文獻標識碼： A
文章編號： 0258-7998(2013)03-0112-03
未來移動無線通信系統需要有高比特率的傳輸技術，正交頻分復用(OFDM)是一種較新穎的通信技術，它把整個無線信道分成許多窄的并行子信道，以此來提高數據傳輸速率，同時避免了多徑傳播引起的符號間干擾(ISI)。多輸入多輸出(MIMO)系統在收發雙方使用多個天線，在不需要額外的帶寬的情況下，提高無線信道容量。 MIMO-OFDM系統結合了兩者的優點，在高數據速率的無線應用中是很有競爭力的技術。LS和MMSE信道估計方法[1-2]，已被廣泛使用在MIMO-OFDM信道估計中。此外，不同類型的輔助導頻或訓練序列估計方法經常在快速衰落和平坦衰落環境下使用[3-6]。
參考文獻[3]討論了在最小均方誤差(MMSE)準則下的MIMO-OFDM系統訓練序列的設計，提出了設計最佳訓練序列的充分必要條件，并把訓練序列的優化轉化為一個凸函數優化問題，從而得到最優解。此外，給出了MMSE的上界和低復雜度的最佳訓練序列迭代算法的閉式解。參考文獻[4]考慮到與寬帶MIMO信道一起使用OFDM調制技術，然而與窄帶MIMO系統相比，MIMO-OFDM系統的信道估計仍然是比較困難的。原因之一是，信道參數的估計量與信道延遲傳播和天線的數量成正比；另一個原因是，每一個接收到的信號依賴于多信道參數。其重點考慮在具有空間相關性的MIMO-OFDM系統的訓練序列優化設計。
本文提出了一種在發射端基于疊加訓練(ST)技術的閉環MIMO-OFDM系統精確估計訓練序列的方法，通過利用以前的傳輸數據，發射端的估計值被精確優化，從而極大降低了在信道估計中的數據干擾, 提高了性能。
同時做以下假設： (1)信道是廣義平穩的非相關散射信道(WSSUS)； (2)數據符號之間相互不相關，且具有零均值； (3)訓練序列符號也是不相關的；(4)噪聲是零均值的加性白高斯噪聲；(5)在基帶接收端具有精確同步和零直流偏移。
OFDM符號移去保護間隔信號以后，第r個接收天線獲得的基帶信號矢量被表示為：
圖1說明了量化誤差對MMSE性能的影響。設計的目標是采用最少比特位來量化信道，而性能沒有顯著影響。從圖1可以看到，使用13 bit量化，對于信噪比小于30 dB時，MSEE的性能幾乎是相同的。相比之下，10 bit量化結果的性能就比較差了。然而，當10 bit量化器使用在信道不匹配的30 Hz多普勒展寬的情況下，性能幾乎與圖中顯示的一樣。因此，在這種情況下，10 bit量化器就已經足夠了。
2 相關衰落信道下的最優導頻序列設計
在實際的無線通信，信道參數可以接收通過發送訓練序列得到估計。在一般情況下，信道估計的精度高度依賴于訓練序列的設計，一些MIMO-OFDM系統的導頻設計可見參考文獻[7]。在本文中,在信道和接收序列之間，通過互信息最大化來實現導頻序列最優設計。
移去CP和進行FFT后,收到的第n個OFDM符號的第k個載波信號的頻域表達式為:
定義rTX和rRX分別為發射端和接收端的空間相關系數，rL被定義為徑增益相關系數。從圖2中可以看到，rL值越大，最優導頻序列與正交導頻序列的信道互信息差就越大，并且較小的相關性不利于提高信道互信息差。
本文中考慮了基于ST技術的MIMO-OFDM系統的信道估計的訓練序列。即使存在通道失配誤差和通道的量化誤差的情況下，用有量化的反饋的基于信道估計的訓練序列能改進系統的性能，信道采用10 bit的量化器就能滿足一般性能要求。討論了使用信道互信息最大化的最優導頻序列的設計。
參考文獻
[1] BEEK J V, EDFORS O. On channel estimation in OFDM systems[C]. Proceedings of the 64th IEEE Vehicular Technology Conference,Chicago, 2006: 815-819.
[2] FOSCHINI G J,GANS M J. On limits of wireless communications in a fading environment when using multiple antennas[J]. Wireless Press. Commun.,2008,46(3):311-335.
[3] TAUN H D, KHA H H. Optimized training sequences for spatially correlated MIMO-OFDM[J]. IEEE Transaction on Wireless Communications, 2010,39(9):2768-2778.
[4] JOSIAM K, RAJAN D. Bandwidth efficient channel estimation Using Super-Imposed Pilots in OFDM Systems[J]. IEEE Transaction on Wireless Communications, 2011,39(6):2234-2245.
[5] HE S, TUGNAIT J K, MENG X H. On superimposed training for MIMO channel estimation and symbol detection[J]. IEEE Transactions on Signal Processing,2010,57(56):3007-3021.
[6] NAIR J P, KUMAR R V R. Improved superimposed training based channel estimation for MIMO-OFDM systems with quantized feedback[C]. International Conference on Signal Processing and Communications, Bangalore, 2010:168-177.
[7] HUANG Q, GHOGHO M, FREEAR S. Pilot design for MIMO-OFDM Systems with Virtual Carriers[J].IEEE Transactions on Signal Processing, 2009,57(5):2024-2029.