【正文】 可以減輕由無線信道的多徑時延擴(kuò)展對系統(tǒng)造成的影響，并且可以在OFDM符號之間插入保護(hù)間隔，且令保護(hù)間隔大于無線信道的最大時延，這樣既可以最大限度地消除由于多徑帶來的符號間干擾（ISI），通常采用循環(huán)前綴作為保護(hù)間隔，即在序列前端添加長度為的循環(huán)前綴（CP），這樣既避免了多徑帶來的信道間干擾（ICI），又保證了各子信道間的正交特性，由此可以得到： （）再將通過多徑衰落信道傳輸，我們用作為信道單位脈沖響應(yīng)，在一個OFDM符號間隔內(nèi)，可用下式表達(dá)為： （）其中，為信道多徑數(shù)；為第條路徑的復(fù)脈沖響應(yīng)值；為 為第條路徑的Doppler頻移，它將引起載波間干擾（ICI）；為第條路徑的歸一化時延。以圖（）所示的帶有導(dǎo)頻信號部分的OFDM系統(tǒng)為模型。在下面部分我們將詳細(xì)介紹基于時域?qū)ьl的信道估計方法來估計和，即采用基于塊狀導(dǎo)頻結(jié)構(gòu)的信道估計方法來估計和。 三種基于塊狀導(dǎo)頻結(jié)構(gòu)的信道估計算法在許多文獻(xiàn)中，就如何準(zhǔn)確地估計導(dǎo)頻位置上的信道傳輸特性，給出了不同的估計方法，其中有兩種基本的方法：MMSE（Minimum MeanSquare error）估計和LS（Least Square）估計。假設(shè)為高斯分布且與信道噪聲不相關(guān)，則的MMSE估計為： （）上式中，為與的互相關(guān)矩陣，為的自相關(guān)矩陣，是的自相關(guān)矩陣，是噪聲方差。采用LMMSE估計算法，可以得到：＝ （） （）其中為信道沖激響應(yīng)的自相關(guān)矩陣，是加性高斯噪聲方差。但由于規(guī)模為，矩陣求逆的運(yùn)算量仍然很大，為了進(jìn)一步減小運(yùn)算量，在一些文獻(xiàn)中提出了對進(jìn)行特征值分解，并使用最優(yōu)降階的方法將的降階成秩為的矩陣。一般地將取成CP的長度。此次仿真的一個重點(diǎn)是信道模型的建立。因而，對頻率選擇性衰落信道的仿真關(guān)鍵在于對平坦衰落信道的仿真。由此法產(chǎn)生的隨機(jī)過程是用無限個諧波疊加而成的如式（）所示。下面采用Monte Carlo法來確定三個參數(shù)。此次系統(tǒng)仿真的每個信道有五個路徑的平坦衰落信道組成，其中四個路徑存在延時，另一個是無延時的，可與抽樣保持很好的同步。一些研究成果表明，在信道滿足整數(shù)點(diǎn)采樣信道的情況下，在時域內(nèi)，能量只集中在少數(shù)幾個采樣點(diǎn)上；在信道為非整數(shù)點(diǎn)采樣信道的情況下，信道功率仍然是集中的，但會散落在所有子載波上。SVD估計算法盡管也是在假定已知信道統(tǒng)計特性的條件下得到的，但它采用的是圖（）所示的估計器結(jié)構(gòu)，它是利用最佳低階理論對LMMSE估計算法（效果好于MMSE估計算法）的簡化，在簡化算法時舍去一部分值會帶來不可避免的誤差，存在誤差的“地板效應(yīng)（error floor）”，故其效果要比MMSE估計算法的效果差。第五章 總 結(jié)近年來，隨著數(shù)字信號處理（DSP）技術(shù)的飛速發(fā)展，OFDM作為一種可以有效對抗ISI的高速傳輸技術(shù)，引起了人們的廣泛關(guān)注。系統(tǒng)采用頻率選擇性衰落信道為模型，仿真中信道參數(shù)的設(shè)置與實(shí)際信道有一定的差別，所以仿真結(jié)果是近似的，但是所得到的三種估計方法的性能比較的總體趨勢是可以信任的，即MMSE估計、SVD估計和LS估計三種估計算法的效果依次變差，而其運(yùn)算復(fù)雜度依次降低；隨著信噪比的增加三種估計算法的誤碼率都在逐步下降。致 謝回首近四個月的畢業(yè)設(shè)計工作，我收獲頗豐。張老師給我印象最深刻的是她那臉上始終洋溢著微笑。在學(xué)術(shù)方面，張國梅老師一絲不茍，是一位讓學(xué)生肅然起敬的老師。 參考文獻(xiàn)[1] de Beek, , , . Wilson and . Borjesson, “On channel estimation in OFDM systems”, in Proc. IEEE 45th Vehicular Technology Conference, Chicago, IL, USA, [2] , , . van de Beek, . Wilson, and , “OFDM channel estimation by singular value deposition”, IEEE Transactions on Communications, , , July 1998[3] Sinem Coleri, Mustafa Ergen and Anuj Puri, “A study of channel estimation in OFDM systems”, Vehicular Technology Conference, 2002. Proceedings. VTC 2002Fall. 2002 IEEE 56th , Volume: 2 , 2428 Sept. 2002[4] and , “Performance of channel estimation methods for OFDM systems in a multipath fading channels”, IEEE Transaction on Consumer Electronics, , , February 2000[5] 楊大成，“移動傳播環(huán)境”，機(jī)械工業(yè)出版社，2003[6] 郭梯云，鄔國揚(yáng)，張厥盛，“移動通信”，西安電子科技大學(xué)出版社，2000[7] 佟學(xué)儉，羅濤，“OFDM移動通信技術(shù)原理與應(yīng)用”，人民郵電出版社，2003[8] 王文博，鄭侃，“寬帶無線通信OFDM技術(shù)”，人民郵電出版社，2000附錄 仿真源程序%主程序clcpilot=[0,1,0,1]。 %前p個較大的特征值N=64。 %信噪比err_mmse=0。err_ls=0。err_svd=0。for l=1:length(SNR_dB) num_of_err_mmse=0。 %進(jìn)行十六進(jìn)制調(diào)制 qam_out=invert(N,NL,input)。 %多徑信道的影響 nn=5。 %t_interval為離散信道抽樣時間間隔v=6000/3600。 %噪聲標(biāo)準(zhǔn)差 snr=10^(SNR_dB(l)/10)。 endendspow=spow/(N*NL)。 %離散傅里葉變換 receive_signal_y=fft(cut_cp,N)。 %Rhh信道自相關(guān)函數(shù)%三種估計算法 %MMSE估計修正tic modify_signal=mmse(N,NL,interval,count,pilot,Rhh,sgma,pilot_signal,signal)。 %誤碼數(shù)統(tǒng)計 err_mmse(l)=num_of_err_mmse/KL %誤碼率 time_mmse(l)=toc。 num_of_err_ls=error_stat(qam_out,modify_signal)。modify_signal_b=de_modulation(modify_signal)。 time3=time3+time_svd(l)。g*39。誤碼率曲線圖39。誤碼率39。星號標(biāo)記曲線為SVD39。 %輸入的二進(jìn)制數(shù)據(jù)序列 for j=1:4*N if input_0(j) input(i,j)=1。 %qam的輸入 end qam_out(n,j)=qam16(qam_input)。 %導(dǎo)頻信號的16qam值 matrix_1=matrix_1.39。 %插入導(dǎo)頻信號的次數(shù) while q=realmax for e=1:N insert_qam_out(w,e)=pilot_1。 for ic=1:interval %每隔interval個插入導(dǎo)頻信號 for e=1:N insert_qam_out(w,e)=matrix_1(q,e)。 %非共軛轉(zhuǎn)置.39。 end end for i=1:m for j=1:n insert_cp_0((i+num),j)=matrix(i,j)。f_i=fmax*sin(pi*un/2)。%fmax為最大多普勒頻移val_pow=10^(var_power/10)。N_i=25。for k=1:N_i gauss_u1=gauss_u1+c_1(k)*cos(2*pi*f_1(k).*t+theta_1(k))。var_pow各徑平均功率；delay各徑延時，單位s；%v運(yùn)動速率m/s；fc為載頻hz。theta_shift=2*pi*fc*delay。ray_chan=zeros(num,chann_l)。 endfor k=1:l input_sig_serial(((k1)*nl+1):k*nl)=input_sig(:,k).39。endoutput_sig_serial=zeros(1,chann_l)。RH=zeros(N)。 end endendaa=DFT(N)。 for k=1:nl for m=1:n %輸入隨機(jī)噪聲 noise=normrnd(0,sgma)+normrnd(0,sgma)*sqrt(1)。 for i=1:(mnum) for j=1:n cut_cp_0(i,j)=matrix(num+i,j)。 for num=1:count k=1+(num1)*(interval+1)。 end i=i+1。 A=sgma^2。 X=diag(X_P)。*X39。 if k=NL for j=1:N X_S(j,k)=signal(j,k)/MMSE(j)。 for a=1:count for j=1:N Y_P(j)=pilot_signal(j,a)。 LS=inv(X)*Y。 else return end endend %SVD估計算法子程序 function out=svd(N,NL,interval,count,pilot,Rhh,p,sgma,pilot_signal,signal) pilot_0=qam16(pilot)。 for a=1:count for j=1:N Y_P(j)=pilot_signal(j,a)。 LS=inv(X)*Y。 for j=1:N if icUU(j,j) ic=UU(j,j)。 for j=1:N XX(j,i)=XX_0(j,t)。 SVD=XX*UU_P*(XX.39。 end out=X_S。 for ic=1:4 out_b(i,ij)=y(ic)。 elseif y==[0 0 1 0] x=1j。 elseif y==[0 0 0 1] x=1+3*j。 elseif y==[1 1 0 0] x=3+j。 elseif y==[1 1 0 1] x=3+3*j。 y1=imag(x)。 elseif (y2) y=3。 elseif (y12) y1=3。 if x==1+j y=[0 0 0 0]。 elseif x==3+j y=[0 1 0 0]。 elseif x==1+3*j y=[1 0 0 1]。 elseif x==3+3*j y=[0 1 0 1]。 end襖羋蕆袇螀芇蕿蝕聿芆艿蒃肅芅蒁螈羈芄薃薁袆芃芃螆螂芃蒞蕿肁節(jié)蒈螅羇莁薀薈袃莀艿螃蝿荿莂薆膈莈薄袁肄莇蚆蚄羀莇莆袀袆羃蒈螞螂羂薁袈肀肁芀蟻羆肁莃袆袂肀薅蠆袈聿蚇蒂膇肈莇螇肅肇葿薀罿肆薂螆裊肅芁薈螁膅莃螄聿膄蒆薇羅膃蚈螂羈膂莈蚅袇膁蒀袀螃膀薂蚃肂腿節(jié)衿羈腿莄螞襖羋蕆袇螀芇蕿蝕聿芆艿蒃肅芅蒁螈羈芄薃薁袆芃芃螆螂芃蒞蕿肁節(jié)蒈螅羇莁薀薈袃莀艿螃蝿荿莂薆膈莈薄袁肄莇蚆蚄羀莇莆袀袆羃蒈螞螂羂薁袈肀肁芀蟻羆肁莃袆袂肀薅蠆袈聿蚇蒂膇肈莇螇肅肇葿薀罿肆