MIMO-OFDM系统信道估计算法研究*
刘燕容，周 围
【摘 要】摘 要:正交频分复用(OFDM)技术能有效克服多径带来的不利影响，提高频谱利用率;多输入多输出(MIMO)技术，可以在不增加系统带宽和发射功率的前提下，成倍提高系统容量和带宽利用率。将两者结合的MIMOOFDM系统是近年来的研究热点，信道估计在提高该系统性能方面发挥着重要作用。基于此，主要介绍MIMOOFDM系统结构，在此基础上介绍基于导频的信道估计、半盲信道估计和盲信道估计。 【期刊名称】山西电子技术 【年(卷),期】2012(000)003 【总页数】3
【关键词】关键词:多输入多输出 (MIMO);正交频分复用 (OFDM);信道估计 通信技术的飞速发展和广泛应用，不仅推动了社会发展，也提高了人们生活质量。随着社会的发展，人们对通信的要求越来越高，这也推动了通信技术的不断改善。无线移动通信系统的最大技术瓶颈在于空中接口即无线传输技术，无线传输技术所面临的两大挑战:一是如何大幅度提高频谱利用率，二是如何实现高速无线数据传输。MIMO通过使用多副收发天线，可以在不增加系统带宽和发射功率的前提下，成倍提高系统容量［1］，OFDM技术可以将频率选择性信道划分为多个并行的平坦衰落信道，它能有效克服多径带来的不利影响，提高频谱利用率。MIMO-OFDM系统可以实现高速无线数据传输，该系统中，发送端编码、接收端的检测都需要信道状态信息(CSI)，因此信道估计有着非常重要的作用。信道估计方法主要可以分为基于导频的信道估计、半盲信道估计和
盲信道估计。
1 MIMO-OFDM系统结构
OFDM技术将频率选择性衰落信道转化为若干平坦衰落子信道，在平坦衰落信道中引入空时编码技术能够大幅度提高无线通信系统的传输速率和信道容量，并能有效抑制噪声和干扰。
MIMO-OFDM系统框图如图1所示:
假设MIMO-OFDM系统有MT根发送天线和MR根接收天线，那么第j根接收天线接收的信号可以表示为:
其中X为发送信号向量矩阵、H为信道矩阵、V为噪声向量矩阵。 其中F为傅里叶变换矩阵，为子载波数，l=1，2…，L，为信道的阶数。 h表示信道的冲激响应，将(2)式代入(1)式可得:
2 MIMO-OFDM系统信道估计算法
2.1 基于导频的信道估计
基于导频的信道估计是经典的信道估计算法，对它的研究已经较为成熟。这里主要介绍最小二乘(LS)估计、最小均方误差(MMSE)估计以及它们的改进算法。 令W=XF，则(3)式可改写为: LS信道估计的一般结果为［2］:
由(5)式可以看出，该算法没有考虑噪声的影响，估计结果受子载波间干扰和信道加性高斯白噪声影响较大。上式中存在着矩阵求逆运算，这导致运算量急剧增加，因此又提出了大量的改进算法。如基于QR分解的改进算法，即把矩阵W进行QR分解，这样就避免了求逆带来的巨大运算量。 MMSE 信道估计结果为［3］:
其中 RYY=E［YYH］=XRHHXH+ σ2I，为接收信号的自协方差矩阵，RHH为信道的自协方差矩阵。由(6)式可以看出，MMSE同样存在大量求逆运算，复杂度较高，在此基础上又提出了许多的改进算法，如LMMSE算法，该算法利用发送信号的平均功率代替瞬时功率，即(6)式中E［(XXH)-1］=，这样就可以简化求逆运算;由于信道频响的频谱能量主要集中在低频部分，所以还可以把信道自协方差矩阵进行奇异值分解，进一步简化算法。
导频辅助的信道估计算法的优点是计算比较简单，但是它需要发送已知数据作为导频，这就降低了信道利用率;在估计出导频位置的信道冲激响应后还需要进行相应的插值算法才能获得完整的信道信息。 2.2 半盲信道估计
半盲信道估计就是发送少量的导频信号来获得整个信道的状态信息，它是介于盲信道估计和基于导频信道估计的一种方法。文献［4］提出了一种基于线性预测的半盲信道估计方法，它的代价函数可以表示为:
其中Ypilot是已知的接收信号矢量矩阵，α＞0是权重因子，B是一个与盲信道估计约束条件相关的矩阵。根据(7)式可求得半盲信道估计的结果为:
其中()?表示矩阵的伪逆。在此基础上文献［6］还提出了一种改进算法:在发端利用脉冲整形滤波器，收端加上相应的匹配滤波器，这种方法的优点就是提高了信道估计的精度，但是同时也增加了系统的复杂度。此外还有很多其他的半盲信道估计算法，如一种基于信号子空间跟踪的半盲信道估计算法，这种算法与运用奇异值分解来分离出信号子空间和噪声子空间的方法估计精度相近，它的最大优点就是复杂度较低;基于卡尔曼滤波的半盲信道估计算法，利用两个卡尔曼滤波器形成一个交替、迭代的结构，结合半盲信道估计算法，提高信道估
MIMO-OFDM系统信道估计算法研究
