基于疊加導頻的MIMO－OFDM半盲信道估計

周 圍，劉燕容，李 佳

（重慶郵電大學a.移動通信技術重慶市重點實驗室;b.光電學院電路基礎教學部，重慶 400065）

基于疊加導頻的MIMO－OFDM半盲信道估計

周 圍a，b，劉燕容a，李 佳a

（重慶郵電大學a.移動通信技術重慶市重點實驗室;b.光電學院電路基礎教學部，重慶 400065）

在多輸入多輸出正交頻分復用（MIMO－OFDM）系統中，針對基于疊加導頻的半盲信道估計方法估計精度不高、對發送信號零均值要求嚴格的缺點，提出了一種基于傳統算法的改進算法。接收端利用傳統算法的估計結果先去除發送信號的影響，再進行估計，對該估計結果進一步利用自適應跟蹤算法來提高估計的精度。仿真結果表明改進算法的性能優于傳統算法。

導頻疊加;MIMO－OFDM;信道估計

正交頻分復用（OFDM）技術與多輸入多輸出（MIMO）結合的MIMO－OFDM技術已經成為LTE下行鏈路的關鍵技術。MIMO－OFDM系統可以實現高速無線數據傳輸，該系統中，接收端的解碼和檢測都需要信道狀態信息（CSI），甚至發送端也需要CSI，因此信道估計有著非常重要的作用。

信道估計方法通常分為3種:基于導頻的信道估計、半盲信道估計和盲信道估計。其中基于導頻［1］的估計方法比較簡單，性能較好，但是發送導頻信號占用了額外的信號帶寬，降低了信道利用率;盲信道估計［2］不需要發送已知的導頻信號，因此也就提高了信道利用率，但它一般是通過接收信號的二階或者高階統計量進行估計，計算量比較大且收斂速度慢;半盲估計是二者的一個折中，在盲估計的基礎上降低了計算復雜度，提高了收斂速度，同時，相對基于導頻的估計來說，提高了信道的利用率。

近年來，半盲信道估計算法已經成為研究熱點，現有的半盲估計算法很多，如基于準正交空時編碼的半盲信道估計［3－4］、基于 QR 分解的半盲估計算法［5］、基于導頻疊加的半盲估計算法［6－9］。其中基于導頻疊加的半盲估計算法比較簡單，該方法是將導頻信號疊加在有用的信號上進行發送，在接收端利用接收信號的一階統計量即可對信道進行估計［8］。該方法節約了信道帶寬，提高了信道的頻譜利用率。這種方法是在發送的有用信號上疊加導頻信號，最后利用接收信號的準靜態特性估計信道狀態信息。該算法要求經過調制映射的信號是零均值，在傳統算法中，沒有考慮發送有用信號的影響，認為是嚴格的零均值［8］，但是實際中并不能達到嚴格的零均值。本文在傳統算法的基礎上，去除發送有用信號的影響，并進一步利用LMS自適應跟蹤算法［9－10］提高估計性能。

1 系統模型

本文采用發送天線Nt=2，接收天線Nr=2的MIMOOFDM系統，發送端和接收端的框圖如圖1所示。

圖1MIMO－OFDM系統框圖

系統的子載波數為K，循環前綴CP的長度為NCP，信道是多徑數為L的準靜態瑞利慢衰落信道，在一個OFDM符號期間保持不變，它可以表示為

式中:L為信道的階數;τl是第l路徑的時延;γl是第l路徑的復增益。

從圖1中可以看出，發送信號經過正交相移調制（QPSK）、空時分組編碼（STBC）后，疊加導頻，然后進行OFDM調制，之后經發送天線發送出去。令Si（n）表示第n個OFDM符號周期發送天線i上發送的有用信號，Pi（n）表示發送天線i上疊加的導頻信號，本文采用的是模值恒定的周期導頻序列，實際發送的信號表示為

