本科毕业设计开题报告
 
题    目 OFDM通信系统中信道估计算法研究与仿真
1、研究目的和意义
    现代社会已经逐步步入信息时代，多媒体和计算机通信在现代社会中起到越来越重要的作用，移动通信是指通信双方至少有一方在运动中进行信息传输，现在移动通信已经从第一代发展到第四代移动通信系统，技术的更新换代越来越快，时间越来越短，系统的数据速率也越来越高。目前，基于CDMA技术的第四代(4G)移动通信系统的开发日益成熟已步入实用化阶段。基于其最大传输速率可达100Mbps，服务业务的范围被进一步扩大，可为移动用户提供较高速率视频、数据、话音、数据、文件传输、Web浏览、Email、文件传输等多种业务服务。随着移动业务的快速发展，对数据速率要求越来越高，3G已远不能满足未来无线通信系统的要求。非实时高速率数据传输，数十到数百Mbps的大速率高质量的实时多媒体, 多业务融合和多网合一等要求人们去对第四代(4th Generation, 4G)移动通信技术进行研究。第四代移动通信系统提供适应未来需要的无线通信服务，包括多媒体通信即语音、数据、图像等的同步传输,我们也可称它为宽带多媒体移动通信(Multimedia Mobile Communication)[1][2]. 4G移动通信系统不仅兼具2.5G和3G的能力，更重要的是它具有比其它移动通信系统更高的数据传输速率。由于多载波调制技术正交频分复用(OFDM)具有高频谱利用率、抗码间干扰、易于实现、成本低等优点，故OFDM技术已经被看做是4G系统的主要备选技术。目前，它已经成为欧洲数字音频广播(DAB)和数字视频广播(DVB)的标准[3]。对相关技术的进一步研究才能使OFDM系统的性能不断提升，信道估计作为OFDM技术中非常重要的一环需要被仔细研究。作为无线移动通信领域中的一个研究热点，它是进行相干检测、解调和均衡的基础，对OFDM系统进行高速数据传输有着非常重要的作用。此外，信道估计已经应用在为空时码的解码等技术提供所需信息，在无线数据通信中，因为要获得所有数据包经过的信道状态信息，所以信道估计的角色极其重要。
2、国内外发展情况(文献综述) 
对OFDM系统进行信道估计的方法有很多种，通常分为两类：第一类是非盲估计即基于导频的信道估计方法，第二类是盲估计方法。对非盲估计方法来说，最初的信道估计方法是采用LS算法（Least Square），这种算法受高斯白噪声和子载波间干扰（ICI）影响很大，为了提高估计精度，Hoeher P等在1997年提出一种二维维纳滤波器进行信道估计[4]。这种方法估计精度高，但计算量太大，并且为了设计滤波器，需要知道信道的统计状态信息，实际应用受到限制。Li Y等在2000年提出将二维维纳滤波器分解为两个级联的一维维纳滤波器[5]。为了进一步降低计算量，南京理工大学的王建新等[6]提出了在使用两个级联的一维维纳滤波器的基础上，只用维纳滤波器算法即（MMSE）估计导频位置上的频域响应值，对所有非导频位置上的频域响应利用插值算法估计，这种方法的优点在于进一步降低了计算复杂度，又没有显著降低系统的性能。
但基于MMSE算法的估计方法需要知道信道的统计状态信息，否则估计性能将会下降，但在实际应用中，信道的统计信息一般未知，因此这类方法受到限制。Zhao Yuping等[7]提出一种基于变换域插值的估计方法，这种信道估计方法相对于MMSE算法或LS算法来说性能更好，而且不需要知道当前时刻以前的信道传输特性，因此可以工作在具有时变和频率选择性信道的移动通信系统中。
考虑到实际通信中，信道的统计状态信息未知，Yang Baoguo等[8]提出了一种基于DFT算法的信道估计方法。其估计效果要明显优于LS算法得到的信道估计结果。但当信道多径时延的扩展为采样时间的整数倍时，这种方法的估计性能很好，否则估计性能将会下降。而实际系统，多径时延的扩展不一定是采样时间的整数倍，为了解决这一问题，Yang Baoguo，曹志刚等[9]中提出一种加窗的DFT估计方法。文献指出这种方法可以应用于多径时延扩展为非整数倍的情况下，并能取得较好的估计效果。
在未来的发展趋势上，基于发射分集并结合空时编码的OFDM信道估计将成为研究热点。文献[10][ 11]分别提出了利用发射分集进行信道估计的方法。文献[11]还提出了一种结合空时编码的信道估计方法。但目前这些信道估计方法是基于慢变信道，如何解决高速移动下快衰落信道的估计问题仍是一个研究热点。
3、研究/设计的目标：
对目前OFDM系统的信道估计算法进行比较与分析,应用MATLAB软件分别对OFDM系统信道估计技术中基于导频算法的最小平方法以及最小均方误差法进行仿真设计，并根据仿真结果对以上两种方法对系统性能的影响进行分析，最终得出信道估计对OFDM系统的重要性。以及利用仿真结果进行验证，比较两种方法的均方误差，误码率与信噪比的关系，得出最小平方法以及最小均方误差法的适用范围。                              
4、研究/设计主要内容：
    （1）基于导频的信道估计
    基于导频的信道估计，即在发送数据流中插入导频符号，在接受端利用这些已知的导频符号进行信道估计。导频符号可以在同一个OFDM信息符号子载波频率轴方向和时间轴方向进行插入。
基于导频的信道估计算法[12[13]]的基本过程是：在发送端适当位置插入导频，接收端利用导频信号恢复出导频位置的信息，然后根据信道的时域和频域的相关性，获得所有位置的信道信息。导频信道的估计方法主要有最小平方法（LS）和最小均方误差法（MMSE）。基于导频的信道估计方法系统框图如图1所示：

