基于OFDM技术的无线通信系统的信道估计的研究
MIMO—OFDM系统信道估计技术研究
尢 线 通 信 信 道 是一 个 时 变 的 多径 衰 落信 道 ， 了使 发 送 数 据 存 经 过 信 道 衰 减 后 存 接 收端 能 被 止 确 地 接 收 ， 需 要 进 行 信 道 估 为 就 计来 获 得 信 道 衰 落 参 数 等精 确 信 息 。信 道 估 计 是 提 高无 线 数 据 传 输 接 收 性 能 的关 键技 术 之 一 。 本 文 对 ＭＩ — Ｆ Ｍ 系统 中基 于 训 练 序 列 的 信 道估 计 方 法 —— Ｌ ＭＯ Ｏ Ｄ Ｓ和 ＭＭＳ Ｅ进 行 了 分析 ， 出 了改 进 算 法 ， 给 并通 过仿 真 比较 了
摘 要 ： 道 估 计 是 Ｍ Ｉ Ｏ—ＯＦ 信 Ｍ ＤＭ 系统 中的 关 键技 术之 一 ， 道 估 计 的 准确 与 否 直接 关 系到 系统 性 能 的好 坏 ， 信 因此 寻 求 快 速 、 确 、 准 可靠 的信 道 估 计 算 法 以提 高 信道 估计 精 度 是 一 个 重 要 的 研 究课 题 。该 文 通过 建立 ＭＩ ＭＯ—ＯＦ ＤＭ 系统信 道 模 型 ， 出 了基 于 训 练 给
中图 分 类 号 ： Ｎ９ ９ Ｔ ２
文 献标 识码 ： Ａ
文 章 编 号 ： ０ ９ ３ ４ （０ ０ １ — ３ ５ ０ １ ０ — ０ ４ ２ １ ）０ ２ ４ － ３
Ｔ ｃ ｎ ｌ ｇ ｓ ａ ｃ ｆＭ Ｉ ｏ— ｅ ｈ ｏ ｏ ｙ Ｒｅ ｅ ｒ ｈ ｏ Ｍ ｏＦＤＭ ａ ｎ ｌ ｔｍａ ｉ ｎ Ｃｈ ｎ ｅ ｉ ｔｏ Ｅｓ
Ｋ ｅ ｏ ｄｓ ｙ ｗ ｒ ：Ｍ Ｉ Ｏ —Ｏ ＦＤＭ ；ｃ ｎｎｅ ｓｉ ａｉｎ；ＬＳ； Ｍ Ｓ Ｍ ｈａ ｌｅ ｔｍ ｔｏ Ｍ Ｅ
ＭＩ 系统 在 发 送 端 和接 收端 都 采 用 多 天 线 进 行 收发 ， 高 了 传输 效 率 。Ｏ Ｄ 系 统 是 一 种 高 效 的 多 载 调 制 技 术 ， 有 良好 ＭＯ 提 Ｆ Ｍ 具 的抗 多径 十 扰 性 能 。将 Ｍ ＭＯ 系统 和 Ｏ Ｄ 系统 结 合 起 来 就 构 成 了 ＭＩ — Ｆ Ｍ 系 统 。 ＭＯ Ｏ Ｄ 技 术 埘提 高无 线 通 信 系统 的 Ｉ Ｆ Ｍ ＭＯ Ｏ Ｄ ＭＩ — Ｆ Ｍ
OFDM系统的信道估计和信号均衡技术的研究
OFDM系统的信道估计和信号均衡技术的研究一、本文概述正交频分复用（OFDM）技术是现代无线通信系统中广泛使用的一种高效调制技术，它通过将高速数据流分割成多个较低速度的子数据流，并在多个正交子载波上并行传输，从而实现了在复杂和多径环境中高速数据传输的能力。
然而，这种并行传输方式也使得OFDM系统对信道失真和干扰非常敏感，因此，信道估计和信号均衡技术成为提高OFDM系统性能的关键。
本文旨在全面深入地研究OFDM系统中的信道估计和信号均衡技术，包括其基本原理、算法实现以及在实际系统中的应用。
我们将首先概述信道估计和信号均衡的基本概念和原理，分析它们对OFDM系统性能的影响。
然后，我们将详细介绍几种常用的信道估计和信号均衡算法，包括最小均方误差（MMSE）估计、最大似然（ML）估计、线性均衡和非线性均衡等，并比较它们的性能和复杂度。
本文还将探讨信道估计和信号均衡技术在不同应用场景中的优化方法，例如，在高速移动环境、多输入多输出（MIMO）系统以及认知无线电系统中的应用。
我们将通过理论分析和仿真实验，评估这些优化方法在不同场景下的性能，并提出可能的改进方案。
本文将总结信道估计和信号均衡技术在OFDM系统中的重要性和挑战，展望未来的研究方向和应用前景。
我们希望通过本文的研究，能够为OFDM系统的性能提升和实际应用提供有益的理论支持和实践指导。
二、OFDM系统基本原理正交频分复用（OFDM）是一种无线通信技术，它将高速数据流分割成多个较低速度的子数据流，然后在多个正交子载波上并行传输。
这种技术结合了频率分集和多路复用，显著提高了频谱利用率，增强了系统对多径干扰和频率选择性衰减的鲁棒性。
OFDM的基本原理在于，通过快速傅里叶变换（FFT）将频域信号转换为时域信号，然后在时域中插入循环前缀（CP），以减少多径干扰产生的干扰。
每个子载波上的数据符号都是经过调制的，可以独立地进行检测和解码，从而实现了子载波之间的正交性。
单天线OFDM系统的信道估计算法研究
（ ａ ）信道冲激响应的理想值
