基于去噪策略的OFDM信道估计技术的综述 - 2017年国际期刊629页完整文章

工程科学与技术，国际期刊20（2017）629完整文章基于去噪策略的OFDM信道估计技术综述Pallaviram Surea，Chandra Mohan Bhumaba部。印度Ramaiah应用科学大学电子通信工程系b部印度Bapatla工程学院电子通信工程系阿提奇莱因福奥文章历史记录：接收日期：2016年2016年8月22日修订2016年9月15日接受2017年2月23日在线发布保留字：导频辅助信道估计MMSE技术LS技术去噪门限OFDMA B S T R A C T信道估计形成任何基于正交频分复用（OFDM）的无线通信接收机的核心。频域导频辅助信道估计技术是基于最小二乘（LS）或基于最小均方误差（MMSE）基于LS的技术在计算上不太复杂。与MMSE的，他们不需要先验知识的信道统计（KCS）。然而，均方误差（MSE）的信道估计器结合MMSE为基础的技术的性能是更好的相比，与LS为基础的技术的结合。为了使用基于LS的技术来增强MSE性能，在文献中已经开发了各种去噪策略，这些策略被应用于LS估计的信道脉冲响应（CIR）。基于去噪阈值的LS技术的优点在于，它们不需要KCS，但仍然呈现与基于MMSE的技术类似的接近最优的MMSE性能。本文对现有的各种去噪策略进行了详细的综述，并对这些策略进行了比较讨论。©2017 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍当前的无线通信标准正在向5G发展[1]。此外，能量效率是包括无线通信的许多应用例如，在[2]中，为异构无线传感器网络开发了能量感知分簇协议。此外，在[3]中提出了在火车站中布置用于监测铁路轨道和铁路隧道的节能传感器节点的研究。能源效率也是5G通信系统的挑战之一。这样的系统可以通过结合多输入多输出OFDM（MIMO-OFDM）技术来实现。MIMO-OFDM允许更高的能量和频谱效率，同时减轻符号间干扰（ISI）[4]。从3G开始，无线通信标准中就引入了OFDM技术，以减少符号间干扰，获得更高的数据速率和更好的系统频谱效率。任何OFDM接收器的心脏是信道估计块。信道估计的效率直接影响OFDM系统的误比特率（BER）性能本文考虑频域中的数据辅助（导频*通讯作者。电子邮件地址：pallaviram.sure@ yahoo.com（P.Sure）。由Karabuk大学负责进行同行审查频域信道估计技术在OFDM符号网格中的已知位置处采用称为导频的已知符号。这些导频以规则的方式布置为梳型、块型[5]或2D网格型[6]。在梳型布置中，导频存在于所有OFDM符号的几个子载波中，而在块型布置中，导频存在于所有OFDM符号的几个子载波中。所有子载波上的几个OFDM符号。在2D网格型布置中，导频存在于几个OFDM符号的几个子载波中。因此，在2D网格类型中的导频的数量小于在梳型或块型布置中的导频的数量。然而，在快衰落信道环境中，系统BER方面的可靠性对于梳状布置更好[5]。在接收机处，使用已知的和接收到的导频符号来估计信道。频域信道估计技术是基于LS、基于MMSE或基于最大似然（ML）的技术。在本文中，LS和MMSE技术已被主要考虑。基于MMSE的技术利用二阶KCS，并且比基于LS的技术提供接近最优的性能[5]。然而，它们具有较高的计算复杂度和实际上不可用的二阶信道统计的缺点。基于LS的频域信道估计方法实现简单，并且不需要任何KCS。为了提高基于LS的信道估计器的MSE性能，文献中已经开发了许多基于去噪阈值的策略。这增强了http://dx.doi.org/10.1016/j.jestch.2016.09.0112215-0986/©2017 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestch半- ]下午6点30分。当然，C.M. Bhuma/Engineering Science and Technology，an International Journal 20（2017）629信道估计器，并进而改善接收机的BER性能，这与基于MMSE的技术相当。去噪技术需要KCS参数，如信道长度、信道抽头数和AWGN噪声功率，这些参数在实践中不容易估计。为了估计OFDM系统中的频率选择性瑞利衰落信道，在[7]中开发了一种基于EM的迭代算法。EM算法是在观测数据不完全的情况下求系统所需参数的最大似然估计该算法在导频符号的帮助下提供CIR使用E步骤和Q步骤迭代该初始CIR该算法实现了一个接近最佳的CIR估计在几次迭代。在[8]中开发了另一种低复杂度EM算法，并且在[9]中采用稀疏贝叶斯学习（SBL）技术来联合估计信道及其二阶统计量。由于本文主要讨论LS和MMSE技术，因此没有对ML技术进行进一步讨论。本文的其余部分组织如下。第二节介绍了典型OFDM系统的基带模型。随后，讨论了OFDM系统中各种块的可用方案。