关键字 |
| MIMO ofdm,信道估计,DFT,神经网络,LS(最小二乘),MMSE(最小均方) |
介绍 |
| 在过去的几年里,进步已经由研究人员在无线通信领域实现数据速率超出2 mbps的范围,可以支持多种多媒体应用程序。到目前为止讨论的一个乐观的方法是OFDM代表正交频分复用多载波调制方案,密集的大量副载波正交本质上是用来传输数据在各种并行数据,溪流或通道。每一个副载波映射到标准的调制方案如相移键控(相移键控),或正交幅度调制(QAM)低符号率,保持整个数据速率相当于一个载波调制方案相同的带宽。这种正交性有助于分离信号的接收机在发射机可能会重叠,消除载波间干扰(ICI)和并行传输保证低数据率,减少码间干扰(ISI)的概率几乎翻倍频谱效率[1]。带宽的有效利用OFDM等多个无线标准已被接受在数字视频广播(优质)、数字音频广播(DAB)、IEEE局域网和城域网(MAN)标准。OFDM的应用使它成为一个强有力的竞争者为即将到来的4 g无线通信[2]。实际上,OFDM调制或多路复用技术。OFDM的优势做一个轮回世界的下一代高速无线和移动通信系统。OFDM使用N重叠(但正交)部分波段,在个人的波特率1 / T间距为1 / T间隔。DFT-based算法使用这个功能来提高LS和MMSE算法的性能。 Now-a-days different communication systems have come into the picture. One of the most optimistic communication schemes for high data rate is MIMO (Multiple Input Multiple Output) [3], [4], [5]. The MIMO concept was first introduced by Jack Winters in 1987 for two basic communication systems [6]. In wireless broadband systems, receiver complexity gets highly reduced by the application of Orthogonal Frequency Division Multiplexing (OFDM). However, in this case synchronization and channel estimation plays an important role. So a new scheme that allows multiple users to have access over the same channel by integrating TDM and FDM known as Multiple Input Multiple output-Orthogonal Frequency Division Multiplexing (MIMO-OFDM). These features increase its popularity for the next generation wireless communication systems such as WLAN, WMAN, Wimax and the 3G-LTE standard that accustomed several users in the same channel at the same time without making use of extra bandwidth [6]. |
相关工作 |
| 在[1]的作者讨论了关于PHY层数量的同步和信道估计等问题对mimo - ofdm系统的实现宽带有用。时空编码技术和自适应模拟波束形成能提供最佳路径MIMO信道环境。然后作者讨论了纠错码,他强调在高利率的LDPC码。在MIMO - ofdm系统实现[4]作者提出提高MIMO检测算法基于per-antenna-coding (PAC)在发射机PAC V-BLAST执行优秀比复杂的PAC软输出最大似然检测(MLD)方案的误比特率(BER)和包错误率(每)。最后该算法吞吐量得到增强的三倍。在[6]作者比较了mimo - ofdm系统的性能使用V-BLAST架构的误码率(比特误码率)通过考虑不同的调制方案通过不同传输和接收元素AWGN信道。由于频谱效率高。[8]中信道估计基于梳状类型试验安排和低通插值执行最好的比块类型与判决反馈均衡器的快衰落信道误码率高10-15db因此梳型更健壮的多普勒频率的增加。在[11]优化对慢时变信道的信道估计已经通过使用优化等功率,平均间隔和相移正交训练序列的信道估计的均方误差提供了3 db的增益在信噪比和误码率的方方面面和10多普勒扩散fd = 5赫兹,培训已被证明在多个OFDM符号。RLS(递归最小二乘)算法用于获得相当大的增益为2 db在信噪比小的多普勒扩散。伦敦证交所的表现相比,[13]作者基于线性飞行员插值的OFDM系统信道估计上行。 The results are tested under AWGN and SUI where it is clearly shown that known channel estimation is superior to linear interpolation channel estimation with the difference of more than 2db. |
