精华内容
下载资源
问答
  • 本论文对比了欧洲标准DVB-T以及国家标准DTMB。主要是其中物理层信道估计和均衡算法的研究。
  • 关于OFDM信道估计和均衡的仿真程序

    热门讨论 2010-01-13 22:15:09
    OFDM信道估计和均衡的仿真程序,包括MMSE、LS、ZF等方法,是matlab代码,需要的可以拿去学习学习
  • 信道估计和信道均衡的理解

    千次阅读 2020-07-09 11:19:23
    信道估计 Y = HX + N 把X理解为要发送的信号,Y是接收信号,那么H就是我们要估计的信道。 在发送信号的时候,往往需要发送一些信息已知的导频序列(何为导频?就是先利用已知的导频信息探探路(信道),就像我们平时...

    耐着性子,仔细看完!

    信道估计

    Y = HX + N
    把X理解为要发送的信号,Y是接收信号,那么H就是我们要估计的信道。
    在发送信号的时候,往往需要发送一些信息已知的导频序列(何为导频?就是先利用已知的导频(导频大概就像是引路人做前方探测把路况告诉后来者)信息探探前方的路(信道),才能更好的选择信号的发送方式。
    就像我们平时走路前提前知道前方道路情况后(土路还是石路),肯定就会容易想到应对措施(该开快点还是开慢点),而这些道路信息不就是探测车提前统计到高德这些导航软件的吗;前方正在施工,请绕行,哈哈哈!但是信号没这么夸张,只是为了便于理解)。
    例如发送的导频为X1=b1, X2 =b2, 通过Y = HX + N得到了两个Y1和Y2;就相当于求解方程;H = (Y-N)/b(大概意思,实际没这么简单,只是为了初步理解)。
    再利用已知量求未知数H,也就是估计的信道信息

    信道均衡

    如果理解上面意思,再举个不恰当的例子便于理解。
    假如我们想把1这个数字发送过去,肯定希望接受到的也是1,但经过信道发现损失了一点(损失了0.1),变成了(1-0.1=0.9);我们肯定是想接受的也是1,这时候信道均衡就排上用场了(信道均衡有点类似于纠正),通过信道均衡又补偿给0.9了0.1,就又变成了1(我们希望收到的信息),这就信道均衡。

    展开全文
  • 移动OFDM系统的并行信道估计和均衡
  • 接着上两节已经讲过的内容,即OFDM经过高斯白噪声信道的误码率分析(第7章:OFDM 信道估计均衡(1))OFDM经过多径衰落信道的误码率分析(第7章:OFDM 信道估计均衡(2))。 本文所有代码下载地地址:123...

    接着上两节已经讲过的内容,即OFDM经过高斯白噪声信道的误码率分析(第7章:OFDM 信道估计与均衡(1))和OFDM经过多径衰落信道的误码率分析(第7章:OFDM 信道估计与均衡(2))。

    本文所有代码下载地地址:123kevin456/OFDM-

    第7章(3)内容如下:信道系数h的理解

    当我们说高斯白噪声信道时,描述这种信道下,接收端信号的表达式是: y=x+ny = x + n

    不少同学便会觉得信道对信号的作用是加了噪声。

    等到介绍衰落信道时,此时接收端信号的表达式是: y=hx+ny = hx + n

    若按照上面对高斯白噪声信道的这种理解,在衰落信道中,衰落信道对信号的作用,是不仅对信号乘以了h,还加上了噪声

    所以以上的理解有问题吗?这是为什么呢?

    本科在学习《通信原理》时,明确讲过信道对输入的信号影响是幅度、频率和相位,因此h是一个复数,可写成 a+bja + bj ,转化成 AejθA{e^{j\theta }} 也是可以的。

    那么噪声是哪里来的呢?噪声一般考虑是接收机的热噪声

    结合《Simulation and Software Radio for Mobile Communications》的代码风格,即加噪声的过程都是在接收机中做的,便也印证了上面的解释。

    img

    图1 高斯白噪声添加的位置
    回过去看高斯白噪声信道,信道本身其实没有对发送信号的幅度和相位没有起到任何作用,即 $h = 1$,更准确说是 h = 1 + 0j。

    因此,不管是高斯白噪声信道还是衰落信道的噪声,在仿真过程中,都是接收机的热噪声。信道对信号的作用表现在h这个复数值上,作用在幅度和相位。

    接下来关于OFDM的内容,会更新发送端插入导频,接收端采用LS(最小二乘)和MMSE(最小均方误差)的信道均衡方法

    由于我仿真的误码率曲线和理论误码率曲线一直没对上,是的,即下面的图2,有一点问题,我已苦想许久,还在分析原因,很大可能是snr与Eb/No的换算关系。

    如果我想明白了,便会继续在此更新。

    img

    图2 插入导频时,不同均衡算法的误码率曲线图

    欢迎你双击屏幕、点赞、收藏、转发和分享,关注我的知乎号,也欢迎读者朋友就相关技术问题与我交流,一起学习,共同进步。请你也别忘了把这篇文章分享给你身边正在学习通信专业的同学们,也许能够帮到Ta。

    这是《陈老湿·通信MATLAB》仿真的第7章,期待下次更新见!

    展开全文
  • 针对单中继放大转发协作D-STBC-SC-FDE系统,研究了频率选择性衰落信道的频率域估计与均衡,给出了一种基于训练的最小二乘信道估计算法。该算法在Chu序列的辅助下,可在目的端同时估计直接信道S→D级联信道S→R→D...
  • OFDM系统信道估计均衡方案的FPGA设计与实现,李国彬,郭黎利,对于无线数字通信系统,信道的选择性衰落特性对传输的信号会产生很大影响。接收信号在时间频率维度均会出现不同程度的畸变。收
  • LMS_plot设为10分别运行线性均衡(ZF MMSE)自适应均衡(LMS RLS)
  • 第7章(4)内容如下:一、导频结构与图案二、基于导频的信道估计算法插值方法 本文所有可运行代码下载地址是:123kevin456/OFDM- 一、导频结构与图案 前三讲介绍了OFDM经过AWGN信道衰落信道的误码率情况,其中在...

