任 雁,李艳萍
(太原理工大学 信息工程学院,山西 太原 030024)
基于EM算法的M IMO-OFDM系统半盲信道估计研究
任 雁,李艳萍
(太原理工大学 信息工程学院,山西 太原 030024)
文章通过对MIMO-OFDM(Multiple Input Multiple Output Orthogonal Frequency Division MultiPlexing)系统及其信道估计的分析,针对MIMO-OFDM系统提出一种基于EM的半盲信道估计算法。不仅有利于减少MIMO-OFDM的系统开销,且有助于提高系统的信道估计精度,降低了计算的复杂度。
MIMO-OFDM;EM算法;半盲信道估计
OFDM(Orthogonal Frequency Division Multi-Plexing)技术和 MIMO(Multiple-Input Multiple-Output)技术都是3G(第三代移动通信)的关键技术[1]。未来的4G(第四代移动通信)系统将要求更高的通信速度、更有效的数据传输效率,并且尽可能地以最大的限度利用有限的频谱资源,因此两者在优化调制、信道编码和频谱共享等方面有待提高。
在未来的通信系统中把多输入多输出(MIMO)技术与正交频分复用(OFDM)技术结合可以更好地提高系统得性能[2]。基本思想是:MIMO技术是利用多根天线进行发射和接收,可以将同一频带上的数据流在时间空间上同时传输,主要通过获得无线信道的分集和编码增益(每对收发天线增益相互独立)后能在不增加系统带宽的前提下显著的提高通信系统的信道容量和传输速率;OFDM技术是通过把信道分成若干子信道(信道相互正交且独立),再将转换后的多个子数据流调制到对应子信道上进行传输。主要利用较好的抗多径干扰和频率选择性能力来减弱多径衰落的影响,并且具有较高的频谱利用率。通过强强结合,将二者的优点互补不仅能高效抵抗多径衰落和噪声影响,而且能大幅提高通信系统的传输速率和容量。MIMO-OFDM技术将成为下一代通信系统中的关键技术。
MIMO-OFDM系统性能的提高依赖于对信道估计的准确性。随着对MIMO-OFDM系统进一步的研究需求,要求信道估计的方法可以用更简单的算法有更高的准确度。半盲信道估计(SBCE)方法就是将盲信道估计和导频符号(训练序列)联合起来进行信道估计,是盲信道估计方法和非盲估计方法的折中,并能提供比二者更优的性能[3]。它只需少量的导频符号就能够进行估计,不仅减少对带宽的占用,而且提高了估计的精确度和收敛性。
图1 MIMO-OFDM系统模型
MIMO-OFDM系统的基本模型如图1所示。假定系统有MT根发射天线,MR根接收天线,在时刻t,各输入端输入分别经过调制后的数据序列Xi[t,k](k=0,1,2…,K-1 i=1,…,MT)(其中,K,i,MT分别代表子载波的序列号、发射天线的序列号、发射天线的数量),各自再经过一个IFFT(逆傅里叶变换),形成OFDM符号Xi[t,l](l=0,1,…,K-1)。完成后各发射天线同步发射。
在接收端,各个接收天线接收信号Yj[t,l](l=0,1,…,K-1),再经过 FFT(快速傅里叶变换),解调后信号可表示为:
Hij[t,k]表示在时刻t第i个发射天线和第j个接收天线之间第k个子载波上的信道频率响应,Wj[t,k]表示第j个接收天线上的高斯白噪声。
EM算法从本质上说就是一种极大似然估计的方法,它通过提供比较简单的迭代对参数进行最大似然估计。EM算法分为两步:E步给出接收端和当前信号的估计值计算完全数据的似然函数关于未知数据的数学期望;M步则实现似然函数的期望最大化。在半盲信道估计中使用EM算法,通过E步和M步的N次迭代计算得到最大似然函数后,利用导频信息更新函数形成新的信道公式[4]。因为EM算法只能保证所需估计参数的似然函数达到局部最优,并不能保证全局最优,所以信道初始估计的精确性非常的重要[5-8]。主要通过目前的分布θn,推测出缺失数据Z最适合的分布,再通过已知的数据和缺失数据Z去推测下一步整体数据的分布θn+1。
在MIMO-OFDM信道估计中,当信道脉冲响应h未知时,对发送的数据X进行估计,将接收数据Y看成丢失数据。
E,M两步交替迭代到收敛,判断是否收敛收敛的条件是Xt=Xt-1。
算法小结:
(1)根据已知数据计算信道初始值;
(2)进行E步;
(3)进行M步;
(4)根据收敛条件判断。如果满足条件,则直接输出发送数据的结果。否则返回执行,直至收敛。
表1 参数设置
图2 信道估计MSE(均方误差)曲线