正交分频多工系统 |
| 生成一个OFDM符号的方法如下: |
| 最初,N数据复杂的符号是缓冲与零NS的象征,用来计算传输线。传输线的收益率是必不可少的OFDM符号集中在多路通道的延迟传播;必须选择一个特定的看门人时间(TG)说。必须采取各种标本比较这守门人时间从一开始的OFDM符号和添加的象征。同时,相同数量的标本必须选择从OFDM符号,必须嵌入到开始。提出了余弦的OFDM符号必须增加窗口的力量带外sub-bearers拔掉。然后添加到窗口的OFDM符号的产量过去的OFDM符号TR的延期,这之间有一个覆盖地区的bTR每个符号[8]。 |
分布式天线系统 |
| MIMO技术,一个了不起的演员在无线通信领域,它提供的事实值得注意的扩展信息吞吐量和连接没有额外的传输速度和传输能量扩大范围。它达到这一目标通过传播相同的聚合收到电线传输能量,以实现阵列增益,提高了频谱效率(更多比特每秒每赫兹的数据传输能力),然后获得分集增益,提高了链路可靠性(减少褪色)。天线系统的功能进一步划分为三个主要类别:预编码,时空编码(STC)和空间分复用(SDM)。优质增强无线网络的整体性能在不同编码发射机分支;而长效磺胺达到增加吞吐量通过传输单个数据流在不同的传输分支同时拥有相同的载波频率[4]。预编码进行多流波束形成”的。在更普遍的术语,它回顾了所有空间处理发生在发射机。(individual-stream)波束形成,同样每个传输天线发出的信号以适当的阶段和获得权重,这样在接收机输入信号功率最大化。 |
MIMO-OFDM系统 |
| 正交频分复用(OFDM)的活力对频率选择性衰落,熟练利用光谱能力,和较低的计算多层面的自然满意它作为伟大的物理层创新高位率远程通信。融合的多输入多输出(MIMO)和正交频分多路(OFDM)技术,MIMO - OFDM,称为下马上研究作为一个优秀的最前沿最向往候选人之间交换框架,浮动从远程局域网宽带接入。它扩展了分集增益与框架限制滥用的空间区域。由于OFDM框架保证不同平行窄带通道,MIMO-OFDM分析highinformation率上升的关键工程框架,例如,4 g, IEEE 802.16, IEEE 802.11 n [3]。米姆框架加入不同的接收电线发射机和接收方使用空间的空间空间多路复用与空间的多样性。 |
| 图2显示了MIMO OFDM系统。OFDM定义为基于调制的选择运营商之间的间距做是为了让他们正确地互相正交。两个输入序列是正交的,如果他们点积为零。这是;通过假设在两个不同的序列和增加他们在一起[3]。只是碰碰运气,他们不可缺少的一个临时为零,然后那些临时的两个序列是正交的。正交性可能会获得通过精确选择载波间距,例如,保证它们之间的航空公司分散相当于时期有用的平等的象征。副载波是正交的,每个载体都有一个无效的范围核心复发的交替转运蛋白在框架[3],[7],[8]。结果在运营商之间没有障碍物,从而可分为紧密亲密。它部分整个复发范围与目标群体小足够通道影响给定副环带是一致的(水平)。 At that point a traditional IQ (In stage Quadrature stage) regulation (BPSK, QPSK, QAM, and so forth.) is sent over the sub-band [9]. An extensive number of nearly dispersed orthogonal subcarriers are utilized to convey information. The information is partitioned into a few parallel information streams or channels, one for every subcarrier. OFDM converts the recurrence particular blurring channels into parallel even blurring a sub channel, as long as the cyclic prefix (CP) embedded at the start of every OFDM sequence is longer than or equivalent to the channel length[10]. |
信道估计 |