    本文所有可运行代码下载地址是:123kevin456/OFDM-

    一、导频结构与图案

    前三讲介绍了OFDM经过AWGN信道和衰落信道的误码率情况,其中在第(2)节假设了接收端已经完美知道信道状态信息h,做了完美补偿(perfect compensation)

    那接收端是如何知道信道状态信息的呢?知道了又有什么用呢?这就要从导频估计说起了。

    首先回到熟悉的表达式:y=hx+n

    假设只有一条径的衰落信道,不妨设x是bpsk调制,即可取1,或者-1。

    发送端发送一大堆符号,为方便起见,比如 x=[1,1,1,1]x = \left[ {1,1,1,1} \right] ,经过信道后,接收端收到 y=[0.2,0.5,0.6,0.3]y = \left[ {0.2,0.5,0.6,0.3} \right]

    此时一个问题问你,h等于多少呢?面对这一串数据,你会做什么样的处理呢?

    可能你马上会想到 sum(y)1+1+1+1=0.4\frac{{sum(y)}}{{1 + 1{\rm{ + }}1{\rm{ + }}1}} = 0.4 。那么恭喜你,这便是最大似然估计(ML)。

    想想为什么是最大似然估计?以及说是最大似然估计,是否有前提条件要加上?思考几秒钟?

    当然,后面会介绍LS(最小平方)估计和MMSE(最小均方误差)估计。

    那么导频符号是按照什么样的分布、出现在什么位置呢?这便是导频结构的问题。

    导频结构可以分为三种:块状导频、梳状导频和格状导频。

    img

    img

    img

    img

    img

    看完上面的三种导频结构后,有两个关键问题出现在你的面前:

    (1)导频数量:即需要插入多少个导频。

    若插入导频数量多了,会消耗系统的时频资源,减少了有效数据的传输;插入导频少了,可能难以有效反应信道的真实特性;

    (2)导频位置:即导频插在哪些地方。

    比如是放置在第1号、5号、9号子载波位置呢?还是放置在2号、6号、10号子载波位置呢?有区别吗?

    这当然有区别的哦。(体现在插值函数里,你可以看到区别

    本次仿真是采用梳状导频信号来做的信道估计,代码中可以看到导频的位置与间隔。

    我设置的有16个导频符号,间隔为4。

    二、基于导频的信道估计算法和插值方法

    基于导频的信道估计方法,是在发送数据流中插入已知数据(导频符号),接收机根据这些已知数据经过信道衰落后的变化,与原始的导频符号进行比较,就得到了导频信号所在时刻和子载波上信道衰落的估计值

    而估计性能的优劣,一方面取决于使用算法的优劣,比如LS、MMSE算法,也取决于发送端设置的导频图案是否能够较好的反应信道的特性

    注意到上面这句“导频信号所在时刻和子载波上信道衰落的估计值”,那不是导频信号所在时刻和子载波信道,怎么办?

    注意观察上面的导频结构图,均是时间和频率二维的。

    不管是采用梳状、块状还是格状,都只知道其中某几个点的信道状况(对应到图里,便是黑色实心点),即要通过这些黑色点的信道状态信息去想办法知道白色点的信道状况。

    这便要介绍插值了。

    常见的插值函数是interp1,可以在MATLAB中help interp1中学习一下。下面给出的MATLAB代码也是使用的interp1这个插值函数。

    除了上面基于导频的估计方法,其实ODFM还有基于判决反馈的信道估计方法、基于DFT的信道估计、基于叠加信号的信道估计、盲信道估计等等方法,在《MIMO-OFDM无线通信技术及MATLAB实现》中均有介绍,哈哈哈哈哈,这本书再一次被我点名表扬。

    下面来看最重要的LS和MMSE均衡算法:

    img

    img

    img

    img

    img

    书上的6.14-6.17公式,我到没有想得非常明白。因为在6.14中,需要用到H,但接收端是不知道H的。

    在一个指数衰减的多径功率时延谱(PDP)中,频域相关为6.16。那什么时候算是多径功率时延谱呢,如果不是指数衰减的多径功率时延谱,怎么进行处理呢?类似地问题,书中并没有讲清楚。

    因此,在这部分代码中,我是直接调用书中自带的MMSE_CE.m这个代码的。

    三、完整可运行MATLAB代码及其注意点

    先展示实验结果:

    img

    图2 不同均衡算法的误码率曲线图
    这张图是怎么来的呢?运行下面的代码即可。
    %%%%%%%%%%%%%%%%%%%%% OFDM仿真 %%%%%%%%%
    %%%%%%%%%%%%%%%%%%%%% ofdm_fading_sim4.m  %%%%%%%%%
    %%%%%%%%%  data:2020年11月17日  author:飞蓬大将军 %%%%%%%%%%
    
    
    %%%%%程序说明
    %%%多径衰落信道下的OFDM传输
    %%%调制方式:QPSK
    %%%信道编码方式:无
    %%%导频方式:梳状类型
    
    %%%sim系列说明
    %%%sim2:接收端不做捕获和同步,也不做信道估计,假设知道信道条件,后续版本考虑信道估计
    %%%sim3:发送端插入梳状导频、接收端采用LS和MMSE信道估计算法
    %%%sim4:尝试解决sim3中遗留问题,并将LS均衡方法、MMSE均衡方法与完美均衡(即接收端知道h,直接fft来做均衡)
    
    %%%%    仿真环境
    %软件版本:MATLAB R2019a
    
    %********************** 程序主体 ************%
    
    %%%%%%%%%%%%%%%%%%%%%  参数设置   %%%%%%%%%%%%%%%%%%%
    para = 48;   %Number of parallel channel to transmit
    fftlen = 64;  %FFT length
    noc = 64;    %Number of carrier 
    nd = 1;  %Number of information OFDM symbol for one loop
    ml = 2;   %Modulation:QPSK
    sr = 250000;  %Symbol rate 符号速率
    br = sr.*ml;  %Bit rate per carrier
    gilen = 16; %length of guard interval 
    
    %%%%%%%%%%比特信噪比设置
    %%%先设置大的,程序运行正确后,再设更多的信噪比设置,以画误码率曲线
    % ebn0_temp = 80;
    ebn0_temp = 1:1:30;
    ber_fading_ls_linear = zeros(1,length(ebn0_temp));
    ber_fading_ls_spline = zeros(1,length(ebn0_temp));
    ber_fading_mmse = zeros(1,length(ebn0_temp));
    ber_fading_per = zeros(1,length(ebn0_temp));
    
