迭代的意思是删除叠加训练输出和MIMO信道估计

文摘

这贡献小说描述了一个迭代的广播基于叠加训练(ST)的信道估计算法估计技术。该算法做类比数据依赖圣(DDST)算法,也就是说,提取数据的循环的意思,但在这种情况下receiver_s结束。我们首先证明这意味着去除圣(MRST)应用于估计对于单输入宽带信道的输出结果在类似的误比特率(BER)性能与其他迭代技术相比,但是用更少的复杂性。随后,我们共同使用MRST和Alamouti编码得到估计的多输入多输出(MIMO)窄带广播频道。不完美的信道的误码性能的影响是可以通过比较MRST方法和最佳的迭代技术在文献中找到。该算法显示了复杂性之间的权衡性能好,信道估计误差和噪声免疫力。

我的介绍。

信道估计的最广泛使用的方法之一是采用驾驶员辅助传动(PAT),一个已知的训练序列,也称为飞行员,插入在每一块传输数据1]。利用训练符号的知识和相应的接收信号,接收机信道估计的块是可以估计的信道冲激响应(CIR)。然而,这些训练飞行员、使用时分多路复用(TDM)计划,消耗了宝贵的带宽导致数据率的降低。

有两个著名的信道估计技术来避免带宽浪费PAT方案:叠加训练(ST) (2,3圣(DDST)[]和数据依赖4]。这些技术都是基于算术加法(叠加)训练序列的信息数据。这两个方案都提供了一个简单的(不成熟的)信道估计过程;他们只在不同的传输数据的循环意味着DDST方案叠加到训练信号序列相似的方式传播。

尽管DDST优于圣(4)的信道估计错误,值得一提的是,数据的解码DDST下的迭代特性,因为它需要提取视数据失真。考虑这一点,DDST DDD删除(从今以后我们将把这个计划称为DDST-DDD删除)给出了一个类似TDM-based信道估计性能,但用更少的带宽损失。然而有一些缺点在贸易;DDST技术引入了一个延迟传输数据来计算循环的意思。还少分配权力的数据信号,因此高阶星座象征的使用影响数据解码过程(5]。

最后的约束导致研究迭代实现圣如(6- - - - - -10),从输出的广播频道。这些作品都是基于解码数据的使用消除了畸变引入的信道估计过程中接收的数据。第一种方法使用圣结合传统信道估计最小二乘(口径)和开发(6]。在[6,7]显然表明,信道估计的均方误差(MSE)口径收敛于一个完整的培训系统,高信噪比两个迭代,从而超越传统ST和DDST。大口径的缺点方案的计算负担一个迭代,是块长度在[新闻调查中心的顺序。11),它是证明DDST-DDD达到类似的性能比口径的复杂性大大降低。

选择迭代过程介绍了ST和DDST方法在7]。第一个,是,采用平衡的符号,通过圣获得,以迭代的方式改善信道估计,但复杂度低于口径(6]。第二个,LSDDST采用迭代方法口径圣LSDDST计划,而是基于DDST口径相同的计算负担,也就是说,,但它完全训练系统收敛速度更快。的误比特率(BER), LSDDST方案收益率比口径几乎相同的误码率。

从之前的作品,我们现在能够建立这种贡献低上下文中的迭代算法使用圣显示最佳性能。我们引入一个新的迭代意味着去除圣(MRST)提议并比较其性能与以前的和最相关的工作。

这MRST收益率相似性能DDST-DDD切除和坚持但复杂性较低时相比LSDDST和口径。因为迭代信道估计方法依赖和共同努力平衡阶段,我们现在的结果使用两个均衡器广泛应用于通信系统:最小均方误差(MMSE)均衡器和最大似然序列估计(MLSE)均衡器。将这两种技术有助于强调使用的信道估计方法的一些特性。

此外,我们扩展的结果输出到MIMO情况,和学习培训平次分配MIMO信道估计的性能。三个培训通道估计被认为是(DDST TDM, MRST),提供不同的权衡的性能代价。我们分析的误差性能MRST方法基于传统的最小二乘(LSs)方法,得到相应的均方误差。拟议中的MRST估计对于再分配的情况说明了使用正交空时分组编码(OSTBC)与两个传输和两个接收天线,即Alamouti时空编码。

本文组织如下。部分2处理的新的迭代圣方法框架ST / DDST方案输出系统。MRST的MIMO系统的性能分析是获得的部分3。在部分4和5仿真结果和性能比较,输出和再分配,分别。最后,结论部分制定6。