图 １ Ｌ Ｓ估 计 受噪 声 的 影 响
（ ｂ ）Ｌ Ｓ 估计得到的信道冲激响应
线性最小均方误差准则的含义是使信道估计的 均方误 差 （ Ｍ Ｓ Ｅ ） 值最 小 ， 所 以它是 基于统计 意义
的 。Ｌ ＭＭＳ Ｅ估计 的公式 为 ：
最大似然准则 的含义是使信道 的似然 函数最 大， 由于其 结构 复杂 ， 所 以实 际 中很少使 用 。
图 ２是 对 以 上 三 种 准 则 性 能 的 比 较 ， 其 中 图 ２ （ ａ ） 是误 码 率 曲线 ， 图２ （ ｂ ） 是 ＭＳ Ｅ值 与信 噪 比的 关 系 曲线 。可 以看 出 ， Ｌ ｓ的性 能 最差 ， Ｌ ＭＭＳ Ｅ的性 能最 优 ， 而 ＭＬ的 性 能 介 于 它 们 之 间 ， 且 十 分 接 近
图 ３是对 Ｌ Ｓ准则 的 Ｄ Ｆ ｒ校 Ｔ校正之后 ， Ｌ Ｓ 估计的性能有 了很大的提高 ， 其误码性 能已经很接近 Ｌ Ｍ Ｍ Ｓ Ｅ的 误码性能； 但是 由于它没有使用信道 的二阶统计特 性， 只使用了信道长度的信息 ， 所以它的性能依然没
，
，
有Ｌ ＭＭｓ Ｅ的性能好 。
１ ． ２ 非导频 位置信 道信 息 的获 取
在得到了导频处的信道信息后 ， 一般使用插值
／ ４ ＇
、 一１
Ｌ Ｍ Ｍ Ｓ Ｅ ＝ Ｒ ｐ ｐ （ Ｒ ｐ ｐ ＋ ） ，
（ ３ ）
的方法恢复出非导频处的信道信息。常用的插值方 法有线性插值和三次样条插值。线性插值是最简单 的插值方法 ， 在每两个插值节点之间使用直线进行 拟合 ； 但是其结果在插值节点处不可导 ， 即在插值节 点处不平滑。三次样条插值可以保证所有的节点都 连接成一条平滑（ 二阶导数连续 ） 的曲线 ， 具有很好
OFDM系统的信道估计与信号检测研究与实现
摘要21世纪即将进入5G的时代，移动通信正在朝着更高的传输速率、更低的延迟、更宽的带宽、更高的频谱利用率的方向快速发展。
OFDM技术作为5G通信领域的一项关键技术，在移动通信的应用领域发挥着重要的作用。
本文主要研究了OFDM系统的信道估计与信号检测技术，设计并实现了基于AD9361的同步信号检测系统。
首先研究了OFDM系统中传统的信道估计算法，并通过仿真，分析不同导频方案设计的传统信道估计算法的局限性。
其次将深度学习的神经网络模型引入到OFDM系统中，打破传统模块化的通信系统设计模式，建立联合信道估计与信号检测的端到端网络模型，基于神经网络模型根据接收数据直接恢复出原始数据流。
与传统算法相比，基于深度学习的端到端信号检测算法无需信道的统计信息，通过大量数据学习信道特性并用于信号检测。
本文提出一种基于滑动双向门控循环单元模型(SBGRU)的端到端序列检测算法，仿真表明，所提的端到端序列检测算法在较少的导频占用率、较大的多普勒频移、较大的时延等恶劣的信道条件下相较传统信道估计算法有明显的误码率性能提升，由于充分利用序列中蕴含的信息，本文提出的SBGRU算法比基于深度神经网络模型(DNN)的符号检测算法的性能更好，且在不同信噪比条件下的泛化能力更强。
最后设计了同步信号检测系统，在两发两收天线的射频系统中，通过发射一组ZCZ 码，利用其正交性克服不同天线间的相互干扰问题，在接收端，使用基于匹配滤波器的互相关检测实现同步信号的快速捕获。
基于FPGA和AD9361搭建完整的射频收发平台，通过配置AD9361完成特定参数的射频系统设计，并对射频收发链路进行调试，在此平台上，对同步信号检测方案进行测试，验证同步方案的合理性和可靠性。
关键词：OFDM；信道估计；信号检测；深度学习；AD9361ABSTRACTThe 21st century is the age of 5G. Mobile communication is developing rapidly towards to higher transmission rate, lower delay, wider bandwidth and higher spectrum utilization. As a key technology in 5G communication field, OFDM technology plays an important role in the application field of mobile communication.This paper mainly studies the channel estimation