MIMO—OFDM信道及其信号检测算法研究

摘 要：本文主要对MIMO-OFDM系统的研究现状、信道估计及信号检测的研究意义等做了简单的介绍，另外，也对现有的信道估计与信号检测算法做了简单分析，得出其各自的优势与劣势，并提出新的改进算法。

关键词：MIMO-OFDM；信道估计；检测算法

随着移动通信的迅猛发展，特别是4G时代的到了，人们对无线通信的需求已不再停留在是否能够提供有效的语音与数据信息，而是是否能够有效、可靠、高速地提供这些业务，对于这些苛刻的要求，移动通信人一直在努力的实现，无论是以前的GSM，还是20世纪末的CDMA2000，或是现在的TLE，通信研究人员一直都在提速的路上。最终，移动通信系统要达到的目标是——无论你在什么时间，无论你在什么地点，都能够畅通无阻地与任何人实现智能通信，使未来移动通信进入个人通信的时代。

一、MIMO-OFDM的研究现状

1.MIMO技术的研究现状

利用MIMO提高信号传输性能的思想可以追溯到马可尼时代，1901 年马可尼通过无数次的实验研究出较长距离传送无线电波的设备——四个61米高的天线塔构成阵列，并于1901年12月12日到达了传输极限，从英格兰德康沃尔到加拿大纽芬兰的信号山。在20世纪70年代MIMO技术才被引入到传统的通信系统中来，而在20世纪80年代，J.H.Winers等人开始研究有关分集发射与接收和信道容量的相关问题。到了1994年，Paulraj和Kailath等人提出在发射端同时使用多天线能够增加无线信道容量的理论，在1995年E.Telatar等人又推导出了多天线高斯信道的容量理论公式，然而随着BLAST算法和空时编码的提出， MIMO技术的理论研究就随着移动通信的发展大量涌现。

目前，国内外大量的通信人员都致力于MIMO技术的研究。并且在MIMO技术的很多方面已获得了大量的研究成果，但是由于无线移动通信信道是一个时变、非平稳、稀疏的多入多出信道类型，其研究远远不止于以上的研究成果。现有的许多文献大都假设无线通信信道为分段的恒定平稳衰落信道，而这种假设对于高速率、高带宽的4G系统以及室外高速移动系统来说是不切实际的，因此必须对MIMO信道模型进行更深更细的研究。另外，在现有的理论研究中，全都设定接收端对通信系统的传输参数是已知的，因此，需要在发射端的发射信号中嵌入一定的导频序列来对接收机进行反馈训练。但是若移动台的速度过快，这就使得接收端的训练时间过短，对接收端来说，信道的估计性能就会下降，信号的检测性能也会随之下降，信号的恢复就不会很理想。因此，快速时变的信道估计技术或盲处理技术就成为以后研究的重要内容。

另外，现实的通信系统是MIMO技术研究的关键内容，因为实际的通信系统是要在移动台端实现多路的分集接收，大量的通信研究人员也正致力于这方面的研究。

2.OFDM技术的研究现状

在OFDM技术中，通常一个宽带信号首先被分成多个并行的窄带信号，然后再用多个正交的子载波对窄带信号进行调制，之后由发射机发射出去在信道中传输，而接收端对信号进行接收检测与恢复。正如上面所讲，OFDM技术独有特性让它在小尺度衰落信道中独放异彩。OFDM技术利用其正交特性可以把小尺度衰落信道转化成多个并行传输的平坦衰落信道，这样在接收端，就极大的降低了接收机的设计复杂度，节省了成本。

另外，OFDM技术中由于应用了DSP技术，才使得各子信道之间能够相互正交，从而保证了各个子信道间的频带资源可以相互重叠且不出现ISI，这样就有效地提高了频谱资源的整体利用率，为更高速率的数据传输业务提高了技术基础。

二、MIMO-OFDM信道估计与信号检测算法的研究现状

1.MIMO-OFDM信道估计算法研究现状

目前，MIMO-OFDM信道估计技术的研究已经取得了一定的进展。信道估计算法大致分为三大类：即盲信道估计、非盲信道估计及两者结合的半盲信道估计算法。盲信道估计由于其算法复杂度高，时延较大的劣势不适应于实际系统中。而非盲和半盲信道估计方法，通过插入的导频信息，能够较好地获得信道的估计性能，此类算法在现实的MIMO-OFDM系统中得到广泛应用。从信道估计实现的方法上来讲，非盲信道估计方法又可分为频域实现和变换域实现。在频域实现中，主要的方法包括LS估计、ZF估计和LMMSE估计。而在变换域实现中，主要的方法有基于离散傅立叶变换的信道估计方法。另外还有基于二维导频信道估计算法、维纳滤波内插算法、基于正交叠加训练序列的时域信道估计算法、基于离散叠加导频的信道估计算法、基于粒子滤波的MIMO-OFDM信道估计算法等。以上各种算法在不同的通信场景下有不同的优势。因此，选择恰当的算法对通信系统性能的提高至关重要。

2.MIMO-OFDM信号检测算法研究现状

目前，MIMO-OFDM系统中已研究较为成熟的信号检测算法主要有三类，即ML檢测、线性检测算法以及非线性检测算法。最优检测算法主要是指最大似然译码（ ML），该算法在一定信噪比条件下有较理想的检测性能，恢复出的信号最接近于原始信号且具有较高的信号强度，但其缺点是算法复杂度随着天线数目的增加呈指数上升，因而在实际应用中得到了限制。线性信号检测算法主要有迫零（ZF） 检测和最小均方误差（ MMSE） 检测，此类算法是对接收到的信号先进行一定的线性加权，然后在一定准则下检测并恢复出原信号，此类算法的优点是在实际应用中具有较低的算法复杂度，硬件实现起来较容易，但其检测性能较ML算法有明显的劣势。非线性检测算法主要包括球形译码检测算法、广义球形译码算法以及半定松弛检测算法，此类检测算法是在接收端对信号进行非线性变换，继而根据一定的准则对信号进行还原，其与ML算法相比，在算法性能上虽有一定的降低，但是在算法复杂度方面有很大程度的改善。因而，对次优检测算法的研究是有很大的现实意义的。

参考文献：

[1] 王妮娜，桂冠，张治等.基于压缩感知的 MIMO系统稀疏信道估计.应用科学学报，2011，11（2）：315-318.

[2] 王香瑜，王毅. IEEE802.16e系统中基于基扩展模型的快速时变信道估计.中国科技论文，2013，8（4）：295-298.

[3] Wang D M， Hou X.Y. Compressed MIMO Channel Estimation and Efficient Pilot Pattern over Doppler Sparse Environment. IEEE International Conference on Wireless Communications and Signal Processing（WCSP）. Nanjing， China， Nov， 9-11， 2011.

作者简介：敖青青（1996-6-），湖北随州人，本科在读，就读于西北民族大学通信工程专业。