2。意思是删除圣输出系统

2.1。输出系统模型

假设一个频率选择频道,人物1描述了离散时间基带数字通信系统的框图,输入信号通道代表一个接一个的信息块的长度,是由 考虑到感兴趣的块k索引和。序列代表了数据与零均值和方差是一个确定的周期训练序列和权力,是指一个视数据序列,时期,通过周期性的重复倍的信号 在哪里。

对于圣的情况,和序列根据[算术上添加以叠加的方式4),传输之前。然后,接收到的信号,假设提供了精确的同步和直流偏置,可以观察到接收机 在哪里脉冲响应的顺序(例如,和),与零均值复高斯随机噪声,白色,不相关的呢和独立的实部和虚部与方差每一个维度。

假设该频道是准静态,通道是定常在接收到的信息块,和准确的渠道秩序是提前知道,那么强烈的约束(显示在[11),提供精确的同步和直流偏置,可以放松。我们使用这种假设的数学分析系统。尽管如此放松,所有的模拟进行了考虑到强烈的约束。

2.2。性能分析

很明显,DDST方法必须计算序列从将传输的数据块;因此这些数据处理影响的总延迟每一传输块。另一方面,序列有一个广泛的动态范围与获得的序列与圣法相比。这导致更高的peak-to-average功率比(地表铺面)前置放大器的交流构建块。另一个含义使用DDST序列是事实相比将有更少的力量再次与圣然后低噪音免疫力。由于这些原因,迭代圣计划非常有吸引力。

我们开发了MRST方案从假设,如果我们能得到一个估计的信号(例如,a cyclic mean of sequence在接收机端),那么我们将实现的性能DDST通道误差的估计均方误差,但更多的权力分配给数据序列,影响一个更好的误码率性能。

评估周期的循环均值在[3),我们可以写 与。

结合(3)和(4)的收益率 在哪里 从(5以矩阵形式),接下去 在哪里和是循环矩阵的第一列和分别为,。的列向量和有类似的表达。假设一个循环前缀的长度(就像在4,7]),循环矩阵的第一列。

对于圣的情况(即。,当在(7)我们有,利用信道估计从[3)然后

对于DDST在(7),所以我们有信道估计(4] 显然,这两种信道估计方案的区别是因素。

现在使用的假设早期提到的(例如,与圣计划),我们继续让MRST的信道估计方案,然后(7)成为 和相乘(10)我们获得 最后

从(12由此可见,如果然后。为了使良好的估计的,下面的步骤。

(1)使用(8)有一个初始信道估计作为普通圣,使。(2)使用通道估计获得平衡的符号和雇佣一个艰难的决定探测器。(3)使用困难的决定符号检测来计算。(4)删除从接收到的信号来获取一个新的根据 在哪里是一个列向量。(5)使用(11),信道估计和更新。(6)转到第2步和重复,需要它。

定义,然后从3,4,有更好的估计的,接下去,然后

从(9)和(11),DDST MRST分别,我们注意的事实事先只计算一次。然而,坚持计划,使用估计的计算(见[7(12)]),每次迭代和信息块。这个动作意味着额外的复杂性的计算负担。

另一方面,正如我们将看到的部分4,估计是用来估计频道和MRST方法取决于什么类型的均衡器。相反,该计划DDST-DDD删除不能利用MLSE均衡器,因为这种均衡器提供了艰难的决定符号,DDST-DDD去除使用平衡的符号之前的艰难的决定过程。

表1总结了计算负担,逆矩阵的计算和MSE性能的方法。一个算法的复杂性是一个很重要的指标,当HW的算法实现,因为这是我们非常关注的价值。至于计算负担指标,我们选择迭代的数量作为传播块长度的函数N和均衡器长度,精确的,均衡器的系数。

尽管DDST最少的计算复杂度在接收机端,它需要计算视序列,这意味着额外的复杂性和时间延迟。此外,它分配数据信号的传输功率较小。

3所示。意味着对MIMO系统的去除圣

3.1。分布式天线系统模型

我们考虑一个无线MIMO通信链路传输和接收天线,在瑞利平坦衰落环境中运行。衰减系数复杂的路径获得传输天线吗接收天线。我们假设系数是独立复杂圆对称高斯单位方差,然后得到的表达式可以表示为象征 在哪里是接收信号矢量,是传输信号向量,是一个向量的加性噪声条件,时空上假定噪声是高斯白与零均值与方差和独立的实部和虚部每一个维度。

让我们假设块与块长度传输方案有时我们还假设信道矩阵一块内保持不变符号,即块长度比信道相干时间小得多。在这些假设下,通道,在一块,可以写成 在哪里 接收信号的矩阵,传输信号,分别和噪声(12]。