在第3节中，对可用的去噪策略进行了详细的调查。导频辅助信道估计在MIMO-OFDM系统中本文在第5节结束。2. OFDM系统模型典型OFDM无线通信系统的基带模型如图1所示。首先使用数字调制方案（如二进制相移键控（BPSK）、正交相移键控（QPSK）或正交幅度调制（QAM））来映射要发送的二进制数据。调制的数据符号从串行形式转换为并行形式。一列数据符号形成单个OFDM符号。多个OFDM符号形成OFDM网格。每行数据符号被称为子载波。如果一个OFDM符号包括N个数据符号，则子载波的数量为N。导频插入块用于发送已知数据，这是可选的。导频是已知的数据符号，其有助于在接收机处估计信道。每个OFDM符号使用逆变换被转换到时域。DFT（IDFT）操作。在每个时域OFDM符号的开始处附加循环前缀（CP）以抵消信道中由ISI引起的失真。CP是任何给定OFDM符号的最后部分的副本。也可以使用零填充（ZP）来代替CP然而，CP在对抗ISI方面比ZP更有效[10]。在插入CP之后，所得到的OFDM符号被转换为串行形式并且通过无线信道被发送。信道可以是平坦衰落类型或频率选择性衰落类型。在任何情况下，在接收器处，加性高斯白噪声（AWGN）的存在是固有的。在本文中，完美的同步之间的发射机和接收机假设不完美的定时或频率同步导致任何给定信道估计技术的BER性能降低在实践中，定时同步可以通过利用CP的结构来实现[11]。在接收机处，接收到的符号被转换为并行形式，并且CP被移除。通过DFT块发送所得到的OFDM符号基于导频的均衡器使用这些符号来估计信道，并进一步处理接收到的数据以估计发送的OFDM符号。然后将这些符号转换为串行形式并进行解映射，以获得传输的二进制数据。解调器：它由信道估计器和符号估计器组成。图2中示出了基于LS的信道估计器。使用检索的和已知的导频符号，在导频位置处执行LS估计。对LS估计的信道频率响应（CFR）进行插值以获得所有位置（数据和导频）处的CFR。然后使用IDFT块将其转换为CIR，通过执行截断和阈值操作对其进行降噪。然后得到去噪后的CFR。符号估计器是一个单抽头均衡器，它使用估计的信道频率响应（CFR）和接收的符号来估计发送的符号。通常，在接收机处，在（1）中给出了第i个接收的OFDM符号，记为Yi;k，其中Hi;k是CFR，Xi;k是发送的OFDM符号，并且Ni;k是第i个符号持续时间中的AWGN。子载波索引k的范围是0;N 1，其中N表示子载波的总数。（1）中的表达式假设载波间干扰（ICI）是可忽略的[5]。Fig. 1. 一个典型的基带OFDM系统。二进制数映射器串 行 到并 行 转换器导频插入块IDFT块CP插入块并串转换器无线信道∑二进制数解映射并行到串行转换器导频均衡器DFT块CP去除块串 并 转换器AWGNi;ki;k（h）2i;ki;ni;n;;i;n.i.;Xi;ki;k1/4;2个月P. 当然，C. M. Bhuma/Engineering Science and Technology，an International Journal 20（2017）629-636631图二.导频辅助信道估计器。Y i;k<$H i;kX i;k<$N i;k;06k6N-1 1接收机处的信道估计器处理如图2所示的Yi，k。每个OFDM符号中的导频位置（表示为P_k_n）和发送的导频符号（例如，X_i;k;k2P_k_n）在接收机处是已知的。LS块如（2）中那样估计信道频率响应（CFR）系数。HLSYi; kkPk2i;kXi;k为了在所有子载波位置获得CFR，使用插值技术。内插CFR为HLS;06k6N- 1。然后，使用（1）代替HLS中的Yi;k，LS估计的CFR可以是表示为（3）。在（3）中，Vik^Ni;k.在该CFR上采用IDFT，如（4）中获得CIR估计。HLS<$Hi;kVi;k;k2½0;N-1]3h LS<$h in nnn;06n6N-1 4除上述外，基于DFT和IDFT的插值也在[14在基于DFT的内插中，首先使用DFT或IDFT变换给定的CFR系数，其被零填充。然后分别采用IDFT或DFT重构的CFR序列的长度比插值前的CFR序列长。基于IDFT的插值，称为时域插值优于线性和二阶插值，但不如样条插值，如[5]所示。如[17]所示，基于DFT的插值优于基于IDFT的插值。此外，基于DFT的内插被证明比线性、二阶、三次、时域和[18]中的低通内插好得多。如果使用块型导频布置，则在时间方向（符号方向）上需要内插。频率内插器可以作为时间内插器。如果使用2D网格类型的导频布置，则必须在时间和频率方向上执行内插。在[19，6，20，21]中探索了时域插值器。插值可以在时间和频率上同时执行，这在[22，23]中进行了探索。在（4）中，h i;n是被复高斯噪声v i ; n破坏的实际CIR。假设gL为信道长度，在nL/4-1之后的估计CIR被强制为零，称为截断CIR，由（5）给出。应用表示为（5）的去噪阈值，去噪CIR最终由（6）给出。