and signal detection technology in OFDM system, designs and implements the synchronization signal detection system based on AD9361. Firstly, this paper studies the traditional channel estimation algorithms in OFDM system, simulates and analyzes the limitations of the traditional channel estimation algorithms designed by different pilot schemes.Secondly, this paper introduces deep learning neural network model into OFDM system, breaks the modular design mode of traditional communication system, establishes the end-to-end neural network model joint channel estimation and signal detection, and directly recovers the original data flow according to the received data based on the neural network model. Compared with the traditional algorithm, the end-to-end signal detection algorithm based on deep learning does not need the statistical information of the channel, it uses a large number of data to learn the channel characteristics for signal detection. In this paper, an end-to-end sequence detection algorithm based on Sliding Bidirectional Gated Recurrent Unit (SBGRU) is proposed. From our simulation results, the proposed algorithm has better bit error rate(BER) performance compared with traditional algorithms in less pilot occupation, larger Doppler shift, larger channel delay, etc. Due to making full use of the information contained in the sequence, the proposed SBGRU algorithm has better BER performance compared with the symbol detection algorithm based on deep neural network(DNN), and it has stronger generalization ability in different signal-to-noise ratio (SNR).Finally, this paper designs a synchronization signal detection system. In the RF system of two transmitter and two receiver antennas, this paper transmits a set of ZCZ codes, uses its orthogonality to overcome the interference between different antennas. At the receiver, the cross-correlation