基于叠加导频的MIMO－OFDM半盲信道估计

周 围，刘燕容，李 佳

（重庆邮电大学a.移动通信技术重庆市重点实验室;b.光电学院电路基础教学部，重庆 400065）

基于叠加导频的MIMO－OFDM半盲信道估计

周 围a，b，刘燕容a，李 佳a

（重庆邮电大学a.移动通信技术重庆市重点实验室;b.光电学院电路基础教学部，重庆 400065）

在多输入多输出正交频分复用（MIMO－OFDM）系统中，针对基于叠加导频的半盲信道估计方法估计精度不高、对发送信号零均值要求严格的缺点，提出了一种基于传统算法的改进算法。接收端利用传统算法的估计结果先去除发送信号的影响，再进行估计，对该估计结果进一步利用自适应跟踪算法来提高估计的精度。仿真结果表明改进算法的性能优于传统算法。

导频叠加;MIMO－OFDM;信道估计

正交频分复用（OFDM）技术与多输入多输出（MIMO）结合的MIMO－OFDM技术已经成为LTE下行链路的关键技术。MIMO－OFDM系统可以实现高速无线数据传输，该系统中，接收端的解码和检测都需要信道状态信息（CSI），甚至发送端也需要CSI，因此信道估计有着非常重要的作用。

信道估计方法通常分为3种:基于导频的信道估计、半盲信道估计和盲信道估计。其中基于导频［1］的估计方法比较简单，性能较好，但是发送导频信号占用了额外的信号带宽，降低了信道利用率;盲信道估计［2］不需要发送已知的导频信号，因此也就提高了信道利用率，但它一般是通过接收信号的二阶或者高阶统计量进行估计，计算量比较大且收敛速度慢;半盲估计是二者的一个折中，在盲估计的基础上降低了计算复杂度，提高了收敛速度，同时，相对基于导频的估计来说，提高了信道的利用率。

近年来，半盲信道估计算法已经成为研究热点，现有的半盲估计算法很多，如基于准正交空时编码的半盲信道估计［3－4］、基于 QR 分解的半盲估计算法［5］、基于导频叠加的半盲估计算法［6－9］。其中基于导频叠加的半盲估计算法比较简单，该方法是将导频信号叠加在有用的信号上进行发送，在接收端利用接收信号的一阶统计量即可对信道进行估计［8］。该方法节约了信道带宽，提高了信道的频谱利用率。这种方法是在发送的有用信号上叠加导频信号，最后利用接收信号的准静态特性估计信道状态信息。该算法要求经过调制映射的信号是零均值，在传统算法中，没有考虑发送有用信号的影响，认为是严格的零均值［8］，但是实际中并不能达到严格的零均值。本文在传统算法的基础上，去除发送有用信号的影响，并进一步利用LMS自适应跟踪算法［9－10］提高估计性能。

1 系统模型

本文采用发送天线Nt=2，接收天线Nr=2的MIMOOFDM系统，发送端和接收端的框图如图1所示。

图1MIMO－OFDM系统框图

系统的子载波数为K，循环前缀CP的长度为NCP，信道是多径数为L的准静态瑞利慢衰落信道，在一个OFDM符号期间保持不变，它可以表示为

式中:L为信道的阶数;τl是第l路径的时延;γl是第l路径的复增益。

从图1中可以看出，发送信号经过正交相移调制（QPSK）、空时分组编码（STBC）后，叠加导频，然后进行OFDM调制，之后经发送天线发送出去。令Si（n）表示第n个OFDM符号周期发送天线i上发送的有用信号，Pi（n）表示发送天线i上叠加的导频信号，本文采用的是模值恒定的周期导频序列，实际发送的信号表示为

叠加了导频信号的发送信号X经过IFFT调制、加循环前缀CP后可表示为

xi（n）从第i根天线上发送出去，经过信道，到达接收端。

接收端进行与发送端相应的反变换，第j根天线收到的信息可表示为

式中:hij（l）表示第i个发送天线至第j个接收天线间的信道响应值;wj（n）是均值为0、方差为σ2w的加性高斯白噪声。将yj（n）去除CP，进行FFT变换后可得第j根天线上第n个OFDM符号载波k上的接收信号表示为

