_count/LI)+1;N_number=carrier_count*symbols_per_carrier*bits_per_symbol;carriers=1:carrier_count+Np;GI=8;N_snr=40;snr=8;X=zeros(1,N_number);X1=[];X2=[];X3=[];X4=[];X5=[];X6=[];X7=[];Y1=[];Y2=[];Y3=[];Y4=[];Y5=[];Y6=[];Y7=[];XX=zeros(1,N_number);dif_bit=zeros(1,N_number);dif_bit1=zeros(1,N_number);dif_bit2=zeros(1,N_number);dif_bit3=zeros(1,N_number);X=randint(1,N_number);(11)->pi/4;(01)->3*pi/4;(00)->-3*pi/4;(1,0)->-pi/4;s=(X.*2-1)/sqrt(2);sreal=s(1:2:N_number);simage=s(2:2:N_number);X1=sreal+j.*simage;train_sym=randint(1,2*symbols_per_carrier);t=(train_sym.*2-1)/sqrt(2);treal=t(1:2:2*symbols_per_carrier);timage=t(2:2:2*symbols_per_carrier);training_symbols1=treal+j.*timage;training_symbols2=training_symbols1.';training_symbols=repmat(training_symbols2,1,Np);%disp(training_symbols)pilot=1:LI+1:carrier_count+Np;iflength(pilot)~=Nppilot=[pilot,carrier_count+Np];endX2=reshape(X1,carrier_count,symbols_per_carrier).';signal=1:carrier_count+Np;signal(pilot)=[];X3(:,pilot)=training_symbols;X3(:,signal)=X2;%X3=cat(1,training_symbols,X2);IFFT_modulation=zeros(symbols_per_carrier,IFFT_bin_length);IFFT_modulation(:,carriers)=X3;%IFFT_modulation(:,conjugate_carriers)=conj(X3);X4=ifft(IFFT_modulation,IFFT_bin_length,2);%X5=X4.';fork=1:symbols_per_carrier;fori=1:IFFT_bin_length;X6(k,i+GI)=X4(k,i);endfori=1:GI;X6(k,i)=X4(k,i+IFFT_bin_length-GI);endendX7=reshape(X6.',1,symbols_per_carrier*(IFFT_bin_length+GI));fd=100;r=6;a=[];d=[2345913];T=1;th=[90072144216288]*pi./180;h=zeros(1,carrier_count);hh=[];fork=1:r%deta=[zeros(1,d(k)-1),1,zeros(1,carrier_count-d(k))];h1=a(k)*exp(j*((2*pi*T*fd*d(k)/carrier_count)));%h1=a(k)*exp(j*((2*pi*T*fd*d(k)/carrier_count)));hh=[hh,h1];endh(d+1)=hh;%noise=randn(1,length(X7))+j.*randn(1,length(X7));channel1=zeros(size(X7));channel1(1+d(1):length(X7))=hh(1)*X7(1:length(X7)-d(1));channel2=zeros(size(X7));channel2(1+d(2):length(X7))=hh(2)*X7(1:length(X7)-d(2));channel3=zeros(size(X7));channel3(1+d(3):length(X7))=hh(3)*X7(1:length(X7)-d(3));channel4=zeros(size(X7));channel4(1+d(4):length(X7))=hh(4)*X7(1:length(X7)-d(4));channel5=zeros(size(X7));channel5(1+d(5):length(X7))=hh(5)*X7(1:length(X7)-d(5));channel6=zeros(size(X7));channel6(1+d(6):length(X7))=hh(6)*X7(1:length(X7)-d(6));Tx_data=X7+channel1+channel2+channel3+channel4;Error_ber=[];Error_ber1=[];Error_ber2=[];Error_ber3=[];%Error_ser=[];forsnr_db=0:snr:N_snrcode_power=0;code_power=[norm(Tx_data)]^2/(length(Tx_data));%bit_power=var(Tx_data);bit_power=code_power/bits_per_symbol;noise_power=10*log10((bit_power/(10^(snr_db/10))));noise=wgn(1,length(Tx_data),noise_power,'complex');Y7=Tx_data+noise;Y6=reshape(Y7,IFFT_bin_length+GI,symbols_per_carrier).';fork=1:symbols_per_carrier;fori=1:IFFT_bin_length;Y5(k,i)=Y6(k,i+GI);endendY4=fft(Y5,IFFT_bin_length,2);Y3=Y4(:,carriers);H=[];Y2=Y3(:,signal);Rx_training_symbols=Y3(:,pilot);Rx_training_symbols0=reshape(Rx_training_symbols,symbols_per_carrier*Np,1;training_symbol0=reshape(training_symbols,1,symbols_per_carrier*Np);training_symbol1=diag(training_symbol0);%disp(training_symbols)training_symbol2=inv(training_symbol1);Hls=training_symbol2*Rx_training_symbols0;Hls1=reshape(Hls,symbols_per_carrier,Np);HLs=[];HLs1=[];ifceil(carrier_count/LI)==carrier_count/LIfork=1:Np-1HLs2=[];fort=1:LIHLs1(:,1)=(Hls1(:,k+1)-Hls1(:,k))*(t-1)./LI+Hls1(:,k);HLs2=[HLs2,HLs1];end