【正文】 P譯碼器反饋給信道估計(jì)模塊的有用信息變少了。仿真 結(jié)果表明，在 COST207的 TU 環(huán)境下，與 LS 直接判決反饋相比，降低了地板效應(yīng)，在信噪比 25dB 時(shí)，誤碼率下降約一個(gè)數(shù)量級(jí)。感謝本文參考文獻(xiàn)提到的作者及合作者，是他們的成果奠定了我的工作基礎(chǔ)。） 評(píng)閱教師評(píng)定成績(jī)（百分制） 評(píng)閱教師簽名： 日期： 北京工業(yè)大學(xué) 畢業(yè)設(shè)計(jì)（論文 ）答辯記錄 答辯時(shí)間 年 月 日 答辯地點(diǎn) 學(xué)生姓名 指導(dǎo)教師 題 目 字?jǐn)?shù) 答辯小組 成 員 姓 名 職 稱 姓 名 職 稱 姓 名 職 稱 答辯內(nèi)容摘要：（闡述答辯小組提問及學(xué)生答辯情況） 答辯小組意見 （選題意義，所用資料和數(shù)據(jù)可靠性；創(chuàng)新性成果及學(xué)術(shù)水平；寫作規(guī)范化和邏輯性；存在的主要不足之處，答辯情況等。 感謝我的班主任，因 為在大學(xué)里大多時(shí)間是自主學(xué)習(xí)，是他從大一開始一直叮囑我們?cè)诖髮W(xué)里不能只顧玩而忘記學(xué)習(xí)，讓我們?cè)诋厴I(yè)之際沒有像其些同學(xué)那樣感到在大學(xué)里虛度了好幾年。該算法在降低傳統(tǒng)卡爾曼濾波計(jì)算復(fù)雜度的同時(shí)，能夠有效地跟蹤信道的快速變化。圖 7表明，在相同的迭代次數(shù)下， RLS算法與 LR算法的 FER性能十分接近。假定語(yǔ)音信號(hào)可看成由一 AR模型產(chǎn)生： 時(shí)間更新方程： 測(cè)量更新方程： K(t)為卡爾曼增益，其計(jì)算公式為： 其中 分別為過程模型噪聲協(xié)方差和測(cè)量模型噪聲協(xié)方差，測(cè)量協(xié)方差可以通過觀測(cè)得到，則較難確定，在本實(shí)驗(yàn)中則通過與兩者比較 得到。第 3步則通過 FFT得到頻域的信道傳輸函數(shù)矩陣。這里將 其擴(kuò)展應(yīng)用到 MIMOOFDM系統(tǒng)中。然后采用 LS信道估計(jì)算法估算信道響?ipH ，并用 DFT插值算法內(nèi)插出所有子信道的信道響 ?iH 。 此外，還有面向判決反饋的信道估計(jì)方法具有較高的有效信息傳輸速率，對(duì)于慢時(shí)變信道有較好的跟蹤性能，但對(duì)于快時(shí)變信道，因?yàn)樾诺赖目熳?造成面向判決信道估計(jì)具有較大的殘余誤差，所以跟蹤性能大大下降。從功率角度，定義輸出峰均比 PAPR 2 2 2A /E { | X (k ) | } = r。 （ 1） 抗多徑效應(yīng)和頻率選擇性衰落能力強(qiáng)。其功率譜如圖 11 所示。而多模型自適應(yīng)控制是在傳統(tǒng)自適應(yīng)控制方法無法充分描述復(fù)雜非線性系統(tǒng)性能時(shí)提出的。多模型控制方法適用于非線性系統(tǒng)中，能夠達(dá)到較好的控制精度、跟蹤速度和系統(tǒng)穩(wěn)定性。自此之后的 100 多年中，無線通信經(jīng)歷了從模 擬移動(dòng)通信到數(shù)字移動(dòng)通信，從窄帶通信到寬帶通信的發(fā)展過程。