让我们表示一组复杂的信息符号的时空编码之前,每个表示一组信号星座点。这些符号并为相互不相关的随机变量。让我们介绍了向量 在哪里表示转置。请注意,,在那里所有可能的符号向量的集合和吗是这个集合的基数。复杂的矩阵值函数被称为OSTBC [13如果它满足

(1)所有的条目的线性函数吗复杂的变量和他们的复杂的配合;(2)对于任意的在, 在哪里是单位矩阵,是欧几里得范数,表示厄密共轭转置。

3.2。性能分析

为了估计信道矩阵,应该强调,在任何统计期望下面,这个矩阵被视为随机;同时,任何的估计量应该获得估计特定实现的随机矩阵对应于当前接收的数据块。

在传统圣估计技术,MIMO系统(9),一个已知的训练矩阵用算术方法添加到数据中矩阵在每个街区传播。通过这种方式,传输信号矩阵可以表示为。很明显,总传输功率分布数据和训练之间的信号,也就是说,。

圣系统如图2,一个信号矩阵通过无线电传播MIMO信道的信道矩阵和扭曲,噪声矩阵。

根据接收到的信号R,MRST提供估计的MIMO信道矩阵,表示;随后的解码器获得估计,表示,估计的均值数据,,可以使用的信道估计值,以迭代的方式,向译码器提供一个更好的估计。

现在,这种信道估计算法的任务是恢复通道矩阵基于知识的和。假设flat-frequency信道条件那么所有培训矩阵的行向量可以平等。因此,时域估计同步平均的基础上接收到的信号可以实现。信号的时间平均是由 在哪里是一个列向量,是单位向量,是培训向量重复时间和代表了时间平均的数据矩阵和噪声矩阵分别对每一个块传输。

使用LS方法(14,15),估计可以获得的 在哪里的伪逆。

我们将使用以下培训力量约束传播 在哪里是单位矩阵;现在的信道估计 很明显,平均水平数据信号代表了信道估计的一个额外的术语。这个平均利用DDST方法在发射机或接收机MRST方法。

为了获得MSE通过MRST的方法,我们使用DDST的性能分析方法,明确我们使用并定义微扰矩阵将用算术方法添加到数据信号每一块传播。因此,传输信号和相应的接收信号,然后从(21我们获得

考虑(22最佳培训和下)的MSE DDST [9)是由

而带走的贡献在发射机,MRST使用纯圣和删除在接收机以迭代的方式。从(21),信道估计误差可以表示为 也就是说,只要然后,因此因为它将仿真结果证实的部分5。对迭代过程来获取更好的估计,我们遵循的步骤解释输出情况。

3.3。MRST Alamouti时空编码

让我们使用MRST估算方法-OSTBC系统(Alamouti编码方案)。让我们假设甚至, 的矩阵传输信号,数据信号,和训练信号,分别表示复杂的共轭。矩阵的行和列显示传输时间和传输天线,分别。假设平衰减的情况下,不需要循环前缀和信号培训选择可以选择两个符号和利用正交的性质与OSTBC系统实现,也就是说,这两个矩阵的列向量是正交的。

骑自行车意味着在平坦衰落情况下的估计可以获取得到的均值矩阵表示为。的每个元素是由 的索引对应于Alamouti的发射时间()和传输天线()分别为这个特定的块编码传输。

我们估计信道矩阵使用(28),假设一个嘈杂的免费的场景(不失一般性),因此,我们有 和是向量化操作符上叠加一个矩阵的所有行。因此,信道估计是由 因为矩阵是统一的,那么(30.)可以写成 最后, 在哪里和是和单位矩阵,分别克罗内克积表示。矩阵代表了新的MIMO信道估计中使用了迭代过程来得到一个新的data-bearing的均值的估计()。

这个实现的关键思想是消除接收机的意思。而减去的均值数据,从接收到的矩阵我们将均值估计的矩阵并使用Alamouti解码过程估计信道矩阵。

4所示。仿真和结果的输出系统

均衡是一个著名的技术用于对抗码间干扰(ISI),接收者试图弥补的影响渠道的传播符号。一个均衡器试图确定传输的数据接收的扭曲的符号使用信道的估计导致扭曲。在这个贡献,我们考虑两种类型的均衡器广泛应用于通信系统:MLSE和MMSE均衡器。的患者有较小的复杂度和性能的方方面面的MLSE均衡器对ISI是最优的。

4.1。使用MMSE均衡器的输出系统

我们认为是定常随机three-tap频率选择瑞利衰落信道与和。信道系数是复杂的高斯,i.i.d.单位方差,新实现统一的平均能量。序列是一个R。V统一p.d.f.和方差。的参数和选择等圣和DDST独立呢。功率比的培训信息被设置为与。块长度是固定的和循环前缀的长度在开始添加每一块圣和DDST方法。信道估计是用来设计一个MMSE均衡器的长度和均衡延迟。所有模拟运行直到1000块错误被发现。

