文档介绍:该【OFDM系统实现中的关键问题 】是由【孔乙己】上传分享,文档一共【27】页,该文档可以免费在线阅读,需要了解更多关于【OFDM系统实现中的关键问题 】的内容,可以使用淘豆网的站内搜索功能,选择自己适合的文档,以下文字是截取该文章内的部分文字,如需要获得完整电子版,请下载此文档到您的设备,方便您编辑和打印。OFDM系统实现中的关键问题
时偏与频偏ML估计器
1)AWGN信道设计的估计器
假设OFDM符号在AWGN信道中传输。
接收端抽样的基带信号:
r(k)=s(k-θ)ej2πεk/N+n(k)(1)
其中,n(k)为加性复高斯白噪声,其方差为σ2n。
除了CP中的重复外,其他r(k)值是互不相关的。
利用接收信号r(k)相关性,其似然函数可以表示为
上式第二项与θ无关,因此略去。考虑到r(k)可以表示为式(1)的形式,则θ与ε的似然函数可以写为
其中,
(2)
(3)
(4)
而
这里,ρ=SNR/(SNR+1),而SNR=σ2s/σ2n。当使式最大化后,就可以得到对θ与ε的联合ML估计,即
(5)
(6)
(7)
2)AWCN信道和脉冲成形设计的估计器
设|g(k)|2为成形脉冲的功率。g(k)的形状体现了r(k)的功率分布。g(k)的选择将直接关系到相邻符号之间的影响。
将接收信号建模为:
r(k)=s(k-θ)g(k-θ)ej2πεk/N+n(k)
协方差矩阵Cr(θ,ε)的对角元素同样取非零值,所不同的是现在这些值与脉冲形状有关。
(9)
此时,r(k)的对数似然函数可以写为
Λ(θ,ε)=|γ(θ)|cos(2πε+∠γ(θ))+β(θ)
其中,
(10)
(12)
(11)
而
k∈[θ,θ+L-1]
k∈[θ+N,θ+L-1]
其他
(13)
(14)
这里,
Δ1=SNR|g(k)|2+1
Δ2=SNR|g(k)|2+SNR|g(k+N)|2+1
Δ3=SNR|g(k-N)|2+SNR|g(k)|2+1
Δ4=SNRg2∞+1
如果g(k)选得适当,式(6-118)中的级数是收敛的。
此时,对θ与ε的联合ML估计可以通过使似然函数(10)最大化而得,即
信道估计
在OFDM系统中,信道估计器主要面临两问题:
其一,关于导频信息的选择。
其二,关于如何设计出既有较低的复杂度又有良好的导 频跟踪能力的信道估计器。
1)导频信息
信道估计需要导频信息作为参考,由于无线信号常常是在衰落信道中传送的,需要不断对信道进行跟踪,因此导频信息也必须不断地传送。
2)信道估计器的设计
假设已经选定了导频信息的发送方式,则MLE(最大似然估计)意义下的最佳信道估计器的结构是二维的维纳滤波器。
我们对估计器的要求当然是既要精确度高,又要复杂度低。大多数精确度高的估计器,如维纳滤波器等,其计算复杂度较高。而若复杂度较低,则精确性往往又会下降。