detection based on matched filter is used to realize the detection of synchronization signals rapidly. This paper builds a complete RF transceiver platform based哈尔滨工程大学硕士学位论文on FPGA and ad9361, designs the specific parameters by configuring ad9361 in RF system, debugs the RF transceiver link, and tests the synchronous signal detection scheme on the hardware platform to verify the rationality and reliability of the synchronization scheme.Key words：OFDM; channel estimation; signal detection; deep learning; AD9361OFDM系统的信道估计与信号检测研究与实现目录第1章绪论 (1)1.1研究背景与意义 (1)1.2国内外研究现状 (1)1.2.1 信道估计技术的研究现状 (2)1.2.2 同步信号检测技术的研究现状 (3)1.3论文的主要工作和内容安排 (5)第2章无线信道及OFDM技术 (7)2.1无线信道特性 (7)2.1.1 大尺度衰落 (7)2.1.2 小尺度衰落 (8)2.1.3 基于Jakes模型的瑞利衰落信道 (9)2.2OFDM技术原理 (10)2.2.1 OFDM收发机结构 (10)2.2.2 子载波调制 (11)2.2.3 OFDM保护间隔 (12)2.3基于导频辅助的OFDM系统信道估计技术 (13)2.3.1 LS信道估计算法 (14)2.3.2 MMSE信道估计算法 (15)2.3.3 线性插值 (17)2.3.4 仿真分析 (17)2.4本章小结 (20)第3章基于深度学习的端到端信号检测系统 (21)3.1深度学习相关理论 (21)3.1.1 深度神经网络模型 (21)3.1.2 循环神经网络模型 (24)3.2基于深度学习的端到端信号检测系统 (26)3.2.1 传输的信号结构 (27)3.2.2 基于深度学习的OFDM系统架构 (27)哈尔滨工程大学硕士学位论文3.2.3 基于DNN的端到端符号检测模型 (28)3.2.4 基于SBGRU的端到端序列检测模型 (29)3.3仿真分析 (32)3.4本章小结 (38)第4章基于AD9361的同步信号检测系统设计 (39)4.1同步信号检测系统方案设计 (39)4.1.1 系统总体设计方案 (39)4.1.2 基带发射端设计方案 (40)4.1.3 基带接收端设计方案 (41)4.2AD9361射频收发系统 (43)4.2.1 AD9361概述 (43)4.2.2 AD9361工作原理 (44)4.2.3 AD9361寄存器配置 (45)4.3实际测试 (51)4.3.1 AD9361射频收发链路测试 (51)4.3.2 同步系统测试 (53)4.4本章小结 (54)结论 (55)参考文献 (57)攻读硕士学位期间发表的论文和取得的科研成果 (63)致谢 (65)第1章绪论第1章绪论1.1 研究背景与意义随着移动通信技术的不断发展，4G已经快速成为与我们生活密切相关的移动通信技术。
基于OFDM技术的无线通信系统的信道估计的研究毕业论文
基于OFDM技术的无线通信系统的信道估计的研究目录1绪论 (1)1.1 研究内容及背景意义 (1)1.2 本论文所做的主要工作 (2)2 OFDM系统简介 (3)2.1 单载波通信与多载波通信 (3)2.2 OFDM基本原理 (5)2.3 OFDM的优缺点 (6)2.4 OFDM系统的关键技术 (7)3 OFDM信道估计及其性能仿真 (9)3.1 信道估计概述 (9)3.2 信道估计的目的 (10)3.3 OFDM信道特性 (10)3.4 信道估计方法 (13)3.4.1 插入导频法信道估计 (13)3.4.2 最小平方(LS)算法 (14)3.4.3 最小均方误差估计(MMSE) (17)3.4.4 线性最小均方误差(LMMSE)算法 (18)3.4.5 基于DFT变换的信道估计 (19)3.5性能比较与分析 (21)4改进的DFT算法及其性能仿真 (23)4.1 算法简介 (23)4.2 性能仿真 (25)5 结论与展望 (30)参考文献................................................................................. 错误!未定义书签。