疊加了導頻信號的發送信號X經過IFFT調制、加循環前綴CP后可表示為

xi（n）從第i根天線上發送出去，經過信道，到達接收端。

接收端進行與發送端相應的反變換，第j根天線收到的信息可表示為

式中:hij（l）表示第i個發送天線至第j個接收天線間的信道響應值;wj（n）是均值為0、方差為σ2w的加性高斯白噪聲。將yj（n）去除CP，進行FFT變換后可得第j根天線上第n個OFDM符號載波k上的接收信號表示為

2 傳統算法

對于導頻疊加的半盲信道估計，導頻的選擇是很重要的，如果選用的導頻序列在不同天線之間是不相關的，且自相關為沖激函數，就可以使得信道估計的均方誤差最小。因此選擇恒模周期性［11］序列作為導頻信號，兩個天線分別疊加導頻信號，經信道發送出去。設導頻序列的周期是T，將每根天線上接收的信號分為A段（A是一個整數）。為了確保信道估計的唯一性，T必須滿足:T≥Nt×L［6］，本文取T=16，第j根接收天線第a段接收符號可以表示為

式中:n=1，2，…，T－1;?是卷積運算。將發送的有用信號和導頻信號也同樣分成A段，每段為T×1，將其排列為

則兩發兩收MIMO－OFDM系統接收信號可以表示為

式中:p1，p2均為如式（9）所示的矩陣。將式（10）寫成

設發送的導頻信號的周期為T，經過調制映射后的有用信號均值為0，即E［Si（n）］=0。對接收天線上的信號分別求均值可得

式中:e－j（n）是誤差。上式滿足各態遍歷性，可以用統計平均代替時間平均，忽略誤差向量，可得

那么就可以得到信道的估計值為

根據式（14）便可求得h的估計初值。

3 改進算法

傳統的基于一階統計量的方法雖然比盲估計算法計算簡單，但它要求發送的有用信號經調制映射后是零均值，即E（S）=0［8］，但是實際中并不能嚴格保證這一點，估計的性能受到發送信號的影響，因此本文針對這個缺點提出了一些改進:如果能在接收端去除發送信號的影響，那么就可以提高估計的精確度。

首先根據傳統的算法得到信道的粗估計值，然后利用這個粗估計值去除發送的有用信號的影響。首先根據傳統算法估計的初值得到發送信號的估計值，即

其次，根據得到的有用信號的估計值，估計出導頻信號經過信道后的估計值，即

最后，根據LS準則［12］可以得到信道估計值為

由于實際的信道都是時變的，因此可以根據式（17）得到估計值，再利用LMS算法［7－8］進一步提高估計精度，跟蹤信道變化。接收信號與估計器輸出之間的誤差可以表示為

式中:cij是估計器的參數。要使得接收信號與估計輸出之間的均方誤差最小。估計器的系數必將收斂于信道參數。證明如下:

由式（19）可見，要使得均方誤差最小，那么信道估計器的估計值cij將收斂于信道h。LMS算法的得到信道估計的自適應形式為

4 仿真結果及分析

本文選取兩發兩收的STBC－MIMO－OFDM系統，子載波數為1 024，進行1 024點的IFFT，信道階數為L=6，循環前綴CP長度為32，OFDM符號個數為50，本文對估計的均方誤差（MSE）和系統誤碼率（BER）進行仿真，并與傳統算法進行對比，結果如圖2、圖3所示。

本文是將每個OFDM符號分為64段，每段16個符號。圖2是均方誤差隨信噪比的改變，可以看出，改進后的算法比傳統的算法在均方誤差方面有3～4 dB的改善。圖3是誤碼率隨信噪比的變化，可以看出，改進后算法比傳統算法有2～3 dB的改善。改進算法在接收端去除了有用信號的影響，且運用了自適應LMS算法，這些都提高了系統的性能。

5 小結

本文在傳統的基于疊加導頻的MIMO－OFDM信道估計算法的基礎上提出了改進:首先傳統算法是假設發送信號是零均值的，但是實際中并不能達到，因此就在接收端去除發送信號的影響，提高估計精度;其次，傳統算法的估計精度不高，那么將估計結果進一步運用LMS自適應算法提高估計精度。通過仿真驗證了改進算法的性能優于傳統算法。

:

［1］楊玉峰，黃煒，余波.導頻的OFDM系統信道估計算法研究及實現［J］.電視技術，2006，30（9）:8－10.