    %%%%%%%导频信息
    Nps = 4;  %导频间隔,起始
    B_pilot = 1;  %导频起始位置,第1号子载波
    Np = fftlen/Nps; %导频数量
    
    for kkk = 1:length(ebn0_temp)
        
    ebn0 = ebn0_temp(kkk);  %Eb/No 
    
    
    %%%%%%%%%%%%%%%%%%%%%%%%%%  Fading initialization %%%%%%%%%%%%%%
    
    PowerdB=[-1 -8 -17 -21 -25]; % 信道抽头功率特性
    Delay=[0 3 5 6 8];          % 信道时延,示例
    % Delay=[0 3 5 56 78];          % 信道时延
    Power=10.^(PowerdB/10);     % 信道抽头功率特性 '线性'
    Ntap=length(PowerdB);       % 信道抽头数
    Lch=Delay(end)+1;           % 信道长度
    
    
    %%%%%%%%%%%%%%%%%%%%%  主循环 %%%%%%%%%%%%%
    
    nloop = 20000; %Number of sumulation loops 
    
    noe2_ls_linear_temp = 0; %Number of error data  of LS_linear
    noe2_ls_spline_temp = 0; %Number of error data of  LS_spline
    noe2_mmse_temp = 0; %Number of error data of MMSE
    noe2_per_temp = 0; %Number of error data of perfect compensation
    
    
    nod = 0; %Number of transmitted data 
    
    for iii = 1:nloop
        %%%%%%%%%%%%%%%%%  发射机  %%%%%%%%%%%%%%%%%%%
       seldata = rand(1,para*nd*ml)>0.5;  %串行数据
    
    %     seldata = ones(1,para*nd*ml);  %用于调试程序
        paradata = reshape(seldata,para,nd*ml); %串并转换
    
        [ich,qch] = qpskmod(paradata,para,nd,ml); %调制
        kmod = 1/sqrt(2);
        ich1 = ich.*kmod;
        qch1 = qch.*kmod;
        ch1 = ich1 + qch1*1j;
        
        %%%%%%%%%%%将导频进行插入
    %     Xp = 2*(randn(1,Np)>0)-1;    % Pilot sequence generation
    %     Xp = 2*randi([0 1],1,Np) - 1;
        Xp = 2*ones(Np,nd) - 1;
        %%%方式一:
        X = zeros(fftlen,nd);
        ip = 0;    
        pilot_loc = [];
        for k=1:fftlen
           if mod(k,Nps)==1
                 temp = floor(k/Nps)+1;
                 X(k,:) = Xp(temp,:);
    %            X(k) = Xp(floor(k/Nps)+1); 
                 pilot_loc = [pilot_loc k]; 
                 ip = ip+1;
             else
                 X(k,:) = ch1(k-ip,:);
           end
        end
    
          %%%%%方式二:可以先把导频位置和数据位置算出来,比如kk1,kk2,相应放入
        
        %%%%%%%%%%%% IFFT %%%%%%%%%%
    
        y = ifft(X);
        ich2 = real(y);
        qch2 = imag(y);
        
         %%%观察信号功率
    %     spow2 = sum(sum(ich2.^2+ qch2.^2))/nd./para;
        
        
        %%%%%%%% 添加保护间隔 %%%%%%%%
        [ich3,qch3] = giins(ich2,qch2,fftlen,gilen,nd);
        fftlen2 = fftlen + gilen;
        
        
        %****************  Attenuation Calculation **************
    %     %%%方式一:
    %     spow = sum(ich3.^2+ qch3.^2)/nd./para;
    %     attn = 0.5*spow*sr/br*10.^(-ebn0/10);
    %     attn = sqrt(attn);
       
        
        %%%方式二:
    %     snr = ebn0 + 10*log10(2);
    %     attn = sqrt(10.^(-snr/10)*spow/2);
        %以上两种方式表达是一样的
        
        %%%方式三:
        
        spow4 = sum(ich3.^2+ qch3.^2)/nd./fftlen2;
        esn0 = ebn0 + 10*log10(para/fftlen2) + 10*log10(ml);
        attn2 = 0.5*spow4*10.^(-esn0/10);
        attn2 = sqrt(attn2);
        
     
        
    %     aaa = 1; %用于调试
    
        %***************  衰落信道 Fading channel ***************%
        channel = (randn(1,Ntap) + 1j * randn(1,Ntap)).*sqrt(Power/2);
        h = zeros(1,Lch);
        h(Delay+1) = channel;
        y = conv(ich3 + 1j*qch3,h);
        ifade = real(y(:,1:length(ich3)));
        qfade = imag(y(:,1:length(ich3)));
        spow5 = sum(ifade.^2+ qfade.^2)/nd./fftlen2;
        
    %     %%%方式四:
    %     esn0 = ebn0 + 10*log10(para/fftlen2) + 10*log10(ml);
    %     attn2 = 0.5*spow5*10.^(-esn0/10);
    %     attn2 = sqrt(attn2);
    %     
        %%%%%不管哪种方式,以attn传入
        attn =  attn2;
        
        
        %***********************  接收机 *******************%
        %%%%%%%%%%假设已经完美同步上
        %%%%%%%%%% AWGN addition %%%%%%%%%
        [ich4,qch4] = comb(ifade,qfade,attn);
    
        %%%%%%%% 去掉保护间隔 %%%%%%%%
        [ich5,qch5] = girem(ich4,qch4,fftlen2,gilen,nd);
        
        
        %%%%%%%%%%%%%%  FFT %%%%%%%%
        rx = ich5 + qch5.*1i;
        ry = fft(rx);
    %     ich6 = real(ry);
    %     qch6 = imag(ry);
    
        %%%%%%%  信道估计  %%%%
        for m=1:3
             if m==1 
                 H_est_ls_linear = LS_CE(ry.',Xp.',pilot_loc,fftlen,Nps,'linear');
    %              method='LS-linear'; % LS estimation with linear interpolation
             elseif m==2
                 H_est_ls_spline = LS_CE(ry.',Xp.',pilot_loc,fftlen,Nps,'spline'); 
    %              method='LS-spline'; % LS estimation with spline interpolation
             else
    %              H_est_mmse = MMSE_CE(ry.',Xp.',pilot_loc,fftlen,Nps,h,SNR); 
                  H_est_mmse = MMSE_CE(ry.',Xp.',pilot_loc,fftlen,Nps,h,ebn0); 
    %              method='MMSE'; % MMSE estimation
             end
        end % end for count'
        
       
        
        %%%%%%%%  信道均衡 %%%%
        %%%注意A的共轭转置和转置的区别,前者是A',后者是A.'
        %%%%采用导频估计出的h,进行均衡
        ry_ls_linear_temp = ry./(H_est_ls_linear.');
        ry_ls_spline_temp = ry./(H_est_ls_spline.');
        ry_mmse_temp = ry./(H_est_mmse.');
        