通过对MIMO-OFDM系统进行基于EM算法的半盲信道估计的计算机仿真。应用QPSK调制,且假设发射天线和接收天线之间信道是不相关的。根据表1的参数设置,得到使用该算法的均方误差曲线图2和误码率曲线图1。从图2中可以看出EM算法较好的提高了估计的精度。从图3中可以看出,经过迭代后误码率显著降低。
图3 信道估计BER(误码率)曲线
本文提出一种针对MIMO-OFDM系统的基于EM的半盲信道估计算法。仿真结果表明,在MIMO-OFDM信道估计中将EM算法与半盲估计结合不仅降低了计算的复杂度,同时也提高了信道估计的精度,而且随着用户数的增加,最小均方误差也没有损失。不过因为时间和条件的限制,一些参数需进一步调整,才能做出更符合实际情况的仿真。
[1]Hong wei Yang,A road to future broadband w ireless access MIMO-OFDM Based air interface[J].IEEE Communication Magazine,2005,43(1):53-60.
[2]Stuber GL,Barry JR,McLaughlin SW,etal Broadband MIMO-OFDMWirelessCommunications[J].Proceedings of the IEEE,2004,92(2):271-294.
[3]Xiaoqiang Ma,Hisashi Kobayashi,Stuart C.Schwarts.EM-based Channel Estimation Algorithms for OFDM,EURASIP Journal on Applied Signal Processing,2004,(10):1460-1477.
[4]D.Obradovic,C.Na,R.Lupas Scheiterer.EM-based semi-blind channelestimationmethod forMIMOOFDM communication systems[J].Neurocomputing,2008,(71):2388-2398.
[5]Sarod Yatawatta,Athina P.Petropulu.Blind Channel Eestimation in MIMO-OFDM Systems With Multi-user Interference.IEEE Transactions on signal processing,2006,54(3):1054-1068.
[6]仲国栋,孙军,杨峰.一种基于EM算法的M IMO-OFDM系统信道估计技术[J].电讯技术,2006,(3):48-51.
[7]侯晓赟,崔景伍,郑宝玉.协同通信系统中基于EM算法的半盲信道估计与迭代检测[J].南京邮电大学学报(自然科学版),2008,28(2):30-33.
[8]胡高平,程艳.基于EM算法的MIMO-OFDM系统信道估计[J].中国传媒大学学报自然科学版,2009,16(2):21-24.
Sem i-blind Channel Estimation for M IMO-OFDM System Based on the EM A lgorithm
REN Yan,LIYan-ping
(Information Engineering College Taiyuan University of Technology,Taiyuan Shanxi 030024)
This paper through studying MIMO-OFDM (Multiple Input Multiple Output Orthogonal Division MultiPlexing) system and its related knowledge of channel estimation ,presents a semi-blind method for channel estimation in MIMO-OFDM system.It is easier for reducing MIMO-OFDM system cost,and helps improve the accuracy of channel estimation and reduces the computational complexity.
MIMO-OFDM;Expectation Maximum algorithm;semi-blind channel estimation
TN914.1
A
1673-2014(2011)02-0017-03
2010—12—21
任 雁(1984— ),女,山西襄垣人,硕士,主要从事信息工程研究。
(责任编辑 单麦琴)