图3显示了从三个迭代过程被认为是获得信道估计均方误差(a)与DDD DDST去除暴露在11),(b)是计划中引入[7),(c) MRST方法。它可以观察到,坚持和MRST重大DDST方法(从10 dB 20 dB)后两个迭代。

图4显示了误码率性能比较2次迭代,所有计划为中低信噪比水平表现出类似的行为;DDST展览一个微弱的优势,高信噪比,因为它在这些水平达到一个更好的信道估计如图3。

4.2。使用MLSE均衡器的输出系统

为了得到一个更好的估计的坚持和MRST的计划中,我们使用回溯的MLSE均衡器长度11。更具体地说,这个均衡器由维特比算法,找到最可能的数据序列传播。虽然执行接近理想的MLSE,均衡器需要回溯长度5 - 6倍的三军情报局,我们选择的回溯长度,也就是说,相同数量的水龙头的MMSE均衡器用于部分4.1。

因为DDST-DDD删除(11)与均衡器输出之前用一个新的艰难的决定过程,也就是说,分别进行均衡和检测阶段,不能利用MLSE均衡器的好处。为了有类似的条件DDST方法解码过程,首先我们使用了MMSE均衡器,其次我们删除数据失真,最后我们用符号MLSE均衡器来获取数据。图5显示了这三种方法的误码性能和传统的圣法。

显然,我们观察的好处是使用或MRST耦合MLSE均衡器,这两个方案优于DDST-DDD切除时只使用MLSE均衡器。然而,没有明显的性能差异,当DDST使用串联的MMSE和MLSE均衡器。

图6显示了块错误率(提单)的性能。提单的统计测量块的数量的比例与错误收到传输块的总数是3 gpp测试的性能需求的一部分。我们观察到MRST之间没有明显的性能差异,是一个迭代,并使用均衡器DDST-DDD切除串联和删除数据失真。

5。MIMO系统仿真和结果

接下来,我们说明了该方案的性能对MIMO系统在平坦衰落的情况下工作。我们使用-OSTBC系统,发送和接收天线分别与理想不相关的元素。块长度是固定的符号,所有仿真运行,直到1000块是错误的。的系统都被表示为一个函数的平均信噪比,在什么地方和每个符号的平均能量。

使用QPSK符号星座,每个天线的功率传输被标准化为1,也就是说,(瓦特)。

图7描述了信道估计均方误差比较DDST和MRST技术和两个迭代;他们两人使用传播的力量,对应于一个近似上界的地区最好的BER如图10。这种性能的分析,我们可以发现该方案开始方法DDST性能从10 (dB)。MRST情节为第二个迭代达到最好的方法。注意,这个好处是价格的解码复杂度。

图8显示了误码性能对比TDM与带宽损失17%,DDST DDD切除和MRST算法。我们观察到DDST MRST情节与一个或两个迭代几乎达到相同的性能。TDM-based信道估计达到最好的误码性能损失费用17%的带宽。

图9描述了MRST的MSE和当。例如,使用我们有。一个更好的MSE性能成正比所使用的培训能力。

图10MRST和情节的误码率从15分贝。注意,最低达到在合适的范围约。因为方方面面的成就是关键,关键因素在数字通信系统中,我们在该地区最好的方方面面的选择培训权力分配。这个选择只是一个指南或建议这种类型的无线传播环境在这些特定的信噪比水平。类似的培训选择功率范围在(DDST9),但使用空间复用系统。更详细的分析训练功率分配问题(所示16]。特别是,模拟显示在图9和10运行到000年10块是错误的。

6。结论

低迭代叠加与均衡阶段共同工作的培训计划可以提供类似或更好的性能比迭代symbol-by-symbol检测与DDD DDST删除。MRST介绍了工作有效地补偿数据依赖的失真,圣无法处理,但在接收机端。这导致通信系统执行类似于DDST但没有遭受其缺点。此外,MRST可以被成功地应用于MIMO系统和输出和使用最广泛的均衡器合作。特别是对于输出的情况,MRST显示了以前的方法是类似的性能等,但它避免了逆矩阵计算每一个迭代是。虽然两个迭代的结果显示微不足道的性能差距数量和MSE, MRST少是首选的硬件实现复杂性。

