本文選題：MIMO + OFDM��； 參考：《西南交通大學(xué)》2014年碩士論文

【摘要】：未來無線通信系統(tǒng)需要滿足在高速移動(dòng)的環(huán)境下能夠提供高速、可靠的數(shù)據(jù)傳輸?shù)囊?對(duì)于MIMO OFDM系統(tǒng),數(shù)據(jù)率的提高需要更大的帶寬,而帶寬的增大會(huì)使信號(hào)的采樣間隔小于信道的時(shí)延擴(kuò)展,在多徑傳播環(huán)境中信道出現(xiàn)頻率選擇性衰落,引起符號(hào)間干擾(ISI, InterSymbol Interference)。同時(shí)移動(dòng)臺(tái)和基站之間的相對(duì)移動(dòng)帶來多普勒擴(kuò)展,使傳輸信道隨時(shí)間快速變化,造成信道的時(shí)間選擇性衰落,引起子載波間干擾(ICI,InterCarrier Interference)。在這種雙選擇性衰落信道的條件下,接收端獲取準(zhǔn)確的信道信息對(duì)后續(xù)信道均衡等處理具有重要的意義。 論文在分析MIMO OFDM系統(tǒng)時(shí)頻雙選擇性衰落信道特征的基礎(chǔ)上,利用基擴(kuò)展模型(BEM, Basis Expansion Model)刻畫時(shí)變信道以減少信道參數(shù)個(gè)數(shù),并且分析比較不同的基擴(kuò)展模型的擬合效果�；谶@種信道建模方法,利用卡爾曼濾波器和最大似然算法分別進(jìn)行信道估計(jì)。其次,論文從信道本身的稀疏性出發(fā),研究快衰落信道在時(shí)延多普勒域的稀疏表示,推導(dǎo)出基于稀疏表示下的接收信號(hào)模型,結(jié)合壓縮感知理論,利用傳統(tǒng)正交匹配追蹤(OMP, Othogonal Matching Pursuit)算法重構(gòu)出信道信息。由于傳統(tǒng)OMP算法中設(shè)定的信道稀疏度值對(duì)信道估計(jì)性能存在影響,論文提出了一種不依賴于信道稀疏度預(yù)設(shè)值的改進(jìn)的OMP算法,確保算法的穩(wěn)定良好性。 由于實(shí)際系統(tǒng)中存在載波頻偏的影響,因此論文考慮了接收端存在載波頻率偏移下的快衰落信道和頻偏聯(lián)合估計(jì)技術(shù)�；诨鶖U(kuò)展模型的MIMO OFDM系統(tǒng)中,利用擴(kuò)展卡爾曼濾波器對(duì)信道和頻偏進(jìn)行跟蹤估計(jì),除了這種方法外,也可采用期望最大算法(EM, Expectation Maximization)結(jié)合卡爾曼濾波器迭代的估計(jì)出信道和頻偏。論文提出了一種低復(fù)雜度的改進(jìn)EM算法,通過最大似然算法估計(jì)的頻偏作為EM算法中頻偏的粗估計(jì)值,并且根據(jù)跡函數(shù)性質(zhì)改進(jìn)Q函數(shù),達(dá)到降低算法復(fù)雜度的目的。論文仿真分析表明,與原EM算法的性能相比,基于改進(jìn)EM算法的復(fù)雜度的大幅度降低對(duì)其算法性能并未造成損失。
[Abstract]:The future wireless communication system needs to meet the requirements of high-speed and reliable data transmission in high-speed mobile environment. For MIMO OFDM system, the increase of data rate needs more bandwidth. With the increase of bandwidth, the sampling interval of the signal is smaller than the delay spread of the channel, and the frequency selective fading occurs in the multipath propagation environment, which leads to ISI and Intersymbol interference. At the same time, the relative movement between the mobile station and the base station leads to Doppler expansion, which makes the transmission channel change rapidly with time, resulting in the time-selective fading of the channel, and induces the intercarrier interference (ICI) Intercarrier interference (ICI). Under the condition of double selective fading channel, it is important for the receiver to obtain accurate channel information for subsequent channel equalization processing. On the basis of analyzing the characteristics of time-frequency and dual-selective fading channels in MIMO OFDM systems, the time-varying channels are characterized by the basis expansion model (BEM, basis expansion Model) to reduce the number of channel parameters, and the fitting results of different base expansion models are analyzed and compared. Based on this channel modeling method, Kalman filter and maximum likelihood algorithm are used for channel estimation. Secondly, based on the sparsity of channel itself, the sparse representation of fast fading channel in time-delay Doppler domain is studied, and the received signal model based on sparse representation is derived, combined with compression sensing theory. The channel information is reconstructed by using the traditional orthogonal matching tracking (OMP) and Othogonal matching pursuit (OMP) algorithm. As the channel sparsity values set in the traditional OMP algorithm affect the channel estimation performance, an improved OMP algorithm is proposed, which does not depend on the channel sparsity presupposition, to ensure the stability of the algorithm. Because of the influence of carrier frequency offset in the actual system, the fast fading channel and the joint frequency offset estimation technique are considered in this paper. In MIMO OFDM systems based on the base spread model, the extended Kalman filter is used to track and estimate the channel and frequency offset. The channel and frequency offset can also be estimated by using the expected maximum algorithm (EMM, expectation maximization) and Kalman filter iteration. In this paper, an improved EM algorithm with low complexity is proposed. The frequency offset estimated by the maximum likelihood algorithm is regarded as the rough estimation value of the intermediate frequency offset of the EM algorithm, and the Q function is improved according to the property of the trace function to reduce the complexity of the algorithm. The simulation results show that compared with the performance of the original EM algorithm, the complexity reduction based on the improved EM algorithm does not cause any loss to the performance of the improved EM algorithm.
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN919.3

