基于机器学习的信道估计算法优化研究

发布时间：2021-12-11 21:03

　　在正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）通信系统中,无线信道的多径效应使信号在传输过程中失真和衰减,发射器和接收器之间的相对运动产生了多普勒效应,最终导致信号载波发生偏移。因此,了解信道特性非常重要。为了从已被噪声污染的信号中恢复原信号,传统的OFDM信道估计算法根据导频估计信道脉冲响应,然后通过插值和均衡恢复原信号。本论文尝试利用机器学习的方法在OFDM系统中进行信道估计,以减少导频的使用,提高频谱利用率,并提高信道估计的准确度,结果证明了经过深度学习后的神经网络能够较好地恢复原发送信号。本文设计并实现了以下神经网络来进行信道估计:（1）在传统的最小二乘（Least Squares,LS）信道估计算法的基础上,提出了一种基于三层反向传播（Back Propagation,BP）神经网络的信道估计器,每个BP神经网络估计单个频点处的信道响应。仿真结果显示,BP神经网络的性能优于LS算法,与最小均方误差（Minimum Mean Square Error,MMSE）算法相比略有不足。尽管MMSE算法具有比BP神经网络... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

FDM和OFDM的频谱图

第二章OFDM系统信道估计算法9图2-3循环前缀示意图为了消除由于信道的多径效应产生的ISI和ICI，OFDM系统进行了改进，不同于最初在保护间隔内置入ZP的做法，而是置入循环前缀(CyclicPrefix，CP)信号。CP就是将每个OFDM符号长度最末尾的相当于保护间隔长度的信号放置在每一个OFDM信号的前面，如图2-3。在接收端首先将填充循环的保护间隔部分去除，然后剩余宽度部分进行傅立叶变换，由于CP的特性，在信道最大时延小于CP间隔时，可以使每一个子载波的延时信号落在下一个子载波积分周期内的部分仍然是周期性的，积分结果表明各子载波之间仍然正交。因此，CP的插入既使得保护间隔消除ISI的作用得以保留，又达到了消除ICI的效果。2.2基于导频的OFDM系统信道估计方法传统的OFDM信道估计分为导频辅助信道估计及盲信道估计。使用接收信号的统计特性的盲信道估计技术，可以在不需要导频信号的情况下估计信道响应。显然，这种盲信道估计技术具有不产生训练信号开销的优点。但是，通常需要大量的接收符号来提取统计属性。此外，它们的性能通常比采用训练信号的其他常规信道估计技术要差[34]；导频辅助信道估计是指在发送信号中插入一定数目的已知的导频符号，在接收端对这些导频符号按照某算法进行估计。而盲信道估计在发送端无需导频符号，接收端根据收到信号的某种特征进行估计，盲信道估计算法复杂且收敛时间长，只适应于慢衰落信道，在实际OFDM系统中大都采用基于导频的信道估计算法。基于导频的OFDM信道估计器结构如下图2-4所示：

电子科技大学硕士学位论文10图2-4基于导频的OFDM信道估计器结构图接收端提取导频信号后需要根据已知导频点信号，通过信道估计算法获得导频点处的频域信道传递函数，实质为如何最有效地从导频位置恢复出导频时刻的信道信息。在OFDM系统中，接收到的导频信号可以表示为：PPPYXHNS(2-3)式中H为频域信道响应，PX为已知频域导频信号，pY为接收到的频域导频信号，pW是导频子信道上的叠加噪声。2.2.1导频插入方式根据导频排列的不同，导频结构可以分为三种：块状类型、梳状类型和格状类型。下面介绍在实际应用中常采用的块状和梳状导频插入方式。块状导频的插入方式如图2-5所示。这种类型的导频插入方式以一个OFDM符号为单位，其上每个子载波都用来承载导频信息，每个承载了导频信号的OFDM符号以tS为时间间隔来依次发送。接收端通过对每个承载了导频信号的OFDM符号进行估计，可以得到信道每个频点上的信道响应，再经过插值算法，沿着时间轴估计出每个符号周期内的信道响应值。图2-5块状类型的导频排列图

【参考文献】：
期刊论文
[1]基于神经网络的MIMO-OFDM信道估计[J]. 才华,刘广文,陈广秋.  计算机工程与应用. 2011(34)
[2]基于自适应噪声抵消的MIMO-OFDM信道估计[J]. 王继曾,罗娜,杨宏梅.  计算机工程与设计. 2009(17)
[3]OFDM系统原理及关键技术[J]. 赵珺洁,张海林.  现代电子技术. 2007(03)



本文编号：3535396