对于再分配的情况,密切相似的性能测试结果,也就是说,DDST是实现该方法的性能。此外,迭代圣方法仍然可以适用于时变信道,而基于DDST系统不。这是真的因为循环的概念意味着在DDST毫无意义因为阻止传播的每一个符号在不同的方式是扭曲的通道。

确认

作者感谢评审人员仔细阅读手稿和建设性的评论。这项工作是由英特尔研究资助DCIT2006 CERMIMO2008,和CONACYT研究经费47909 - y和84559 - y。

引用

1. l .通、b·m·萨德勒和m .董”Pilot-assisted无线传输:一般模型、设计标准和信号处理,”IEEE信号处理杂志,21卷,不。6,目前消费量,2004页。视图:出版商的网站|谷歌学术搜索
2. b . Farhang-Boroujeny”Pilot-based通道标识:建议半盲目的沟通渠道,”电子信件没有,卷。31日。13日,1044 - 1046年,1995页。视图:出版商的网站|谷歌学术搜索
3. a·g·Orozco-Lugo m . m . Lara, d . c . McLernon“信道估计使用隐式训练,”IEEE信号处理,52卷,不。1,第254 - 240页,2004。视图:出版商的网站|谷歌学术搜索
4. m . Ghogho d . c . McLernon e . Alameda-Hernandez a .阁下,”块传输的信道估计和符号检测使用视叠加训练,”IEEE信号处理信件,12卷,不。3、226 - 229年,2005页。视图:出版商的网站|谷歌学术搜索
5. t·惠特沃思m . Ghogho, d . c . McLernon“视数据叠加的数据可辨认性训练,”《IEEE国际会议通信(ICC ' 07),页2545 - 2550,格拉斯哥,苏格兰,2007年6月。视图:出版商的网站|谷歌学术搜索
6. 孟x和j·k·Tugnait半盲目的信道估计和检测使用叠加训练,”《IEEE国际会议音响、演讲和信号处理(ICASSP ' 04)4卷,第420 - 417页,蒙特利尔,加拿大,2004年5月。视图:出版商的网站|谷歌学术搜索
7. s . m . Moosvi d . c . McLernon e . Alameda-Hernandez A·g·Orozco-Lugo和m . m .劳拉,“低复杂度的迭代信道估计和均衡方案(数据依赖)叠加训练,”第14届欧洲信号处理研讨会论文集(EUSIPCO 06年)佛罗伦萨,意大利,2006年9月。视图:谷歌学术搜索
8. m . Ghogho d . c . McLernon e . Alameda-Hernandez和a .偶像”的输出和MIMO信道估计和象征检测使用视叠加训练,”《IEEE国际会议音响、演讲和信号处理(ICASSP 05),3卷,第464 - 461页,费城,宾夕法尼亚州,美国,2005年3月。视图:出版商的网站|谷歌学术搜索
9. m . Ghogho和a .哲人”,对MIMO系统信道估计使用视叠加训练,”学报》第42届Allerton会议沟通,控制和计算蒙蒂塞洛,生病,美国2004。视图:谷歌学术搜索
10. 他,j·k·Tugnait, x孟,“叠加训练对MIMO信道估计和符号检测,”IEEE信号处理,55卷,不。6日,第2部分,3007 - 3021年,2007页。视图:出版商的网站|谷歌学术搜索
11. e . Alameda-Hernandez d . c . McLernon a·g·Orozco-Lugo m·m·劳拉和m . Ghogho”/训练序列帧同步和直流偏置删除信道估计(视)叠加训练,”IEEE信号处理,55卷,不。6日,第1部分,2557 - 2569年,2007页。视图:出版商的网站|谷歌学术搜索
12. a . b . Gershman和n . d . Sidiropoulos时空处理MIMO通信约翰·威利& Sons,纽约,纽约,美国,2005年。
13. 诉Tarokh h . Jafarkhani, a . r . Calderbank“从正交空时分组码的设计,”IEEE信息理论,45卷,不。5,1456 - 1467年,1999页。视图:出版商的网站|谷歌学术搜索
14. s·m·凯,统计信号处理基础:估计理论的第1卷普伦蒂斯霍尔信号处理系列普伦蒂斯霍尔,上台北,美国,1993年。
15. m . Biguesh和a . b . Gershman”培训MIMO信道估计:一项研究估计量的权衡和最优训练信号,”IEEE信号处理,54卷,不。3、884 - 893年,2006页。视图:出版商的网站|谷歌学术搜索
16. j·k·Tugnait和孟x”,对信道估计的叠加训练:性能分析、培训功率分配,和帧同步,”IEEE信号处理,54卷,不。2、752 - 765年,2006页。视图:出版商的网站|谷歌学术搜索

版权

版权©2008 o . Longoria-Gandara et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。