答谢.. (31)1 绪论1.1 研究内容及背景意义近30年来，移动通信领域经历了从模拟到数字，窄带到宽带，低数据传输速率到高数据传输速率的演变。
第一代(1G:AMPS、TACS)和第二代(2G:GSM、IS-95CDMA)移动通信只能提供语音业务或部分低数据业务，为了实现个人通信，移动互联网，高清视频点播等超宽带，高数据传输速率业务，人们相继提出第三代(3G:CDMA2000、WCDMA、TD-SCDMA)和第四代(4G：LTE TDD、LTE FDD)移动通信，而其中的关键技术之一——正交频分复用(OFDM)成为研究热点。
OFDM技术的提出可以追溯到上世纪60年代，但由于当时大规模集成电路的限制，OFDM并未得到重视。
基于导频的OFDM系统的信道估计方法的分析
【 关键词】 １ 通过番 ． 回复所有信道的信息
． ． Ｅ信 道估 计 随 着 人 们 对 无 线 宽 带业 务 的需 求 的不 断 增 长 ， 线 宽 带 通 信 技 术 ２１１ ＭＭＳ 无 得 到 了迅 速 的发 展 。 在 各 种 宽 带 通 信 技 术 中 ， 交 频 分 复 用 （ Ｆ Ｍ） 正 ＯＤ 技 术 实 现 复 杂 度 低 ， 谱效 率 高 ， 频 能有 效 对 抗 多 径 干 扰 等 优 点 ， 到 了 受 由 （） 可 以 看 到 ， 导频 处 的 信 道估 计 信 息 矗 括 精 确 信 道 信 ４式 在 包
１ Ｄ ．．
号 周 期 为 Ｔ。 时 域 发送 信 号 为
一
（）
ｌ
ｘ ｎ ＝Ｄ Ｔ ｘｋ ｝ ｘ（ ）ｘ （ ￣ ｎ Ｎ） （ ）Ｉ Ｆ Ｉ（ ） ＿ ｋ ｅｐｊ ｋ ／ ２
０ ｒ －Ｉ
（） １
奇 异值 分 解 信 道 估 计 仅 仅 利 用 了 信 道 的 频 率 相 关 特 性 ， 化 了 接 简 受 机 的结 构 ． 由于 时 间 相 关 性 没 有 利 用 ， 此性 能有 所 下 降 。 采 用 但 因 它 低 秩 近似 方 法 来 估 计 信 道 ， 接 受 机 中 某 些 随 信 道 变 化 的参 数 进 行 固 对 化． 即设 定 为一 个 定 值 ， 少 了求 这 些 时 变 参 数带 来 的复 杂 性 。 减 当然 这
道 的 多 普 列 频 移 ， 为 第 ｉ 信 道 的时 延 。 径 接 收 端
， ｎ ＝ （ ） ＾ ｎ ＋ ｎ ， ） ｎ （ ） （ ） （
Ｏ≤ ≤ Ⅳ一１
其 仿 其 中 ，为 信 道 多 经 数 ，。 第 ｉ 信 道 的衰 落 因子 ， 为 第 ｉ 信 用 了 信 道 的 统 计 信 息 ， 性 能 仍 然 较 好 ． 真 结 果 表 明在 同样 复 杂 度 ｒ ｈ为 条 径 的 条 件 下 它 的性 能略 优 于 ＭＭＳ Ｅ估 计 。
MIMO-OFDM系统中信道估计方法研究
ｌＩ Ｉ１ 霪． Ｉ
悃网 母
Ｉ
卜 —Ｔ— 一
—
ＭＯ Ｏ Ｄ — Ｆ Ｍ技术最早于 １９ 年提出。 ￣ ［中首次将 ９６ ３ １ １ 接收 ｒ — ～ Ｌ 卜 ＯＤ Ｆ Ｍ与空时编码相结合，很快引起通信界学者的广 图 ２ 系统 接 收 端 模 型 泛关注。Ｏ Ｄ Ｆ Ｍ技术的主要思想就是把高速的数据流 通过 串并变换 ， 分配到多个并行的正交子载波上 ， 同时 （） ＝ （） （ ＋ｗ （） ） ｏｋ 进行数据传输。 根据 Ｏ Ｄ Ｆ Ｍ原理 ， 可以将频率选择 『信 生 ｍ 一１ Ｉ ｌ Ｊ 道转化为平坦衰落信道。 ＭＯ技术通过输入端与输出 ＭＩ 其 中， （ 表示从发送 天线 ｍ到接 收天线 ） 端的多天线 ，可以实现在不增加传输带宽的条件下成 ｎ在子 载 波 ｋ 的 的信 道频 率 响应 ， （ 为 方 差 上 ） 倍地提高无线通信系统 的传输速率和链路可靠性 。而 为 ｊ的加性高斯 白噪声。接收信号还可以表示 ＭＩ ＭＯ技术对于频率选择性深衰落信道情况传输质量 为矩阵 形式 很差 。ＭＩ ＭＯ技术与 Ｏ Ｄ Ｆ Ｍ技术相结合 ，相当于将 Ｈ ＭＩ ＭＯ技术应用到 Ｏ Ｄ Ｆ Ｍ的每一个子载波中，频率选 ｆ１ ２ 择． 『 生衰落信道转化为若干并行平坦衰落子信道 ，抑制 其 中， ｈ 为信道系数的不 同矩阵表示 Ｈ 与 干扰并抵抗信道衰落。由于 ＭＩ ＭＯ技术的应用 ， 提高了 图 ３ ＭＩ ＭＯ— Ｄ 系统 中不同 形式。其中 ｒ ｘ、 ｈ ｗ分别定义为 ＯＦ Ｍ 、 、 、…ｈ 与 Ｈ 传统 Ｏ Ｄ Ｆ Ｍ信道容量 ， 并有效抵抗衰落影响。 信道估计方法比较 ：ｔ， Ｉ …， ， ，