2 传统算法

对于导频叠加的半盲信道估计，导频的选择是很重要的，如果选用的导频序列在不同天线之间是不相关的，且自相关为冲激函数，就可以使得信道估计的均方误差最小。因此选择恒模周期性［11］序列作为导频信号，两个天线分别叠加导频信号，经信道发送出去。设导频序列的周期是T，将每根天线上接收的信号分为A段（A是一个整数）。为了确保信道估计的唯一性，T必须满足:T≥Nt×L［6］，本文取T=16，第j根接收天线第a段接收符号可以表示为

式中:n=1，2，…，T－1;⊗是卷积运算。将发送的有用信号和导频信号也同样分成A段，每段为T×1，将其排列为

则两发两收MIMO－OFDM系统接收信号可以表示为

式中:p1，p2均为如式（9）所示的矩阵。将式（10）写成

设发送的导频信号的周期为T，经过调制映射后的有用信号均值为0，即E［Si（n）］=0。对接收天线上的信号分别求均值可得

式中:e－j（n）是误差。上式满足各态遍历性，可以用统计平均代替时间平均，忽略误差向量，可得

那么就可以得到信道的估计值为

根据式（14）便可求得h的估计初值。

3 改进算法

传统的基于一阶统计量的方法虽然比盲估计算法计算简单，但它要求发送的有用信号经调制映射后是零均值，即E（S）=0［8］，但是实际中并不能严格保证这一点，估计的性能受到发送信号的影响，因此本文针对这个缺点提出了一些改进:如果能在接收端去除发送信号的影响，那么就可以提高估计的精确度。

首先根据传统的算法得到信道的粗估计值，然后利用这个粗估计值去除发送的有用信号的影响。首先根据传统算法估计的初值得到发送信号的估计值，即

其次，根据得到的有用信号的估计值，估计出导频信号经过信道后的估计值，即

最后，根据LS准则［12］可以得到信道估计值为

由于实际的信道都是时变的，因此可以根据式（17）得到估计值，再利用LMS算法［7－8］进一步提高估计精度，跟踪信道变化。接收信号与估计器输出之间的误差可以表示为

式中:cij是估计器的参数。要使得接收信号与估计输出之间的均方误差最小。估计器的系数必将收敛于信道参数。证明如下:

由式（19）可见，要使得均方误差最小，那么信道估计器的估计值cij将收敛于信道h。LMS算法的得到信道估计的自适应形式为

4 仿真结果及分析

本文选取两发两收的STBC－MIMO－OFDM系统，子载波数为1 024，进行1 024点的IFFT，信道阶数为L=6，循环前缀CP长度为32，OFDM符号个数为50，本文对估计的均方误差（MSE）和系统误码率（BER）进行仿真，并与传统算法进行对比，结果如图2、图3所示。

本文是将每个OFDM符号分为64段，每段16个符号。图2是均方误差随信噪比的改变，可以看出，改进后的算法比传统的算法在均方误差方面有3～4 dB的改善。图3是误码率随信噪比的变化，可以看出，改进后算法比传统算法有2～3 dB的改善。改进算法在接收端去除了有用信号的影响，且运用了自适应LMS算法，这些都提高了系统的性能。

5 小结

本文在传统的基于叠加导频的MIMO－OFDM信道估计算法的基础上提出了改进:首先传统算法是假设发送信号是零均值的，但是实际中并不能达到，因此就在接收端去除发送信号的影响，提高估计精度;其次，传统算法的估计精度不高，那么将估计结果进一步运用LMS自适应算法提高估计精度。通过仿真验证了改进算法的性能优于传统算法。

:

［1］杨玉峰，黄炜，余波.导频的OFDM系统信道估计算法研究及实现［J］.电视技术，2006，30（9）:8－10.