                               X(k)    x(n)
                                               h(n)
                               Y(k)    y(n)

                                                          w(n)
                                                          

                   图1    导频插入估计系统
    规定输入信号为，插入导频为，经过IFFT变换后的时域输入信号为。信道传输函数为，其频域表示为。高斯噪声为，频域表示为，接收信号为，频域表示为，抽取导频为，其中k=0、1、···、N—1，m=0、1、···、M—1，n=0、1、···、
N—1。N为每个OFDM符号中子载波个数，M为每个OFDM符号中的导频数。信道传输函数在各频点的估计值为，在导频点的估计值为。只考虑导频在信道中传输，则有：其中，为离散高斯噪声频域表示在导频点的值，是在导频点的值。
    （2）LS估计
    令，信道估计值为，LS估计算法希望方差最小，则：
                     ⑴
        ⑵
由式⑵可见，基于LS准则的信道估计算法结构简单，仅通过在各子载波上进行一次除法运算，计算量小。但是，在LS估计中并未利用信道的频域与时域的相关特性，并且估计时忽略了噪声的影响，而实际中信道估计值对噪声的影响是比较敏感的，在信道噪声较大时，估计的准确性便大大降低，从而影响数据子信道的参数估计。
    LS估计算法的均方误差为：
           ⑶
                                     ⑷
式中trace（*）表示对矩阵求迹，根据式⑵和式⑷可知，当选取一定的导频信号，使其模比较大时，估计的误差将会变得较小，降低估计误差。但是由于选取能量较大的导频信号，将会造成一定传输功率的损失，因此在实际应用中需要权衡考虑。
（3）MMSE估计
LS算法受高斯白噪声和子载波间干扰（ICI）的影响很大，所以这种估计算法的准确度受到限制。而基于最小均方误差（MMSE)的信道估计算法，对于ICI和高斯白噪声有很好的抑制作用。MMSE估计是在LS估计的基础上进行的。
设的MMSE估计为，MMSE算法希望最小，则：
         ⑸
    
                     ⑹
H表示共轭转置，为高斯噪声方差，且有：
                 ⑺
            ⑻
                         ⑼
信道响应的MMSE估计在进行最优化问题求解时考虑了噪声的影响，所以信道估计的均方误差较小。由式⑹可以看出，进行MMSE信道估计要进行矩阵
的求逆运算，由于其中的在不同的OFDM符号内不同，它的逆矩阵在每一个OFDM符号内进行更新，当OFDM系统的子信道数目N增大时，矩阵的运算量也会变得十分巨大，计算复杂度较高。
5、时间进程：
2015年11月1日~11月30日，搜集国内外与课题有关的资料，进行阅读与分析，完成开题。
2015年12月1日~2015年12月31日，提出课题研究初步方案。
2016年3月1日~2016年3月31日，确定课题研究最终方案。
2016年4月1日~2016年4月30日，设计方案的实施过程。
2016年5月1日~2016年5月31日，在此阶段对信道估计算法进行分析，得到相应结论。
2016年6月1日 ~2016年6月22日，对研究工作和成果进行总结，撰写论文，完成整个设计的研究。
6、参考文献：
[1] 古丽萍.面对第四代移动通信的思考.电子技术应用，2002,10:6-8。
[2] 尹长川，罗涛，乐光新.多载波宽带无线通信技术.北京：邮电大学出版社，2004年7月第一版，1-150。
[3] Andrej Kitanovsk,i DidierVuarnoz, Derrick Ata-Caesar, eta.l The fluid dynamics of ice slurry. International Journal of Refrigeration, 2005, 28: 37-50.
[4]Hoeher P,Kaiser S,Robertson P.“Two-dimensional pilot-symbol-aided channel estimation by Wiener filtering”.IEEE Proc ICASSP-97,Munich,Germany,Apr.1997.
[5]Ye Li.“Pilot-symbol-aided channel estimation for OFDM in wireless ststems”.IEEE Transactions on Vehicular Technology,2000,49(4),p:1207~1215.
[6]王建新、周鹏、花汉兵.OFDM系统中一种新的导频辅助信道估计算法.电子与信息学报.2004,26(11),p:1805~1811
[7]Yuping Zhao,Aiping Huang.“A novel channel estimation methods for OFDM mobile communication systems based on pilot signals and transform domain precessing”.Proc,IEEE 47th VIC，1997,3,p:2089~2093
[8]Baoguo Yang,Khaled Ben Letaief,Cheng R S.“Windowed DFT based pilot-symbol-aided channel estimation for OFDM systems in multipath fading channels[A]”.Proc IEEE VTC2000,2000,p:1480~1484.
[9]Baoguo Yang,Cao zhigang,Letaief Khaled Ben.“A nalysiso flow-complexity windowed MMSE channel estimator for OFDM systems[J]”.IEEE Transactions on Communications,2001,49(11),p:1977~1987.
[10]Jeon W G,Paik K H,CHO Y S.“An efficient channel estimation technique for OFDM systems with transmitter diversirty”.The 11th IEEE International Symposium on Personal Indoor and Mobile Radio Communications,2000,p:1246~1250.
[11]Li Ye,Chuang J C,Sollenberger N R.“Transmitter diversity for OFDM systems and its impact on high-rate data wireless networks”.IEEE Journal on Selected Areas in Communications,1999,17(7),p:461~470.
[12] 徐庆征.OFDM系统及其若干关键技术研究[J].移动通信，2004,8(8):74-76.
[13] 刘钧雷,叶芳,朱琦.OFDM系统中基于导频的信道估计[J].重庆邮电学院学报,2004,20(8):17-20.