《2024年MIMO-OFDM系统中信道估计及信号检测算法的研究》范文
《MIMO-OFDM系统中信道估计及信号检测算法的研究》篇一一、引言在现代无线通信系统中，多输入多输出（MIMO）技术和正交频分复用（OFDM）技术被广泛地应用。
MIMO技术通过在发射端和接收端配置多个天线，可以有效地提高系统的数据传输速率和通信质量。
而OFDM技术则通过将频带划分为多个子信道，并在每个子信道上独立地调制信号，能够抵抗多径干扰和频率选择性衰落的影响。
然而，这两种技术都面临着复杂的信道环境和噪声干扰等问题，因此需要研究和设计有效的信道估计和信号检测算法。
本文将针对MIMO-OFDM系统中的信道估计及信号检测算法进行研究。
二、MIMO-OFDM系统概述MIMO-OFDM系统结合了MIMO和OFDM两种技术的优势，能够提供更高的数据传输速率和更好的通信质量。
在MIMO-OFDM系统中，多个天线同时发送和接收信号，每个天线之间相互独立，从而提高了系统的空间复用能力和分集增益。
同时，OFDM技术将频带划分为多个子信道，使得每个子信道上的信号可以独立地进行调制和解调，从而有效地抵抗了多径干扰和频率选择性衰落的影响。
三、信道估计算法研究信道估计是MIMO-OFDM系统中的重要环节，其目的是通过对接收信号进行处理和分析，估计出信道的状态信息，为后续的信号检测和均衡提供依据。
常见的信道估计方法包括基于导频的信道估计方法和基于盲信道估计方法。
基于导频的信道估计方法是在发送端定期发送已知的导频信号，接收端通过接收到的导频信号和已知的导频信息进行比较，从而估计出信道的状态信息。
这种方法简单易行，但需要占用一定的频带资源。
基于盲信道估计方法则是利用接收到的数据信号进行信道估计，不需要额外的导频信号。
常见的盲信道估计方法包括最小二乘算法、最大似然算法、迭代软判决算法等。
这些方法可以通过对接收到的数据进行迭代和优化处理，从而更准确地估计出信道的状态信息。
四、信号检测算法研究信号检测是MIMO-OFDM系统中的另一个重要环节，其目的是从接收到的信号中检测出发送端发送的数据信息。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于OFDM技术的无线通信系统的信道估计的研究目录1绪论11.1 研究内容及背景意义11.2 本论文所做的主要工作22 OFDM系统简介32.1 单载波通信与多载波通信32.2OFDM基本原理52.3 OFDM的优缺点62.4 OFDM系统的关键技术73 OFDM信道估计及其性能仿真83.1 信道估计概述83.2 信道估计的目的103.3 OFDM信道特性103.4 信道估计方法123.4.1 插入导频法信道估计123.4.2 最小平方(LS)算法143.4.3 最小均方误差估计(MMSE)163.4.4 线性最小均方误差(LMMSE)算法173.4.5 基于DFT变换的信道估计183.5性能比较与分析204改进的DFT算法及其性能仿真234.1 算法简介234.2 性能仿真245 结论与展望29参考文献错误!未定义书签。
答谢301 绪论1.1 研究内容及背景意义近30年来，移动通信领域经历了从模拟到数字，窄带到宽带，低数据传输速率到高数据传输速率的演变。
第一代(1G:AMPS、TACS)和第二代(2G:GSM、IS-95CDMA)移动通信只能提供语音业务或部分低数据业务，为了实现个人通信，移动互联网，高清视频点播等超宽带，高数据传输速率业务，人们相继提出第三代(3G:CDMA2000、WCDMA、TD-SCDMA)和第四代(4G：LTE TDD、LTE FDD)移动通信，而其中的关键技术之一——正交频分复用(OFDM)成为研究热点。
OFDM技术的提出可以追溯到上世纪60年代，但由于当时大规模集成电路的限制，OFDM并未得到重视。
直到1982年，Weinstei和Ebert提出基于离散傅里叶变换(DFT)的OFDM基带调制，才使得人们开始重视这一技术。