［2］劉強，陳西宏，胡茂凱.MIMO－OFDM中基于子空間奇異值分解的盲信道估計［J］.電視技術，2010，34（S1）:175－177.

［3］CHEN Xuesong，HAN Mingyu.A semi－blind channel estimation algorithm for MIMO－OFDM systems［C］//Proc.3rd International Congress on Image and Signal Processing.［S.l.］:IEEE Press，2010:4333－4336.

［4］SARMADI N，GERSHMAN A B，SHAHBAZPANAHI S.Closed form blind channel estimation in orthogonally coded MIMO－OFDM systems［C］//Proc.10th IEEE International Conference on Acoustics Speech and Signal Processing.［S.l.］:IEEE Press，2010:3306－3309.

［5］LIN K H，CHANG R C，HUANG C L，et al.Implementation of QR decomposition for MIMO－OFDM detection systems［C］//Proc.15th IEEE InternationalConference on Electronics， Circuits and Systems.［S.l.］:IEEE Press，2008:57－60.

［6］MENG Xiaohong，TUGNAIT J K.Semi－blind time－varying channel estimation using superimposed training［C］//Proc.IEEE International Conference on Acoustics Speech and Signal Processing.［S.l.］:IEEE Press，2004:797－800.

［7］PIRAK C，WANG Z J，LIU K J R，et al.Adaptive channel estimation using pilot－embedded data－bearing approach for MIMO－OFDM systems［J］.IEEE Trans.Signal Processing，2006，54（12）:4706－4716.

［8］YANG Weiwei，CAI Yuming.Pilot embedded semi－blind channel estimation for MIMO－OFDM［C］//Proc.9th IEEE International Symposium on Signal Processing and Its Applications.［S.l.］:IEEE Press，2007:1－4.

［9］莫麗雯，張海濱，甘小鶯.OFDM系統中基于隱藏導頻的信道估計與跟蹤［D］.上海:上海交通大學，2008.

［10］張鵬，李宏.MIMO－OFDM的信道估計算法研究［J］.計算機仿真，2010，27（11）:95－97.

［11］OROZCO－LUGO A G，LARA M M，MCLERNON D C.Channel estimation using implicit training［J］.IEEE Trans.Signal processing，2004，52（1）:240－254.

［12］宋楠，張忠民.MIMO－OFDM系統的信道估計研究［D］.哈爾濱:哈爾濱工程大學，2009.

Semi－blind Channel Estimation in MIMO－OFDM Based on Superimposed Pilot

ZHOU Weia，b，LIU Yanronga，LI Jiaa

（a.Key Laboratory of Mobile Communication Technology in Chongqing;b.Photoelectric Engineering College，Chongqing University of Posts and Telecommunications，Chongqing 400065，China）

In MIMO－OFDM systems，the semi－blind channel estimation based on superimposed pilot has the defects of the low estimation precision and the strict zero－mean sending signal，some improvements based on the traditional algorithm are put forward.The estimation result of traditional algorithm is used by receiver to remove the influence of sending signal，and then to estimate.The estimated results further use adaptive tracking algorithm to improve the accuracy of estimation.The simulation results show that the performance of the improved algorithm is better than traditional algorithm.

superimposed pilot;MIMO－OFDM;channel estimation

TN929

A

【本文獻信息】周圍，劉燕容，李佳.基于疊加導頻的MIMO－OFDM半盲信道估計［J］.電視技術，2013，37（3）.

重慶市教委科研項目（KJ090513）;重慶郵電大學研究生教育創新計劃重點項目（Y201019）

周 圍（1971— ），博士，教授，碩士生導師，主研無線移動通信技術、通信系統及信號處理、智能天線技術等;

劉燕容（1987— ），女，碩士生，主研無線移動通信MIMO－OFDM技術;

李 佳（1987— ），女，碩士生，主研LTE系統信道估計技術。

責任編輯:薛 京

2012－08－10