好的信道估计算法精华版.doc

好的信道估计算法LS信道估计假设OFDM系统模型用下式表示:(1)式中为信道响应;为已知的导频发送信号;为接收到的导频信号;为在导频子信道上叠加的AWGN矢量。LS为最小二乘(Least—Square)信道估计,LS算法就是对(1)式中的参数进行估计,使函数(2)最小。(2)其中是接收端导频子载波处的接受信号组成的向量;是经过信道估计后得到的导频输出信号;是信道响应的估计值。由此可以得到LS算法的信道估计值为:可见,LS估计只需要知道发送信号,对于待定的参数,观测噪声,以及接收信号的其它统计特征,都不需要其它的信息,因此LS信道估计算法的最大优点是结构简单,计算量小,仅通过在各载波上进行一次除法运算即可得到导频位置子载波的信道特征。但是,LS估计算法由于在孤寂时忽略了噪声的影响,所以信道估计值对噪声干扰以及ICI的影响比较敏感。在信道噪声较大时,估计的准确性大大降低,从而影响数据子信道的参数估计。LMMSE算法的实现流程:LMMSE算是MMSE的特例,在这种情况下,基于接收数据的估计值是接收数据的线性变换,在数据统计特性已知的情况下,某些时候可以直接求解,比如维纳解;在数据统计特性未知但是平稳的时候,可以通过递归迭代的算法求解,诸如:LMS算法首先我们得到LMMSE算法的相关公式:其中为导频子载波的CFR(振幅因素衰减),表示所有子载波与导频子载波的互协方差,表示导频子载波的自协方差。代表信道的阶跃响应。从公式中可以看出LMMSE使用子载波间的协方差以及SNR等信息进行信道估计。因为可以作为一个常量。则可以替换为其期望值:,其中代表单位矩阵。所以,上式又可变为。其中,星座因子与采用的调制方式有关:对于16QAM调制为17/9;对于QPSK调制为1。SNR是每个符号的信噪比;表示参考信号处由LS估计的信道冲激响应值;因为要进行求逆运算,所以运算的复杂度较高。如果参考信号的子载波数目较多,则求逆运算会变得很复杂。下面则将对LMMSE算法进行改进。在这里我们采用了奇异值分解的方法对估计器进行低阶近似。将信道的自相关函数分解为:。则原公式可以化为:。插值算法在估计完导频子载波处的信道传输函数后,数据子载波处的信道响应可以通过在相邻的导频子载波间插值得到。不同的插值算法具有不同的计算复杂度和性能,下面讨论一些常用的插值算法。,来线性地计算出处于它们之间的数据子载波上的信道响应。