1990年，Peled和Ruiz提出的循环前缀(Cyclic Prefix,CP)，解决了信道正交性问题。
加之高速DSP技术，自适应技术，软件无线电技术的日益成熟，如何将OFDM技术应用到无线通信系统，成为人们亟待解决的问题。
经过多年的发展，OFDM技术已成功应用到数字音频广播(DAB),数字视频广播(DVB)，高清电视(HDTV)，视频点播(VOD)，无线局域网(WLAN)等通信领域。
例如1999年到2002年期间，清华大学成功研发出DMB-T数字电视传输系统；欧共体研发的数字视频地面广播(DVB-T)错误!未找到引用源。
在移动通信中，无线信道往往受到高层建筑物，河流，森林，山脉等的影响而呈现多径特性。
为了更好地适应信道传输，发送端通常采用调制技术；相应地，接收端要获得原始信息，必须对接收信号进行解调。
解调一般分为非相干解调和相干解调两大类，非相干解调适用于低速传输的系统，对于多进制调制的高速传输系统，大多数采用相干解调技术。
因此，为使接收端获得与发送端完全同频同相的载波信息，必须对信道进行估计,以对抗码间干扰和多径衰落。
对于OFDM系统，信道估计的任务就是，根据接收到的已失真的、叠加了AWGN的信息序列来准确估计出信道的频域传输特性，换句话说，就是估计OFDM各正交子信道的频率响应值。
因此，研究信道估计技术意义重大错误!未找到引用源。
1.2 本论文所做的主要工作本文基于OFDM系统原理，以OFDM信道估计算法为研究对象，对比分析了快衰落环境下各种估计算法的误码率和均方误差，随后提出一种估计性能优良的改进算法，并仿真了改进算法在抵抗码间干扰、多径衰落的优越性。
第一章以移动通信的演变为背景，介绍了OFDM技术的提出、发展历程和在民用通信中的应用，然后根据无线信道环境引出信道估计的概念。
第二章简要介绍了快衰落信道下OFDM系统组成原理，包括串/并转换，数据调制，离散傅里叶变换，循环前缀等内容，然后介绍了OFDM系统的优缺点及关键技术。
第三章是本文的重点。
首先简要介绍了信道估计的分类和目的；然后介绍了快衰落下的四种信道模型，并对四种模型的冲击响应进行了仿真，以观察各信道的时延扩展，并为后面估计算法的性能仿真做准备；之后重点分析了基于LS算法、MMSE算法、LMMSE算法以及基于DFT算法的信道估计原理，进行了大量公式推导，并总结其优缺点；最后在不同信道环境，不同子载波数下用MATLAB对各算法的误码率和均方误差进行了仿真，总结各算法估计性能。
第四章在第三章的基础上提出基于DFT的信道估计改进算法，并仿真分析改进算法较传统算法在减小误码率和均方误差上的优越性。
第五章是本文的总结与展望。
2 OFDM系统简介2.1 单载波通信与多载波通信单载波通信系统就是用信息调制单一载波，接收端采用与发射端相同的载波进行解调的通信系统。
它的原理如图2.1所示，其中()g t是匹配滤波器，用以滤除带外噪声。
第一代蜂窝移动通信(1G)与第二代蜂窝移动通信(2G)主要采用这种系统，因为1G和2G的数据传输速率不高，通过合适的均衡算法便能够很好地解决多径衰落引起的符号间干扰(ISI)。
但是，使用单载波系统传输高速的宽带业务，均衡算法中抽头系数大，训练序列多，这使得算法非常复杂，收敛速度也变得缓慢，因此必然会存在由于时延扩展而造成的码间干扰。
另外，当信道的相关带宽小于信号带宽时，会产生频率选择性衰落现象，导致通信的可靠性降低。
因此，人们必须提出更好的通信系统模型，来适应高速数据通信，多载波通信技术便是在这种背景下受到人们重视的。
图2.1 单载波通信原理框图多载波通信的基本思想是：在频域上将信道划分成M个相互独立的子信道，这样每个子信道的频谱特性都具有平坦或准平坦衰落特性，然后使用这些子信道传输信号并在接收机中予以合并，以实现信号的频率分集错误!未找到引用源。
与单载波系统相比，多载波系统具有的明显优势是，能够很好地对抗频率选择性衰落。
当M很大时，每个子信道都可看做是无ISI的子信道，在接收端，可以采用低复杂度的信号处理算法实现无ISI的信息传输。
多载波调制技术的原理框图如图2.2所示。
图2.2 多载波调制原理方框图单载波与多载波存着在诸多不同的系统参数，如符号时间，总频带宽度等。
表2-1对其做了详细比较。
其中M代表子载波数，ST为正交频分复用码元周期。
这里假设OFDM系统的保护带宽=1)ST⨯。