由于信道參數(shù)變化緩慢，故可以適當(dāng)減少插入導(dǎo)頻序列的個(gè)數(shù)，然后又對(duì)其進(jìn)行了實(shí)驗(yàn)仿真，結(jié)果表明，改進(jìn)信道估計(jì)方案的估計(jì)性能優(yōu)越性體現(xiàn)的更加明顯。正交頻 分復(fù)用 (OFDM)作為一種高效的、廣泛應(yīng)用的數(shù)據(jù)傳輸方式 ，適用于多媒體傳感器網(wǎng)絡(luò)。要想從接收信號(hào)中解調(diào)獲得發(fā)送數(shù)據(jù)，必須獲知無線信道的狀態(tài)信息（ CSI），因此對(duì)無線信道進(jìn)行合理的建模和準(zhǔn)確的估計(jì)是無線通信的關(guān)鍵問題之一。該算法通過導(dǎo)頻信息獲得初始信道估計(jì)，在迭代過程中進(jìn)一步精確地估計(jì)限幅導(dǎo)頻序列和非線性失真信息。 多模型理論研究現(xiàn)狀 在我們?nèi)粘Ｉ詈凸I(yè)生產(chǎn)領(lǐng)域中，由于系統(tǒng)的復(fù)雜化和多元化，導(dǎo)致單一模型是無法準(zhǔn)確跟蹤系統(tǒng)參數(shù)變化。 多模型控制器的研究：在上世紀(jì) 70年代，由 Lainiotis 和 Athans 提出了卡爾曼濾波器控制，被用來應(yīng)對(duì)控制問題中因系統(tǒng)非線性帶來的輸出誤差，這種多模型控制器在當(dāng)時(shí)得到了廣泛應(yīng)用。 發(fā)展歷史 在數(shù)字通信系統(tǒng)中，如果發(fā)射信號(hào)的帶寬超過了信道的相關(guān)帶寬，信號(hào)通過信道將經(jīng)歷頻率選擇性衰落，信道稱為頻率選擇性衰落信道。 OFDM 系統(tǒng)采用復(fù)雜度較低的信道均衡措施就可以很好地消除各子載波上的平坦衰落，而得到較好的傳輸性能。在移動(dòng)通信業(yè)務(wù)中，下行鏈路的數(shù)據(jù)速率通常要 比上行鏈路高得多。 第 3 章 OFDM 系統(tǒng)中的信道估計(jì) OFDM 系統(tǒng)的基本原理 信道估計(jì)從大的角度可以分為非盲估計(jì)和盲估計(jì)以及在此基礎(chǔ)上產(chǎn)生的半盲估計(jì)。 具 體算法描述如下，初始化 2, 0 , 0ippX X D i? ? ?。假設(shè)接收機(jī)不知道信道的任何先驗(yàn)統(tǒng)計(jì)信息，可以在每幀數(shù)據(jù)區(qū)前均放置導(dǎo)頻符號(hào)，用于在 頻域內(nèi)對(duì)信道進(jìn)行 MMSE準(zhǔn)則的估計(jì)，而不需要任何已知的信道統(tǒng)計(jì)信息。 在得到了包括信息位和校驗(yàn)位在內(nèi)的編碼比特的對(duì)數(shù)似然比后，對(duì)其進(jìn)行非線性軟判決，得到碼字比特軟信息 ( ) ( )tanh( ( ) / 2)qqkkd L d? (6) 將得到的比特軟信息經(jīng)過信道交織、調(diào)制映射和空時(shí)編碼，然后反饋給信道估計(jì)模塊，用于空時(shí)信號(hào)檢測(cè)，如圖 2虛線部分所示。 卡爾曼濾波的基本思想是：以最小均方誤差為最佳估計(jì)準(zhǔn)則，采用信號(hào)與噪聲的狀態(tài)空間模型，利用前一時(shí)刻的估計(jì)值和當(dāng)前時(shí)刻的觀測(cè)值來更新對(duì)狀態(tài)變量的估計(jì)，求出當(dāng)前時(shí)刻的估計(jì)值，算法根據(jù)建立的系統(tǒng)方程和觀測(cè)方程對(duì)需要處理的信號(hào)做出滿足最小均方誤差的估計(jì)。