MIMO—OFDM系统中基于散布导频的信道估计方法研究

陶蕊　王莲莲

【摘要】 在MIMO-OFDM系统中，大多数信道估计方法对快速变化的信道都无法做到准确的预测，从而影响了系统性能。为了解决这个问题，本文提出了一种基于散布导频的信道估计方法。该方法首先对导频进行散布化处理，然后对MIMO信道的单位冲击响应进行预测，而为了提高预测的精度，需要对估计值进行了自适应Wiener滤波，而滤波的输出被送到DFT（Discrete Fourier Transform，离散傅里叶变换）的输入，DFT的输出就是所需要的信道频率响应，该响应可被用于信道均衡。仿真表明本文所提出的估计方法能够准确地估计出信道状态，从而有效地降低了系统误码率。

【关键词】 MIMO-OFDM LS准则 散布导频 Wiener滤波

一、引言

如何提高无线传输的可靠性、速率与频率利用率一直是通信领域中的一个重点研究内容。而MIMO-OFDM技术能够有效地把两种技术结合在一起，从而得到了广泛地关注。其中的信道估计又是研究重点之一。这是因为系统中的调制解调与链路处理部分都需要信道信息。

而常用的信道估计可以分为两类：导频估计与盲估计。Qian等人提出的基于迭代的LS信道估计方法通过时域低通滤波器的使用，降低了ICI对系统的信道估计的影响，从而实现了精度的提升[1]。文献[2]所给出的MMSE方法利用MIMO信道的频域与时域的相关性质来进行信道估计。文献[3]提出了一种简单的信道估计方法。当信道变化比较缓慢，多普勒频移比较小时，上述信道估计方法所得到的信道参数能够较好地反映实际信道的情况。

二、系统模型

本文所使用的系统模型参照文献[3]。每个终端同时配置两个发射天线与两个接收天线。首先在时隙在n，发送信号{b[n，k]，k=0，1L，K-1}经过空时编码器后被编码成两路信号{Xi[n，k]，k=0，1L，K-1；i=1，2}，接着IFFT分别对这两路信号进行处理，最后，两路IFFT的输出通过两个发射天线同时被发射出去。由于每个接收天线所进行的信道估计过程都是相似的且相互独立的，因此，下面的分析以接收天线j为例进行说明。为了简化表达式，在下面的分析中将省略接收天线下标j。同时为了简化分析，假设系统是同步的并且子载波之间是互不干扰的，那么在第n个时隙，接收天线j所收到的OFDM信号经解调后可以等效为基带信号，其中，Hij[n，k]为天线i到天线j的信道频率响应。Wj[n，k]为高斯白噪声。并且假设信道在一个发送时隙内是不改变的，因此，其中Wk=exp（-2jπ/K）/，K是载波数，为天线i到天线j的单位冲激响应。

三、基于散布导频的信道估计方法

下面将从散布导频设计、信道估计方法以及Wiener滤波三个方面对基于散布导频的信道估计方法进行介绍。

3.1 散布导频设计

根据采样定理，插入的导频需要在时域上满足：St≤1/（2fDTsub），而在频域上满足：Sf≤1/（2ΔfL）。其中，fD是多普勒频移最大值，Tsub为一个时隙所占用的时间。而本文所使用的导频以散布导频的形式给出，如图1所示。

3.2 信道估计方法

把文献[3]中的信道估计方法应用在本文中，那么基于LS准则的代价函数C：

其中i[n，l]是信道相应的估计值，Np为导频数。C两边对i[n，l]求导并令其等于0，通过计算就可以得到i[n，l]的值。

3.3 Wiener滤波

为了进一步提升信道估值的精度，要对得到的i[n，l]进行Wiener滤波。在这里采用自适应滤波。

四、仿真分析

通过仿真来验证本文所提方法的性能，并与文献[3]所提的简化信道估计方法做比较。仿真环境设定为：MIMO-OFDM系统中的节点配置2副发送天线，2副接收天线，OFDM所占带宽为kHz，使用128个子载波，其中8个子载波作为保护频带，剩下的用于传输数据。为了减少ISI的影响，系统采用长度为40us的循环前缀，信道采用瑞利衰落信道，多普勒频移为200Hz，时延扩展为τ=1.25us，接收天线之间是相互独立的。

图2给出了均方误差随信噪比的变化曲线。从图2中可以看出，简化信道估计方法在训练周期的时候，其均方误差是最小的。但是在数传周期的时候，由于数据的正交性难以得到保证，造成天线干扰问题，从而使得均方误差变大。而本文所提的方法在虽然性能要比简化信道估计方法训练周期内的性能要差一些，但是两者相差不大，并且本文所提方案的信道估值稳定性好，精度高，特别适用于高速移动环境。

五、结论

本文提出了一种基于散布导频的信道估计犯法。该方法具有如下优点：（1）跟踪能力强。因为每个时隙中的导频信息都得到了利用，所以该方法能够及时地发现信道的变化。（2）估计误差小。因为该方法不但使用信道的频域特性，而且使用了时域特性，并且还利用Wiener滤波进一步减少误差，所以其估计误差较小。（3）复杂度低。本文所提出的方法由信道估计与Wiener滤波两部分组成。两部分的实现都比较简单，因此，该算法实现复杂度较低。

参 考 文 献

[1] Qian Y T， Yu S Y. Research on an iterative algorithm of LS channel estimation in MIMO OFDM systems. IEEE Transactions on Broadcasting， 2005， 51（1）： 149-153

[2] 王东明，高西奇，尤肖虎. 宽带MIMO-OFDM系统信道估计算法研究. 电子学报，2005，33（7）：1254-1257