        %%%假设接收端完美知道h,进行均衡
        H = fft([h,zeros(1,fftlen-Lch)].');
        ry_per_temp = ry./H; 
        
        
        
        
        %%%%%%%%%% 去除导频
        ip = 0;
        for k=1:fftlen
           if mod(k,Nps)==1
    %              temp = floor(k/Nps)+1;
    %              X(k,:) = Xp(temp,:);
    % %            X(k) = Xp(floor(k/Nps)+1); 
    %              pilot_loc = [pilot_loc k]; 
                 ip = ip+1;
           else
                 ry_ls_linear(k-ip,:) = ry_ls_linear_temp(k,:);
                 ry_ls_spline(k-ip,:) = ry_ls_spline_temp(k,:);
                 ry_mmse(k-ip,:) = ry_mmse_temp(k,:);
                 ry_per(k-ip,:) = ry_per_temp(k,:);
           end
        end
        
        
        %%%%%%%%%%%%%% demoluation %%%%%%%%%%%%%
        demodata_ls_linear = qpskdemod(real(ry_ls_linear)./kmod,imag(ry_ls_linear)./kmod,para,nd,ml);
        demodata_ls_spline= qpskdemod(real(ry_ls_spline)./kmod,imag(ry_ls_spline)./kmod,para,nd,ml);
        demodata_mmse = qpskdemod(real(ry_mmse)./kmod,imag(ry_mmse)./kmod,para,nd,ml);
        demodata_per = qpskdemod(real(ry_per)./kmod,imag(ry_per)./kmod,para,nd,ml);
        
        %%%%%%%%%%%%%% 并串转换 %%%%%%%%%
        demodata1_ls_linear = reshape(demodata_ls_linear,1,para*nd*ml);
        demodata1_ls_spline = reshape(demodata_ls_spline,1,para*nd*ml);
        demodata1_mmse  = reshape(demodata_mmse,1,para*nd*ml);
        demodata1_per = reshape(demodata_per,1,para*nd*ml);
        
        
        %%%%%%%%%%%%%%% Bit Error Rate %%%%%%%%%%%
        noe2_ls_linear = sum(abs(demodata1_ls_linear-seldata));
        noe2_ls_spline = sum(abs(demodata1_ls_spline-seldata));
        noe2_mmse = sum(abs(demodata1_mmse-seldata));
        noe2_per = sum(abs(demodata1_per-seldata));
        nod2 = length(seldata);
        
        %%%%cumulative the number of error and data in noe and nod
        noe2_ls_linear_temp = noe2_ls_linear_temp + noe2_ls_linear; %Number of error data  of LS_linear
        noe2_ls_spline_temp = noe2_ls_spline_temp + noe2_ls_spline ; %Number of error data of  LS_spline
        noe2_mmse_temp = noe2_mmse_temp + noe2_mmse; %Number of error data of MMSE
        noe2_per_temp = noe2_per_temp + noe2_per;
        nod = nod + nod2;
            
        
    end
    %**************   output result *************
    ber_ls_linear_temp = noe2_ls_linear_temp/nod;
    ber_ls_spline_temp = noe2_ls_spline_temp/nod;
    ber_mmse_temp = noe2_mmse_temp/nod;
    ber_per_temp = noe2_per_temp/nod;
    
    
    ber_fading_ls_linear(1,kkk) = ber_ls_linear_temp ;
    ber_fading_ls_spline(1,kkk) = ber_ls_spline_temp;
    ber_fading_mmse(1,kkk) = ber_mmse_temp;
    ber_fading_per(1,kkk) = ber_per_temp;
    
    
    end
    
    %************************* 画误码率曲线进行对比 ******************%
    ebn0_temp = 1:1:30;
    rayleign_one_path_theory = ber_temp(ebn0_temp); 
    semilogy(ebn0_temp,rayleign_one_path_theory,'-*',ebn0_temp,ber_fading_ls_linear,'-^',ebn0_temp,ber_fading_ls_spline,'->',ebn0_temp,ber_fading_mmse,'-<',ebn0_temp,ber_fading_per,'-+');
    xlabel('比特信噪比');
    ylabel('误码率');
    title('多径衰落信道下误码率仿真曲线');
    legend('理论曲线','lslinear实验曲线','lsspline实验曲线','mmse实验曲线','完美均衡实验曲线');
    grid on;
    %***********   多径瑞利衰落下的OFDM采用BPSK调制的误码率值 **********%
    
    %%%%%%%%%%%%%%%%%%%%%%%      理论值          **************%
    %%%%%%%%%%%%%     EbN0(dB)      误码率        
    %%%%%%%%%%%%%       3        0.125000000000000
    %%%%%%%%%%%%%       4        0.100000000000000
    %%%%%%%%%%%%%       5        0.0833333333333333
    %%%%%%%%%%%%%       6        0.0714285714285715
    %%%%%%%%%%%%%       7        0.0625000000000000
    %%%%%%%%%%%%%       8        0.0555555555555556
    %%%%%%%%%%%%%       9        0.0500000000000000
    %%%%%%%%%%%%%      10        0.0454545454545455
    
    %%%%%%%%%%%%%%%%%   结论    %%%%%%%%%%%%%%%%%%%%
    %%%实验记录 2020年11月14日
    %含已知导频的OFDM经过多径衰落信道的误码率仿真
    %OFDM中引入保护间隔,是一种冗余信息,因此相比于理论误码率曲线有10*log(160/128)=0.969dB的损失
    %OFDM信道估计引入了发送和接收端都已知的导频信号,这也是冗余,所以设计SNR与Eb/N0的换算
    %本次实验还缺少相应的理论分析
    

    运行上面的代码,完整的代码已经上传github,地址:123kevin456/OFDM-

    有以下几点需要注意,当然也是我自己的思考,不一定就完全正确,欢迎你提问、交流与讨论:

    (1)在上一讲《OFDM 信道估计与均衡(3)》中讲到过AWGN信道和衰落信道h的不同,对于高斯白噪声信道来说,在发送端和接收端信号功率是没有变化的。但是对于衰落信道来说,衰落信道会使得发送功率和到达接收端功率不一样。

    因此,我在上面的代码中分别提到了四种方式,目的是计算并观察信号在不同位置的功率,比如经过IFFT前后,经过衰落信道前后等等。

    实际系统中,接收端的白噪声功率是一个固定值。

    比如接收端的噪声功率谱密度是0.5w/Hz(也就是0.5J),发送端一个1J的比特发过来。如果是AWGN,那么到达接收端这个比特的能量仍然是1J,此时接收端比特信噪比是3dB。

    但是若经过h=0.5的单径衰落信道过来接收端,那么到达接收端这个比特的能量就是0.25J了,此时比特信噪比是-3dB。

    所以上面代码中h的设置,其实会影响到图2曲线的左移或者右移。至于是不是正确,仿真是不是应该这样仿,我不太确定,哈哈哈哈哈哈。

    (2)仿真中我们都先习惯于设置Eb/N0的值,然后去推Es/N0的值,这个怎么推,我在《第二章:线性分组码》和《第1章:BPSK调制解调器仿真》讲过,即需要考虑到调制编码的影响。

    有了采样率和系统带宽后,便可以继续从Es/N0往SNR推。

    但在OFDM中有了CP和导频后,这些数据会影响到Eb/N0与Es/N0换算中的k值吗?