下面的仿真曲線都是在產(chǎn)生 100 個(gè)隨機(jī)信道的基礎(chǔ)上做算術(shù)平均得到的結(jié)果。在這種快衰落環(huán)境下，由多普勒頻移導(dǎo)致的 OFDM 系統(tǒng)子載波間正交性遭到破壞，勢(shì)必將引起嚴(yán)重的子載波間干擾 ICI，降低了系統(tǒng)的性能。該方法在降低計(jì)算復(fù)雜度的同時(shí)能夠跟蹤信道的快速變化。 工作量、工作態(tài)度 按期圓滿完成規(guī)定任務(wù)，工作量飽滿； 工作作風(fēng)嚴(yán)謹(jǐn)務(wù)實(shí)。 指導(dǎo)時(shí)間 指導(dǎo)教師簽名 定稿意見記錄 按期圓滿完成畢業(yè)設(shè)計(jì)（論文）任務(wù)書規(guī)定的任務(wù)；資料豐富，邏輯性較強(qiáng)，論述清晰，對(duì)某些問題具有獨(dú)特見解，能提出建設(shè)性意見，書寫工整、格式符合要求。 (3)在傳統(tǒng)的復(fù)指數(shù)基擴(kuò)展模型的基礎(chǔ)上，提出了一種改進(jìn)的基于橢球基 擴(kuò)展模型的快變信道估計(jì)算法，改進(jìn)算法和傳統(tǒng)算法相比，信道估計(jì)的均方誤差及系統(tǒng)檢測(cè)的誤碼率均得到了有效的改善。在迭代譯碼模塊， Turbo譯碼時(shí)采用了性能最優(yōu)的 LogMAP譯碼算法，對(duì)于移位存儲(chǔ)器長(zhǎng)度為 M的分量卷積碼，其總運(yùn)算量為16 2M? 次加法， 52M? 次求最大值運(yùn)算和 52M? 次查表運(yùn)算。信道為 COST207 TU 模型，信號(hào)帶寬 20 MHz，載波頻率 3． 5 GHz，調(diào)制方式為 QPSK 映射，子載波數(shù)為 128，循環(huán)前綴長(zhǎng)度 cpl =16，移動(dòng)臺(tái)速度為 30 km／ h的車載環(huán)境。設(shè)實(shí)際信道響應(yīng)矩陣為[ , ]Hnk ，則信道估計(jì)的均方誤差為 第 4章 卡爾曼濾波迭代譯碼算法 卡爾曼濾波器的概念 卡爾曼濾波器的一個(gè)顯著特點(diǎn)是，用狀態(tài)空間概念來描述其數(shù)學(xué)公式。同時(shí)，由于算法利用了 LogMAP譯碼的校驗(yàn)位信息，減小了接收端重構(gòu)時(shí)造成的誤差傳播，使得信道估計(jì)模塊利用正確譯碼信息的概率增加。 步驟 4：基于最短歐式距離的無編碼約束的符號(hào)硬判決。硬判決后的數(shù)據(jù)插入導(dǎo)頻信息，經(jīng) IFFT 變換后再次經(jīng)歷與發(fā)送端相同的限幅濾波，從而獲得估計(jì)的非線性失真信息。為便于信道估計(jì)和均衡，通常認(rèn)為單個(gè) OFDM 符號(hào)周期內(nèi)信道是非時(shí)變的，而 OFDM 符號(hào)之間的信道是時(shí)變的。這使得 OFDM 系統(tǒng)的調(diào)制和解調(diào)很容易在 DSP 或者專用集成芯片 ASIC 等上實(shí)現(xiàn)。這樣的子載波分割方法大大提高了系統(tǒng)的頻譜利用率。各個(gè)子信道的正交調(diào)制和解調(diào)可以采用快速傅立葉反變換（ IFFT， Inverse Fast Fourier Transform）和快速傅立葉變換（ FFT， Fast Fourier Transform）實(shí)現(xiàn)，隨著大規(guī)模集成電路技術(shù)（ VLSIC）與數(shù)字信號(hào)處理（ DSP， Digital Signal Processing）技術(shù)的發(fā)展， IFFT 和 FFT 都是非常容易實(shí)現(xiàn)的?