| 情有可原的,信道失真信道估计的结果采用在无线通信系统视为mimo - ofdm系统的挑战之一。它给出了一个物理通道如何回应一个输入序列。换句话说,它预测系统的脉冲响应的数学模型的形式显示正在发生什么。评估的研究,更准确的信道状态信息更好的将数据符号的相干检测接收机[11]。信道估计算法分为三个主要类别,基于训练的,半盲目和盲目的方法。盲人信道估计方法取决于接收发射机符号是完全未知的。利用训练符号的使用,提取信道状态信息(CSI)的基础上评估统计信息,因此节省带宽[11][12]。之前在训练基础,MIMO系统提取CSI的传播数据,训练序列或飞行员符号用于通道识别引入同步的每一帧的开始。CSI变化时至关重要的时变信道,再训练序列传播[11]。盲目的使用方法与训练数据的通道中有更好的预测变化称为半盲目的方法。 This process highly removes the effect over the convergence period of blind subspace algorithm that became unreliable in real-time systems [12]. |
| 训练序列或试点的基础上辅助信道估计有两种,一个是一块类型中执行插入导频域使用所有的副载波。飞行员的插入并不是在所有的OFDM符号,而不是覆盖所有不需要的频率插值如图3所示[13]。 |
| 另一个是梳型,飞行员执行插入在时域通过使用一组副载波和,因此,需要插值。飞行员的插入在所有的OFDM符号如图4所示[13]。 |
信道估计方法 |
最小二乘信道估计 |
| 在梳理中,键入试点安排如果Np飞行员符号插入X (k)按照下面的方程[8]写: |
 (1) |
| L = No。副载波/ Np和m是导频指数。 |
| 通过使用保护间隔消除码间干扰,分析了矩阵方程符号如下所述: |
 (2) |
| 在哪里 |
 传播载体 |
 收到向量 |
 AWGN(加性高斯白噪声)向量 |
 |
 DFT矩阵吗 |
 定义为捻系数 |
| 现在通过应用LS信道估计mimo - ofdm减少为估算值和标准值之间的误差。LS没有考虑信道噪声和信道统计特性的分布。因此n和m传播之间的信道估计th接收天线的矩阵表示法[8]表示为 |
 (3) |
在哪里 代表了LS信道估计 |
| 情节对LS信道估计误码率,MSE和信噪比进行了“结果”部分。 |
b .最小均方估计(MMSE) |
的MMSE估计包含了二阶统计数据信道条件最小化均方误差(MSE)。信道的时域相关性剥削然后分析噪声的影响估计从LS获得通过MMSE过滤器。让Rhh,RHHRYY的auto-covariance矩阵h, h,分别和Y,钩藤碱之间的协方差矩阵h和Y MMSE信道估计 n之间的mimo - ofdm系统的发射机和mth接收机[8]分析如下: |
| (4) |
 (5) |
 (6) |
| 在σ2是噪声方差W E {| | (k)2}和我NN×N的单位矩阵。 |
| 有时,通道数据不可用,所以很难在这种情况下估计信道。然而,在OFDM系统信号可以通过航空公司飞行员可以在接收方。情节对MMSE信道估计误码率,MSE和信噪比是在“结果”部分讨论。 |
基于DFT的信道估计 |
| 在LS DFT征用,MMSE信道估计,提高估计的一般执行通过消除噪声的影响。在一个OFDM框架,动力反应通道的长度通常是短的循环前缀的长度l . DFT-based计算利用这种手法构建执行LS和MMSE计算[14]。它改变了复发信道估计到时间利用IDFT信道估计,认为部分大于L骚动,然后将这部分视为零,以消除噪声的影响。让H [k]表明渠道的评估增加(收益)k副载波,通过LS或MMSE信道估计的系统。信道估计的IDFT [14] |
 |
 (7) |
| 在那里, |
| Z [n]描述了在时域噪声组件。 |
| 估计精度增加删除从时域噪声的影响。 |
 (8) |
| 其余的DFT L元素得到的方程转换成频域。 |
 (9) |
| 情节中基于DFT的信道估计误码率,MSE和信噪比是在“结果”部分讨论。 |
神经网络 |
| 神经系统,其引人注目的能力来确定意义的纠缠或不确定的信息,可能会利用集中和定位偏复杂的例子,没有选项是被人类或其他工作站的方法。准备神经系统可能被视为一个“主人”的分类数据给予分析。这主人可以用来给预测给定的投资和新形势下回答“如果”的问题[15]。 |
| 不同的特点包括: |
| 自适应学习:能力找出如何做作业集中在准备或开始的信息知识。 |
| 自我组织:安能使自己的数据的特定的协会或表示它在学习时间。 |
| 实时操作:安处理可以并行完成,和非凡的配件产品不断提出和生产利用这种能力。 |
| 宽容缺点通过冗余信息编码:系统提示比较贬值的部分拆迁执行。尽管,一些系统能力甚至可能举行重大系统伤害[15]。基于神经网络的描述mimo - ofdm系统的信道估计将在下一节中讨论。 |
结果和讨论 |