［2］刘强，陈西宏，胡茂凯.MIMO－OFDM中基于子空间奇异值分解的盲信道估计［J］.电视技术，2010，34（S1）:175－177.

［3］CHEN Xuesong，HAN Mingyu.A semi－blind channel estimation algorithm for MIMO－OFDM systems［C］//Proc.3rd International Congress on Image and Signal Processing.［S.l.］:IEEE Press，2010:4333－4336.

［4］SARMADI N，GERSHMAN A B，SHAHBAZPANAHI S.Closed form blind channel estimation in orthogonally coded MIMO－OFDM systems［C］//Proc.10th IEEE International Conference on Acoustics Speech and Signal Processing.［S.l.］:IEEE Press，2010:3306－3309.

［5］LIN K H，CHANG R C，HUANG C L，et al.Implementation of QR decomposition for MIMO－OFDM detection systems［C］//Proc.15th IEEE InternationalConference on Electronics， Circuits and Systems.［S.l.］:IEEE Press，2008:57－60.

［6］MENG Xiaohong，TUGNAIT J K.Semi－blind time－varying channel estimation using superimposed training［C］//Proc.IEEE International Conference on Acoustics Speech and Signal Processing.［S.l.］:IEEE Press，2004:797－800.

［7］PIRAK C，WANG Z J，LIU K J R，et al.Adaptive channel estimation using pilot－embedded data－bearing approach for MIMO－OFDM systems［J］.IEEE Trans.Signal Processing，2006，54（12）:4706－4716.

［8］YANG Weiwei，CAI Yuming.Pilot embedded semi－blind channel estimation for MIMO－OFDM［C］//Proc.9th IEEE International Symposium on Signal Processing and Its Applications.［S.l.］:IEEE Press，2007:1－4.

［9］莫丽雯，张海滨，甘小莺.OFDM系统中基于隐藏导频的信道估计与跟踪［D］.上海:上海交通大学，2008.

［10］张鹏，李宏.MIMO－OFDM的信道估计算法研究［J］.计算机仿真，2010，27（11）:95－97.

［11］OROZCO－LUGO A G，LARA M M，MCLERNON D C.Channel estimation using implicit training［J］.IEEE Trans.Signal processing，2004，52（1）:240－254.

［12］宋楠，张忠民.MIMO－OFDM系统的信道估计研究［D］.哈尔滨:哈尔滨工程大学，2009.

Semi－blind Channel Estimation in MIMO－OFDM Based on Superimposed Pilot

ZHOU Weia，b，LIU Yanronga，LI Jiaa

（a.Key Laboratory of Mobile Communication Technology in Chongqing;b.Photoelectric Engineering College，Chongqing University of Posts and Telecommunications，Chongqing 400065，China）

In MIMO－OFDM systems，the semi－blind channel estimation based on superimposed pilot has the defects of the low estimation precision and the strict zero－mean sending signal，some improvements based on the traditional algorithm are put forward.The estimation result of traditional algorithm is used by receiver to remove the influence of sending signal，and then to estimate.The estimated results further use adaptive tracking algorithm to improve the accuracy of estimation.The simulation results show that the performance of the improved algorithm is better than traditional algorithm.

superimposed pilot;MIMO－OFDM;channel estimation

TN929

A

【本文献信息】周围，刘燕容，李佳.基于叠加导频的MIMO－OFDM半盲信道估计［J］.电视技术，2013，37（3）.

重庆市教委科研项目（KJ090513）;重庆邮电大学研究生教育创新计划重点项目（Y201019）

周 围（1971— ），博士，教授，硕士生导师，主研无线移动通信技术、通信系统及信号处理、智能天线技术等;

刘燕容（1987— ），女，硕士生，主研无线移动通信MIMO－OFDM技术;

李 佳（1987— ），女，硕士生，主研LTE系统信道估计技术。

责任编辑:薛 京

2012－08－10