    我觉得会的,因为CP和导频的存在,本质上都是为了通信系统的可靠性

    CP和导频均消耗了系统的功率资源,但都没有为系统发送更多的数据做贡献,所以将他们当做冗余来进行处理。这也是为什么多次尝试在上面的代码总修改功率的计算位置。

    无论是《MIMO-OFDM无线通信技术及MATLAB实现》还是《Simulation and Software Radio for Mobile Communications》,均没有我上面疑问的答案。

    在仿真中是否需要我这么考虑,我也不确定,造成的结果也是实验曲线会相比理论有一定的平移。

    至此,OFDM信道估计与均衡部分就全部讲完。下一步可能会更新OFDM同步技术。

    四、总结

    自本科听说过OFDM、信道估计、均衡等概念,到前段时间开始思考如何用MATLAB来仿真OFDM系统呢?相隔了三年。

    看到了知乎上@子木的《OFDM完整仿真过程及解释(MATLAB)》以及《给“小白”图示讲解OFDM的原理》,他们的文章写得非常好,帮助我开始理解OFDM相关的知识。

    然后我结合《MIMO-OFDM无线通信技术及MATLAB实现》和《Simulation and Software Radio for Mobile Communications》书中的代码,开始慢慢摸索写出仿真。但是在调试代码的过程中,常常出现问题。偶与师兄讨论,有所收获,记录在此,希望对刚接触OFDM仿真的同学有所帮助。

    欢迎你双击屏幕、点赞、收藏、转发和分享,关注我的知乎号、CSDN号,也欢迎读者朋友就相关技术问题与我交流,一起学习,共同进步。请你也别忘了把这篇文章分享给你身边正在学习通信专业的同学们,也许能够帮到Ta。

    这是《陈老湿·通信MATLAB》仿真的第7章,期待下次更新见!

    展开全文
  • 第7章(5)内容如下:一、参考资料二、OFDM相关问题继续探讨三、CPZP对OFDM系统的影响(完整可运行MATLAB代码及其注意点)四、总结 本已打算更新OFDM同步方面的内容了,但在这之前仍有许多问题浮现在脑海,比如 ...

    本已打算更新OFDM同步方面的内容了,但在这之前仍有许多问题浮现在脑海,比如

    (1)保护间隔(GI)和循环前缀(CP)、补零(zero padding,ZP)的区别

    (2)OFDM与IFFT、FFT的关系

    (3)子载波(ICI)和符号间干扰(ISI)的区别

    解决以上的问题,明晰一些概念,也是为OFDM同步的内容做知识储备。

    我一直提到的《MIMO-OFDM无线通信技术及MATLAB实现》下载地址是:https://github.com/LyricYang/MIMO_OFDM,该书有的代码版本可能老旧,因此需要偶尔改改代码适应新的MATLAB版本才可以正常运行。

    因此,本文先讨论以上提到的问题,然后集中在OFDM采用ZP或者CP,经过多径衰落信道的误码率分析,并附上完整可运行的代码,代码下载地址:123kevin456/OFDM-5

    若出现代码缺少子函数,可在《MIMO-OFDM无线通信技术及MATLAB实现》的下载地址中https://github.com/LyricYang/MIMO_OFDM 找到相应函数。

    一、参考资料

    1、《MIMO-OFDM的无线通信技术及其MATLAB实现》

    2、孙宇彤《LTE教程:原理和实现》

    此书对于刚开始接触LTE协议的我来说,有一定的帮助。该书没有复杂的计算公式,也没有代码的相关验证,用大量的例子和图示来通俗讲明白LTE协议的许多概念,不错

    3、CSDN的《OFDM专题之子载波间干扰问题(一)》和《OFDM专题之子载波间干扰问题(二)》、《给“小白”图示讲解OFDM的原理》,这几篇文章均不错,值得多次反复学习,我时不时会翻出来阅读,认真消化

    二、OFDM相关问题继续探讨

    1、子载波干扰(ICI)和符号间干扰(ISI)是什么?出现这两种干扰后,各自的应对方法是什么?保护间隔(GI)和补零(ZP)、循环前缀(CP)的区别?

    每次用到保护间隔时都是以CP的形式吗?用了CP后会有子载波干扰(ICI)和符号间干扰(ISI)吗?

    2、IFFT与FFT等技术与OFDM实现的关系?OFDM是不是就一定要用到IFFT和FFT技术?或者更本质的讲,IFFT与FFT等技术在OFDM实现中,到底起到什么样的作用?

    3、下图(a)中,为什么是不同子载波信号是加到一起再进行发送呢?而不是各自发送?这是受到什么约束了呢?

    img

    接下来对各个问题依次回答。

    1、子载波干扰(ICI)和符号间干扰(ISI)是什么?出现这两种干扰后,各自的应对方法是什么?

    在OFDM系统,最基本的传输单位是OFDM符号。由于同一信号的不同分量经过不同路径到达接收端的时间不一样。

    img

    如图4.14所示,如果保护间隔长度小于最大多径时延扩展,对于前一个OFDM符号的尾部已经影响到下一个OFDM符号的前端,这样就造成ISI。

    有了符号间干扰怎么来解决呢?