传输方式系统参数单载波多载波符号时间S T M S T速率SM T1ST总频带宽度2SM T⨯21(2)S SM T M T⨯+⨯⨯ISI敏感度敏感较不敏感2.2 OFDM 基本原理OFDM 属于多载波调制方案之一，它的基本原理是：将高速传输的串行数据流转换成若干个并行传输的低速子数据流，然后用这些子数据流去调制相互正交的子载波，从而构成多个低速比特流并行传输的系统错误!未找到引用源。
它的最大特点是各子载波具有正交性，从而调制后的频谱可以重叠，这在频谱日益紧X 的情况下，是一次重大的技术变革。
在实际应用中，一般采用等效基带信号来描述OFDM 输出信号，具体的数学表达式见式(2-1)。
10(2)exp 2(),()0,M i s S s s s S i S s s S i d rect t t T j t t t t t t T T s t t t t t T π-=⎧⎡⎤---≤≤++⎪⎢⎥=⎨⎣⎦⎪<>+⎩∑或 (2-1) 其中，M 为子载波数，S T 为OFDM 码元周期，(0,1,)i d i =…,M-1是第i 个子信道的数据流，s t 是OFDM 符号开始的时刻。
()s t 的实部和虚部分别和OFDM 符号的同相(In-phase)和正交(Quadrature-phase)分量相对应，在实际应用中可分别用cos 和sin 代替，这样便构成了合成的正交频分复用信号。
由于OFDM 是多载波方案，可用图2.2作为其原理框图，只要满足各载波相互正交即可。
图2.3是OFDM 系统结构图，主要采用了离散傅里叶变换算法。
其中，上半部分是OFDM 的发送端，下半部分是OFDM 的接收端，中间的信道是典型的瑞利衰落信道，信道中的噪声是AWGN 。
串/并转换主要是将串行传输的高速数据流转换成并行传输的多路低速子数据流，从而延长符号周期，将快衰落信道转换成平坦衰落信道，减小符号间干扰。
DFT/IDFT 可用FFT/IFFT 代替，降低算法复杂度，提高计算效率，且可在同一硬件电路中实现。
用循环前缀来填充保护间隔，只要保护间隔长度大于信道的最大时延扩展，信道便仍然正交，这样便可进一步降低ISI 和ICI 的影响。
载波调制是为了使信号适合信道传输。
在接收端，采取相反的措施，理论上便可完全恢复出原始信号。
图2.3基于IFFT/FFT实现的OFDM系统框图2.3 OFDM的优缺点任何一项技术都不是完美无瑕的，正交频分复用技术也是如此，存在着如下优缺点。
OFDM技术的优点主要有：(1)由于DSP技术的飞速发展，OFDM系统中各子信道的正交调制和解调可通过快速傅里叶变换(FFT)和逆变换(IFFT)来实现，从而大大降低了算法复杂度，且信息的实时处理更快更可靠。
(2)现代数据通信业务一般存在非对称性，OFDM系统可通过调制不同的子载波来获得相应的信息传输速率，从而满足现代通信的需求。
(3)通过编码技术可以解决系统的随机错误，交织技术可解决突发错误，OFDM系统通过编码与交织，能很好地提高系统的误码性能。
(4)由于OFDM各子载波相互正交，在极端情况下允许各调制信号的频谱有12重叠，因此与第一代移动通信中的FDM系统相比，OFDM系统频谱利用率高，可节省带宽。
OFDM技术的缺点主要有：(1)存在一定概率的PAPR。
高峰均比信号通过功率放大器时，为防止信号畸变，功放必须具有较大的线性X围，这将降低功率放大器的工作效率。
(2)对频率偏移敏感。
OFDM系统要求各信道之间严格正交，系统的定时同步精度非常高，对于快衰落环境引起的频偏，高精度定时同步算法发杂，且较难实现。
2.4 OFDM系统的关键技术OFDM之所以是优秀的多载波调制方案，其原因不只是以上诸多优点，还与如下关键技术有关。
1、时域与频域同步技术前文提到，OFDM系统对定时同步有很高的精度要求，且易受频偏影响。
频分多址，时分多址，码分多址等在配合正交频分复用技术使用时，更应注意对定时同步与频偏的控制。
在通信过程中，同步一般分为捕获和跟踪两个阶段。
在下行链路中，基站通过广播控制信道(BCCH)向各移动台发送同步信号；在上行链路中，为保证各信道的正交性，到达基站的各移动台信号也必须保持同步。
2、信道估计在正交频分复用系统中，信道估计器的设计主要考虑以下两方面的因素：一是算法简单、硬件实现容易且估计性能优良的估计器的设计；二是导频图案的选择，无线信道一般是多径衰落信道，为提高通信可靠性，需要不断地发送导频信息来跟踪无线信道。