，F(xiàn) 階段多模型建模方法主要有： TS 多模型模糊方法、多神經(jīng)網(wǎng)絡(luò)模型方法和局部模型網(wǎng)絡(luò)方法等。 信道估計(jì)研究現(xiàn)狀 對(duì)于一個(gè)特定無線通信系統(tǒng)，首先需要為其建立恰當(dāng)?shù)男诺滥Ｐ?，這是后續(xù)系統(tǒng)搭建設(shè)計(jì)的主要依據(jù)。文獻(xiàn) [12]研究了梳狀導(dǎo)頻分布系統(tǒng)中信號(hào)預(yù)畸變對(duì) LS 信道估計(jì)性能的影響，但沒有提出抵抗該影響的信道估計(jì)方 法。然后分別在移動(dòng)臺(tái)速度恒定及移動(dòng)臺(tái)速度變化兩種情況下進(jìn)行了實(shí)驗(yàn)仿真，結(jié)果表明，在這兩種情況下，多模型信道估計(jì)方法都表現(xiàn)出估計(jì)性能的優(yōu)越性，能夠很好的解決單一信道估計(jì)模型不能有效跟蹤信道參數(shù)復(fù)雜變化的難題。 El 前已經(jīng)存在一些抑制信號(hào)峰均比的方法，其中限幅濾波是最為常用的方法。文獻(xiàn) E8]提出了基于 EM一迭代的聯(lián)合信道估計(jì)和信號(hào)檢測(cè)算法，并推導(dǎo)了已知非線性失真信息的 LS信道估計(jì)均方誤差的下限。因?yàn)槟M技術(shù)比較成熟，第一代移動(dòng)通信在當(dāng)時(shí)得到了較為廣泛的應(yīng)用，但是它也有很多弊端，如各種制式互不兼容，移動(dòng)用戶不能在各種系統(tǒng)之間實(shí)現(xiàn)漫游，另外頻譜利用率低、保密性能差、抗干擾能力差，并且系統(tǒng)通信容量小，能夠同時(shí)承載的用戶比較少，不能滿足人們?nèi)找嫣岣叩耐ㄐ判枨螅饾u在競(jìng)爭(zhēng)激烈的通信市場(chǎng)中被淘汰。在建立模型時(shí)，既要確保每個(gè)模型有較高的輸出精度，又要盡可能降低模型間的相關(guān)性。 OFDM 技術(shù)是多載波傳輸?shù)囊环N，其多載波之間相互正交，可以高效地利用頻譜資源。如圖 12 所示。 OFDM 系統(tǒng)允許子信道的頻譜相互重疊，因此與常規(guī)的頻分復(fù)用系統(tǒng)相比， OFDM 系統(tǒng)可以最大限度地利用有限的頻譜資源。而帶內(nèi)干擾對(duì)有用信 號(hào)的影響體現(xiàn)在幅度衰落 a和非線性加性噪聲干擾 d( n)兩個(gè)方面。接收端接收到信號(hào)后，首先去除循環(huán)前綴、實(shí)施FFT變換，并補(bǔ)償幅度衰落。 步驟 2：信道均衡。譯碼模塊采用改進(jìn)的 LogMAP算法，譯碼后同時(shí)得到信息位比特和校驗(yàn)位比特的軟信息。 [ ]W Q n? 為逆相關(guān)矩陣，由下式計(jì)算得到 式中 ? 是正則化參數(shù)，取值與信噪比有關(guān)，高信噪比時(shí)取較小的正常數(shù)，而低信噪比時(shí)取較大的正常數(shù)； I 為 L 階單位矩陣。尤其是，狀態(tài)的每一次更新估計(jì)都由前一次估計(jì)和新的輸入數(shù)據(jù)得到，因此 只需要存儲(chǔ)前一