    当出现这个问题的时候,有的书籍便就立马引出来CP的概念了,但不解释清为什么。

    其实有了符号间干扰后,我们的目的依然是让不同的OFDM符号区分开来,只需要加入保护间隔(GI)即可。

    而保护间隔有两种插入方法,一种是补零(ZP),即在保护间隔中补充0。这便可以使得第n个符号经过最长路径后也不会影响到第n+1个符号,但这会给系统带来ICI

    思考下为什么带来ICI?可以看《OFDM专题之子载波间干扰问题(一)》和《OFDM专题之子载波间干扰问题(二)》,这两篇文章解释得非常好)。

    另一种便是CP。这个在《第7章:OFDM 信道估计与均衡(1)》中也已经讲到过其作用。

    CP是既起到了保护间隔作用,避免了ISI,同时又使得循环扩展(为了某种连续性,可以说是为了循环卷积)消除了ICI,真是非常巧妙。

    加CP和加ZP,对应在下面的代码中,是信号在接收端的处理方式有所不同。

    function y=remove_GI(Ng,Lsym,NgType,ofdmSym)
    
    if Ng~=0
      if NgType==1  % cyclic prefix
        y=ofdmSym(Ng+1:Lsym);
       elseif NgType==2 % zp
        y=ofdmSym(1:Lsym-Ng)+[ofdmSym(Lsym-Ng+1:Lsym) zeros(1,Lsym-2*Ng)];
      end
     else
      y=ofdmSym;
    end
    

    2、IFFT与FFT等技术与OFDM实现的关系?OFDM是不是就一定要用到IFFT和FFT技术?或者更本质地讲,IFFT与FFT等技术在OFDM实现中,到底起到什么样的作用?

    在实现OFDM时,IFFT和FFT不是唯一的方法,但是一种比较好的方法。

    img

    img

    img

    孙宇彤《LTE教程:原理和实现》还介绍了OFDM信号的其他生成算法,比如反向离散哈特利变换(IDHT)、离散余弦变换等等。

    img

    img

    接下来再举孙宇彤《LTE教程:原理和实现》中讲到IFFT作用,这与我在别的地方看到的不一样,可做参考。

    img

    img

    三、CP和ZP对OFDM系统的影响(完整可运行MATLAB代码及其注意点)

    %%%%%%%%%%%%%%%%%%%%%       检查正弦信号间的相交性    %%%%%%%%%%%%%%%%
    %%%%%%%%%%%%%%%%%%%%%        OFDM_basic_myself3.m            %%%%%%%%%%%%%
    %%%%%%%%%%%%%%%%%%%%%      data:2020年12月11日  author:飞蓬大将军 %%%%%%%%%%
    
    %%%%%%%%%%%%%%%%%程序说明
    %%%(1)CP和ZP作用   (2)子载波干扰与符号间干扰的区别及其消除方法
    
    %%%%%%    仿真环境
    %软件版本:MATLAB R2019a
    
    %**************************** 程序主体 **************************%
    clear all;
    
    %%%%%%%%%%%%%%%%%%%%参数设定%%%%%%%%%%%%%
    
    
    %%%%选择CP或ZP
    NgType = 1;  %对于ZP或CP NgType = 1或2
    if NgType == 1
        nt = 'CP';
    elseif NgType == 2
        nt = 'ZP';
    end
    
    %%%%选择信道类型
    Ch = 0;
    if Ch == 0
        chType ='AWGN'; %高斯白噪声信道 
        Target_neb = 100;
    else
        chType ='CH';
        Target_neb = 500;
    end
    figure(Ch+1);
    clf;
    
    PowerdB = [0 -8 -17 -21 -25]; %信道抽头功率特性'dB'
    Delay = [0 3 5 6 8]; %信道时延 
    Power = 10.^(PowerdB/10); %信道抽头功率特性 '线性'
    Ntap = length(PowerdB);
    Lch = Delay(end)+1;
    Nbps = 2;   %调制阶数 2/4/6
    M = 2^Nbps; %QPSK、16-QAM、64-QAM
    Nfft = 64; %FFT大小
    
    %Ng = 3;
    
    Ng = Nfft/4; %保护间隔(GI)长度,若没有保护间隔,Ng = 0
    Nsym = Nfft + Ng; %符号周期
    
    %%%调整Nvc
    Nvc = Nfft/4; %Nvc若等于0,则没有VC(虚拟子载波)
    % Nvc = 0; %Nvc若等于0,则没有VC(虚拟子载波)
    
    Nused = Nfft - Nvc; %Nused为用于传输数据的子载波数
    
    EbN0 = [0:2:20];  %Eb/N0
    % EbN0 = 50;  %Eb/N0
    N_iter = 1e5;  %对于每一次EbN0的迭代次数
    Nframe = 3; %每一帧的符号数
    sigPow = 0; %初始信号功率
    file_name = ['OFDM_BER_' chType '_' nt '_' 'GL' num2str(Ng) '.dat'];
    fid = fopen(file_name,'w+');
    norms = [1 sqrt(2) 0 sqrt(10) 0 sqrt(42)];  %BPSK 4-QAM 16-QAM
    
    
    for i = 0:length(EbN0)
        randn('state',0);
        rand('state',0);
        Ber2=ber(); %初始化BER
        Neb = 0; %初始化误比特数
        Ntb = 0; %初始化总比特数
        for m = 1:N_iter
            X = randi([0 M-1],1,Nused*Nframe);
            Xmod = qammod(X,M,'gray')/norms(Nbps);
            if NgType~=2
                x_GI = zeros(1,Nframe*Nsym);
            elseif  NgType == 2
                x_GI = zeros(1,Nframe*Nsym+Ng);
            end
    %         kk1 = 1:Nused/2;
    %         kk2 = Nused/2+1:Nused;
            kk1 = [1:Nused/2];
            kk2 = [Nused/2+1:Nused];
            kk3 = 1:Nfft;
            kk4 = 1:Nsym;
            for k = 1:Nframe
                if Nvc~= 0
                    X_shift = [0 Xmod(kk2) zeros(1,Nvc-1) Xmod(kk1)];
                else
                    X_shift = [Xmod(kk2) Xmod(kk1)];
                end
                x = ifft(X_shift);
                x_GI(kk4) = guard_interval(Ng,Nfft,NgType,x);
                kk1 = kk1 + Nused;
                kk2 = kk2 + Nused;
                kk3 = kk3 + Nfft;
                kk4 = kk4 + Nsym;
            end
            
            %%%%%能量检测
            if i == 0   %只测量信号功率
                sigPow_temp = x_GI*x_GI';;
            end
            
            
            
            if Ch==0
                y = x_GI;  %没有信道
            else      %多径衰落信道
                channel =(randn(1,Ntap)+1j*randn(1,Ntap)).*sqrt(Power/2);
                h = zeros(1,Lch);
                h(Delay+1) = channel;
                y = conv(x_GI,h);
            end
            
            if i == 0   %只测量信号功率
                y1 = y(1:Nframe*Nsym);
                sigPow = sigPow + y1*y1';
                continue;
            end
    