| 使用神经网络系统的培训:OFDM系统已经被训练使用神经网络来优化估计模型设计。模型包含保护带间隔值将使用神经网络进行了优化。神经网络有两个输入:第一,一般OFDM-MIMO架构和第二最初的保护带,要发送的数据。迭代的保护带检查当前保护带是否适合数据传输。如果警卫带小于根据架构系统适当的保护带,增加了一个比率,当神经传播,它检查是否阈值带是否合适。拍频振荡器而言,保护带不称为作为一个简单的一个输入值,而是拯救迭代范围。拍频振荡器的方法选择一个最优值转移。FFT的过程重复范围也好像数据FFT不是最优的,拍频振荡器的方法生成一个范围相同,FFT长度是根据拍频振荡器增强结果值。这项实验的结果工作如下所述: |
| 图5表示DFT的比较,LS和MMSE的比特误码率(BER)和信号噪声比(信噪比)。图5描述了信噪比成正比的信号强度,而比特误码率降低数据包发送的有效性。从上面的图表,很明显,DFT胜过了LS机制比特误码率的即兴创作。 |
| 图6代表了信噪比和均方误差图即MSE DFT技术更LS和MMSE相比。 |
结论 |
| 上述观察结果,它可以推断出,信道估计是一个独特的方法来确定通道的容量和预测会发生多少错误如果数据传播通道。它也观察到,估计技术可以优化。当前实验打开了许多盖茨为未来的研究是当前系统不包括或任何类型的MMSE技术优化技术如遗传算法,算法和拍频振荡器。 |
|
数据乍一看 |
|
|
|
|
|
|
引用 |
- 戈登•l .木栓,约翰·R。巴里,史蒂夫·w·麦克劳克林,你们(Geofrey),玛丽·安·英格拉姆和托马斯·普拉特,mimo - ofdm无线通信“宽带”《IEEE, Vol.92,不。2、2004年2月。
- 吴w . y .邹和y”问题影响:概述”,IEEE广播,41卷,页1 - 8,1995年3月。
- 克里希纳n . Chaudhari Dharmistha博士d . Vishwakarma“误码率提高MIMO系统使用OFDM,”国际先进的电脑科学研究和电子工程杂志》卷2,问题1,2013年1月ISSN: 2277 - 9043。
- Allert van Zelst和蒂姆·c·w·Schenk”实现MIMO OFDM-Based无线局域网系统”IEEE信号处理,刘能译,第二,February2004。
- s . Cioni a . Vanelli-Coralli ge Corazza, p . Burzigotti和P.D. Arapoglou mimo - ofdm移动卫星广播的“分析和性能系统”2010年IEEE Globecom学报》上。
- m . VaniDivyatha b .湿婆Reddy,”设计和mimo - ofdm无线宽带通信的误码性能,”国际ModernEngineering研究杂志》第三卷,问题3,5月- 6月。2013 - 1382 - 1385页ISSN: 2249 - 6645。
- AnandaMurthi& r . Bhagya”mimo - ofdm无线局域网标准的设计和性能分析,“国际电子和CommunicationEngineering ISSN杂志2278 - 9901卷。2、3问题,pp - 77 - 84, 2013年7月。
- SinemColeri, Mustafa Ergen AnujPuri,艾哈迈德·巴哈教徒,”安排在OFDM系统中基于导频的信道估计技术,“IEEE事务onBroadcasting Vol.48,第三,2002年9月。
- JianXu, Sang-Jin Lee Woo-Seok康和Jong-SooSeo”mimo - ofdm无线多播系统“自适应资源分配IEEE事务onBroadcasting Vol.56,第一,2010年3月。
- 丹尼尔•Sacristan-Murga MiquelPayaro和安东尼奥Pascual-Iserte“收发器设计框架种在MIMO OFDM广播系统与通道GramMatrix反馈”IEEE无线通讯,11卷,2012年5月5号。
- ImadBarhumi Geert亮氨酸和马克·穆南“最佳培训mimo - ofdm系统设计在移动无线频道”IEEE SignalProcessing, Vol.51, 6号,2003年6月。
- 伯特兰Muquet、Marc de考维尔和皮埃尔·杜哈默,“对于OFDM系统信道盲和半盲目估计“IEEE SignalProcessing,《当代,No.70, 2002年7月。
- Lu鑫Lu Yunting徐小君,林光明,“最小二乘mimo - ofdm系统的信道估计”IEEE - WirelessCommunication国际会议上,网络和移动计算在北京,页1 - 4,2009年9月。
- RajbirKaur Charanjitkaur,“调查QAM-QPSK调制的mimo - ofdm系统的信道估计技术,“国际期刊ofComputational工程研究,ISSN 2250 - 3005年》,问题。5,页-1424 - 1419,2012年9月。
- 邦萨尔,莫迪,沙玛,“神经网络”,φ出版物,52卷,2009年6月。
|
菜单
(1)
(2)
传播载体
收到向量
AWGN(加性高斯白噪声)向量
DFT矩阵吗
定义为捻系数
(3)
代表了LS信道估计
n之间的mimo - ofdm系统的发射机和mth接收机[8]分析如下:
(5)
(6)
(7)
(8)
(9)