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王愛華,黃其華;全數(shù)字?jǐn)U頻收發(fā)信機(jī)技術(shù)[J];北京理工大學(xué)學(xué)報(bào);2003年06期

2 楊建喜;蔣華;;一種基于Kalman濾波器的低復(fù)雜度信道估計(jì)算法[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

3 吳虹;丁勇;趙迎新;譚衛(wèi)毅;宋士天;戈立軍;;一種MIMO-OFDM無線通信系統(tǒng)的設(shè)計(jì)與仿真[J];電訊技術(shù);2008年04期

4 劉偉;李濟(jì)順;;脈沖噪聲和衰落環(huán)境下比特交織差分編碼調(diào)制的性能[J];電路與系統(tǒng)學(xué)報(bào);2008年03期

5 孫志國(guó);李立金;郭黎利;;基于RIE和IS-DT-FCME的直擴(kuò)系統(tǒng)窄帶干擾抑制方法[J];電路與系統(tǒng)學(xué)報(bào);2012年01期

6 劉亞峰;劉昱;段繼忠;汪少初;;基于DSP的OMP算法實(shí)現(xiàn)及音頻信號(hào)處理[J];電聲技術(shù);2012年02期

7 付爭(zhēng);芮國(guó)勝;田文飚;;準(zhǔn)稀疏信號(hào)的壓縮感知重構(gòu)[J];電子測(cè)量技術(shù);2011年06期

8 張宗念;黃仁泰;閆敬文;;壓縮感知信號(hào)盲稀疏度重構(gòu)算法[J];電子學(xué)報(bào);2011年01期

9 楊海蓉;張成;丁大為;韋穗;;壓縮傳感理論與重構(gòu)算法[J];電子學(xué)報(bào);2011年01期

10 和麟;孫超;;水聲相干通信信道均衡實(shí)驗(yàn)研究[J];電子與信息學(xué)報(bào);2009年10期

相關(guān)會(huì)議論文 前2條

1 徐瑞;李海濤;尚海濱;喬棟;唐勝景;;利用羅塞塔探測(cè)器進(jìn)行天線組陣試驗(yàn)可行性分析[A];中國(guó)宇航學(xué)會(huì)深空探測(cè)技術(shù)專業(yè)委員會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2008年

2 閔淑琴;馬宏;魏明山;;線性均衡器與判決反饋均衡器性能比較[A];全國(guó)第三屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)交流會(huì)�？痆C];2009年

相關(guān)博士學(xué)位論文 前10條

1 劉吉英;壓縮感知理論及在成像中的應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

2 朱旭琪;分布式信息壓縮算法研究[D];北京郵電大學(xué);2011年

3 黃安民;基于感知字典的稀疏重建算法研究[D];電子科技大學(xué);2011年

4 劉翼鵬;基于凸優(yōu)化的參數(shù)化稀疏估計(jì)理論及其應(yīng)用[D];電子科技大學(xué);2011年

5 楊海蓉;壓縮傳感的測(cè)量矩陣與恢復(fù)算法研究[D];安徽大學(xué);2011年

6 程捷;無線傳感器網(wǎng)絡(luò)查詢技術(shù)研究[D];華中科技大學(xué);2011年

7 高磊;壓縮感知理論在寬帶成像雷達(dá)Chirp回波處理中的應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

8 但煒;數(shù)值逼近中若干問題研究[D];大連理工大學(xué);2011年

9 張曉瀛;OFDM及MIMO系統(tǒng)中的迭代接收技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

10 孫玉寶;圖像稀疏表示模型及其在圖像處理反問題中的應(yīng)用[D];南京理工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 安寧;OFDM信號(hào)識(shí)別與參數(shù)估計(jì)技術(shù)研究及IP核設(shè)計(jì)[D];西安電子科技大學(xué);2011年

2 袁乃成;LDPC碼密度進(jìn)化算法研究及其在OFDM中的應(yīng)用[D];吉林大學(xué);2011年

3 李浩;用于壓縮感知的確定性測(cè)量矩陣研究[D];北京交通大學(xué);2011年

4 林婉娟;壓縮感知重建算法及其在數(shù)字水印中的應(yīng)用[D];北京交通大學(xué);2011年

5 楊劍;壓縮感知在超寬帶信道估計(jì)中的應(yīng)用研究[D];北京郵電大學(xué);2011年

6 張磊;基于糾錯(cuò)技術(shù)的高速串行編解碼器研究與設(shè)計(jì)[D];合肥工業(yè)大學(xué);2011年

7 許琦;IEEE 802.16e-OFDMA上行PUSC模式的信道估計(jì)研究[D];華中師范大學(xué);2011年

8 雷洋;壓縮感知OMP重構(gòu)算法稀疏字典中匹配原子的選擇方法[D];華南理工大學(xué);2011年

9 董莉萍;基于訓(xùn)練和半盲的稀疏信道估計(jì)方法[D];電子科技大學(xué);2011年

10 商枝江;基于壓縮感知的稀疏多徑信道估計(jì)算法研究[D];電子科技大學(xué);2011年

，

本文編號(hào)：2048227