            %******************** 信道 ***********************%
            snr = EbN0(i) + 10*log10(Nbps*(Nused/Nfft));  %%方便fig标号,(1),原书公式
    %         snr = EbN0(i) + 10*log10(Nbps);
    %         snr = EbN0(i) + 10*log10(Nbps*(Nfft/Nsym));  %%方便fig标号,(3)CP消耗能量
            noise_msg = sqrt((10.^(-snr/10))*sigPow/2);
            y_GI = y + noise_msg*(randn(size(y)) + 1j*randn(size(y)));
            
            %%%%%%%%%%%接收端
            kk1 = (NgType==2)*Ng + [1:Nsym];
            kk2 = 1:Nfft;
            kk3 = 1:Nused;
            kk4 = Nused/2 + Nvc + 1:Nfft;
            kk5 = (Nvc~=0)+[1:Nused/2];
            if Ch ==1
                H = fft([h zeros(1,Nfft-Lch)]);  %信道频率响应
                H_shift(kk3) = [H(kk4) H(kk5)];
            end
            
            for k =1:Nframe
                Y(kk2) = fft(remove_GI(Ng,Nsym,NgType,y_GI(kk1)));
                Y_shift = [Y(kk4) Y(kk5)];
                if Ch ==0
                    Xmod_r(kk3) = Y_shift;
                else
                    Xmod_r(kk3) = Y_shift./H_shift;  %均衡器
                end
                kk1 = kk1 + Nsym;
                kk2 = kk2 + Nfft;
                kk3 = kk3 + Nused;
                kk4 = kk4 + Nfft;
                kk5 = kk5 + Nfft;
            end
            X_r = qamdemod(Xmod_r*norms(Nbps),M,'gray');
            Neb = Neb + sum(sum(de2bi(X_r,Nbps)~=de2bi(X,Nbps)));
            Ntb = Ntb + Nused*Nframe*Nbps;
    %         if Neb>Target_neb
    %             break
    %         end
        end
        if i == 0
            sigPow = sigPow/Nsym/Nframe/N_iter;
            fprintf('Signal power= %11.3e\n', sigPow);
            fprintf(fid,'%%Signal power= %11.3e\n%%EbN0[dB]       BER\n', sigPow);
        else
            Ber = Neb/Ntb;
            fprintf('EbN0=%3d[dB], BER=%4d/%8d=%11.3e\n', EbN0(i), Neb,Ntb,Ber)
            fprintf(fid, '%d\t%11.3e\n', EbN0(i), Ber);
            if Ber<1e-6
                break;
            end
        end
    end %end for i
    if(fid~=0)
         fclose(fid);
    end
    disp('sumualtion is finished');
    plot_ber(file_name,Nbps);
    
    %%%%选择CP或ZP
    if Ch == 1
        if NgType == 1
            a = load(file_name);
            save('ofdm_basic_myself3_cp16_rayleigh','a');
        elseif NgType == 2
            b = load(file_name);
            save('ofdm_basic_myself3_zp16_rayleigh','b');
        end
    else
        
    
    %%%%%%%%%%%%%%实验记录
    %%%%2020年12月11日
    %%%%CP和ZP都能起到保护间隔的作用,消除了子载波干扰和符号间干扰
    %%%%在AWGN和瑞利信道下均能画出正确误码率曲线
    
        
    
      
             
    

    在上面的代码中,有以下几点值得注意:

    (1)SNR其实是ES/N0

    原书公式snr = EbN0(i) + 10log10(Nbps)+10log10*(Nused/Nfft)),其实是EsN0(i) = EbN0(i) + 10log10(Nbps)+10log10*(Nused/Nfft)) 有10*log10(Nbps)这一项是很好理解的,因为一个调制后的符号能量是Nbps个比特的能量。后面的10*log10*(Nused/Nfft))让我想了非常久

    EbRb=EsRs{E_b}{R_b} = {E_s}{R_s} ,得到 EsN0=EbN0RbRs\frac{{{E_s}}}{{{N_0}}} = \frac{{{E_b}}}{{{N_0}}}\frac{{{R_b}}}{{{R_s}}}

    Rb=NusedNbpsTsym+TGI{R_b} = \frac{{{N_{used}}Nbps}}{{{T_{sym}} + {T_{GI}}}} ,而 Rs=NfftTsym+TGI{R_s} = \frac{{{N_{fft}}}}{{{T_{sym}} + {T_{GI}}}} ,有了这两个公式,便可以理解上面EsN0与 EbN0的换算关系了。

    而书中给出了时域信噪比和频域信噪比的概念,这是我第一次听说这两名词。

    img

    在这里没有考虑我之前的通信有效性与可靠性的衡量,即将保护间隔当做冗余处理。

    (2)以上的代码是基带仿真!基带仿真!基带仿真!

    有的同学可能觉得经过IFFT之后,信号便被“调制”了。调制的目的是“搬移频谱”,做IFFT变换只是在基带上搬移了

    经过IFFT后的信号当做一个整体,再去乘以coswt,进行上载波,整体的搬移,信号才搬移到带通信号了。

    img

    图1 CP和ZP对AWGN下OFDM的误码率影响

    (3)调整NgType、CH的值、不同的调制方式、Ng的长度便可以得到相应的实验结果。

    下面的图中,AWGN analytic是AWGN信道下的理论误码率曲线、Rayleigh fading analytic是多径瑞利信道下的理论误码率曲线,下同。

    simulation是根据实验条件的仿真曲线,比如是加入CP还是ZP、在AWGN信道还是多径瑞利信道、CP或ZP的长度对实验的影响等等。

    img

    图2 多径瑞利信道,CP长为16的误码率曲线图

    img

    图3 多径瑞利信道,ZP长为16的误码率曲线图

    从图2和图3,可以看出CP和ZP长度大于最长路径时延时,且接收端完美知道信道状态信息,并能对有信道进行补偿后,都可使得两者的误码率曲线接近理论误码率曲线,实验正确。

    改变CP和ZP的长度为3:

    img

    图4 多径瑞利信道,ZP、CP长为3的误码率曲线图

    img

    图5 多径瑞利信道,ZP或CP为0的误码率曲线图

    (4)代码中还未对基带信号进行加窗处理,或者升余弦滚降处理,后续再考虑。

    四、总结

    OFDM系统中概念确实较多,然通过死记硬背不能充分理解各个知识点的前因后果,便常在脑海中有许多为什么?

    《MIMO-OFDM的无线通信技术及其MATLAB实现》中大量的数学公式和代码,但较枯燥;

    而CSDN的《OFDM专题之子载波间干扰问题(一)》和《OFDM专题之子载波间干扰问题(二)》、《给“小白”图示讲解OFDM的原理》,作者会结合图例与自己的理解,以更加通俗的方式讲出来。

    以上两类材料,相得益彰,一起阅读,效果更好。因此,同一个知识点,看不同的人讲,交叉验证,能帮助学习更扎实。

    欢迎你双击屏幕、点赞、收藏、转发和分享,关注我的知乎号、CSDN号,也欢迎读者朋友就相关技术问题与我交流,一起学习,共同进步。请你也别忘了把这篇文章分享给你身边正在学习通信专业的同学们,也许能够帮到Ta。

    这是《陈老湿·通信MATLAB》仿真的第7章,期待下次更新见!

    展开全文
  • 该算法将定时同步偏差等效为符号间干扰(ISI,inter-symbol interference)信道,通过信道估计和Turbo均衡相互反馈软信息来改善源信号信息恢复性能。重点研究了初始盲均衡算法、信道估计算法、混合信号的MMSE均衡...
  • 单载频频域均衡信道估计和频域均衡研究仿真
  • 基于卡尔曼滤波的SC-FDE系统信道估计和信噪比估计算法研究,尹航,林家儒,本文主要研究在单载波频域均衡系统下基于辅助导频序列的信道估计和信噪比估计算法研究。通过利用卡尔曼滤波算法对信道估计算法进
  • 信道估计算法

    万次阅读 2016-11-10 16:59:40
    信道估计算法目前我所涉及的是短波宽带无线信道下的接收端的处理,包括捕获、同步、信道估计及信道均衡,还有译码。百度百科里是这样解释这种信道的:短波通信发射电波要经电离层的反射才能到达接收设备,通信距离较...
  • LTE 已经成为4G 的主流技术之一,在TD-LTE 系统中,其关键技术信道估计是作为获取信道信息,进行信道均衡和传输方式选择的重要依据,本文以OFDM 信道估计原理为基础,总结了TD-LTE 系统中主流的信道估计和插值方式,...
  • LTE学习-信道估计(LS算法)

    千次阅读 2019-11-05 07:55:39
    无线环境数复杂多变的,信号在传播过程中就会受到各种各样的干扰,到达接收端时,信号的幅度、相位和频率都会发生很大的改变,而信道估计和信道均衡的作用就是尽可能恢复出信号。因此,一个良好的估计和均衡算法对于...
  • OFDM)的应用及需求,提出一种基于伪噪声(pseudo-noise)序列的OFDM系统模型,并针对其信道估计均衡需求,提出一种基于迭代的信道估计算法低复杂度的频域均衡算法。最后在高斯白噪声信道、存在多普勒频移瑞利信道...
  • LTE系统中信道估计技术研究,张乃元,,LTE已经成为下一代无线通信的几乎唯一主流技术,该系统基于MIMO-OFDM技术。而信道估计作为获取信道信息,进行信道均衡和传输方式选择
  • 针对存在码间干扰ISI的稀疏多径信道,已提出基于压缩感知理论的平滑SL0算法来研究其稀疏特性,然而 SL0算法的迭代方向为负梯度方向,存在“锯齿效应”,且其代价函数“陡峭性”性能欠佳,使得信道估计和收敛效果均未...
  • 正交频分复用 (OFDM)技术、单载波频域均衡技术 (SC-FDE)多天 线技术都是有助于达到这一目标的有效技术。在多径衰落信道下的同步和信道估 计是宽带无线通信系统中需要解决的重要问题。随着集成电路技术的发展,芯片...
  • 一种新颖的OFDM信道估计算法,万蒙,,传统的OFDM信道估计算法,在性能算法复杂度两方面,往往难以得到很好的均衡。为此,本文提出了在时间变换域利用动态双门限结合��
  • 短波信道中单载波频域均衡技术研究,包括帧结构设计,信道估计,频偏估计和频域均衡算法。caj格式。
  • 可以精确地估计出水声信道的幅度、时延相位信息,为虚拟时反信道均衡提供准确的信道信息,改进了传统匹配相关信道估计方法估计精度低、无法估计信道相位信息的缺点。仿真、水池湖上实验结果表明,OFDM水声通信...
  • LTE学习-信道均衡(ZF)

    千次阅读 2019-11-18 07:36:40
    前面学习了信道估计和插值,现在说说信道均衡,信道均衡的作用就是根据信道估计和插值的结果尽可能恢复发射数据。信道均衡技术主要有两种,迫零(ZF)均衡和最小均方误差(MMSE)均衡,实际上还有一个最大似然(ML)均衡,...
  • 提出了一种基于因子图-消息传递算法的联合信道估计单载波频域均衡(SC-FDE)接收机。针对现有联合信道估计接收机中存在的复杂度性能之间的矛盾,利用因子图拉伸方法对现有模型进行拉伸变换。变换之后的因子图模型...
  • 研究了频率选择性信道下基于训练序列的两发射天线的空时分组编码-单载波频域均衡系统的信道估计算法.提出了2种新SCFDEAlamouti空时分组码相结合的传输帧结构,一种是选取m序列作为训练序列,另一种是选取具有恒幅...
  • 4.4.5 信道均衡(一)

    万次阅读 2018-10-24 15:53:35
    为了恢复发送的数据信息,接收端需要估计信道的特性,并对接收到的数据进行校正。   二、信道均衡的常用方法  一般来说有二种方法:差分检测相干检测。 差分检测:比较相邻两个信号的相位幅度的差值;...
  • 首先,分析了最小二乘支持向量机算法应用于信道均衡的机理,与传统的信道均衡方法相比,该算法无需对信道进行估计可直接得到均衡器的参数。其次,与ε-支持向量机算法进行比较,最小二乘支持向量机均衡性能不减,时间...
  • 针对水声正交频分多址(OFDMA)上行通信中用户导频数量少、分布不均匀,导致传统内插信道估计方法产生误码平层的问题,提出一种稀疏信道估计与导频优化方法。基于压缩感知(CS)理论估计稀疏信道冲激响应,并依据CS理论...

空空如也

空空如也

1 2 3 4 5
收藏数 83
精华内容 33
关键字:

信道估计和均衡