可用的插值和去噪策略将在接下来的章节中讨论。3. 信道估计的去噪策略为了提高基于LS的技术的MSE性能以接近MMSE技术的MSE性能，一个强有力的工具是去噪。去噪是从噪声信号中消除噪声的过程h^i;n¼LSi;n06n6L-1ð5Þnal。（3）中给出的最小二乘估计和插值CFR，可以观察到（4）中的相应CIR被噪声破坏0L6n6N- 18h;. h^. > #因此，4中的CIR可以被视为噪声信号，并且可以被去噪以获得更好的CIR估计。可以通过使用阈值修剪CIR系数来执行去噪。阈值可以在时域中或在任何其它时域中设计。：0;否则2.1.用于信道估计的如图所示。 2、信道估计是信道估计的重要模块。如果采用梳型导频，则必须在频率方向（子载波方向）上对在导频子载波位置处获得的LS估计CFR进行插值，以获得CFR非导频位置的系数这有助于获得HLS这进一步有助于在（4）中获得CIR，h LS。一些插值技术是线性、二阶、三次或样条插值[5]。在线性插值中公式，给定两个相邻的CFR系数，在他们之间，假设两个给定的直线性质。在二阶或三次插值中，假定在给定的两个相邻CFR系数之间存在二阶曲线和三次曲线。插值的阶数越高，信道估计就越好[5]。多项式插值优于三次插值，已经在[12，13]中进行了探索，它们是n阶插值的广义版本。变换域如频率域、小波域和特征域。然而，对LS估计和插值的CIR执行去噪操作，其在时域中。持有策略往往是通过采用优化标准。一个阈值区分显着的信道脉冲响应（CIR）从嘈杂的抽头抽头抽头。从噪声CIR抽头中分离重要CIR抽头成为抽头检测问题，对于该问题，在现有文献中有许多解决方案，如下所述假设信道长度已知，LS估计的CIR被截断，而不采用阈值[24]。在该过程中，低于信道长度的CIR抽头都被认为是有效抽头，而信道长度之后的CIR抽头被认为是有噪声的并且被截断为零。与无截断情况相比，CIR抽头的截断改善了信道估计器的MSE性能[24]。对于OFDM系统中的信道估计，设计了符号内时域平均方法[25]。假设已知信道长度，根据该方法，基于阈值来选择有效CIR抽头，该阈值是已 知 最 大 信 道 抽 头 能 量 的 一 部 分 这 种 方 法 被 称 为 最 重 要 抽 头（MST）选择方法。它比文[24]中的截断CIR格式好。然而，应该注意的是，KCS信息的形式H^ti;n ¼ð6ÞSNRvn;Lnn¼不信息准则（GAIC），以同时获得信道长度的估计以及重要的CIR抽头位置。N2N-L n¼L。.2n;L#1/2ln2年qNp13v632P.当然，C.M. Bhuma/Engineering Science and Technology，an International Journal 20（2017）629信道长度和最大信道抽头能量对于该去噪方案是必要的。MST选择的两种不同策略见[25]。第一种策略包含固定数量的信号抽头，而第二种策略选择高于指定阈值#的所有重要抽头。OFDM系统仿真结果表明，一个好的阈值选择是在（20-23）dB内1 .该方法的误码性能优于传统的截断方法。假设已知信道长度，使用[29]中的最优条件从MSE表达式导出阈值。导出的阈值等于时域中噪声功率的两倍。假设信道长度已知，通过对LS估计的CIR的仅噪声部分求计算机模拟表明，与[24]相比，所设计的算法在MSE和系统BER方面表现更好。给出了阈值表达式通过将阈值从0：5r2改变为5r2，V V迭代信道估计技术已经在LTE系统中推广，在[26，27]中考虑了这一点。在[28]中设计了一种适用于稀疏信道存在下的OFDM系统的迭代信道估计算法。该算法在[29]的研究中获得了给定SNR的曲线图。 结果表明，当阈值为#^2r2时，均方误差较好.N-1. 2结合LS技术以及广义赤池r2¼. h LSn。ð10Þ使用系统模拟，该方法已被证明，[28]与[24]的方法相比，其MSE性能更好。该算法通过如（7）中给出的定义GAIC来进行，其中VL表示所获得的误差项，同时将通道建模为长度L，并且第二项对应于笔。c固定为2，但它可以取1： 56c62： 5中的任何值误差项VL在公式（8）中给出，其中r^2表示估计值用信道长度L计算的时域噪声方差。GAIC中国国际航空航天工业集团有限公司假设稀疏信道，在[30]中通过最大化正确检测的概率来开发阈值通过对最小二乘估计的CIR进行剪枝，得到了一种改进的CIR估计.与MST方法[25]和GAIC方法[28]相比，该方法显示出更好的MSE性能。然而，合并派生的阈值需要知道完整的功率分布，噪声方差和信道长度。阈值表达式如（11）所示，其中c2表示第n个信道功率分布的知识意味着c2;n2½0;N-1]这是不切实际的VL¼Nln. r^28.c2 βRv2信道估计算法最初假设P/4Lcp，v其中Lcp是假定的信道长度。对于每个L2½1;P]，计算GAIC值然后，信道长度估计为^L，在（9）中给出。进一步为了找出有效信道抽头位置，假设P1/2=L-1。重复GAIC计算的过程以计算（9）中给出的^L的新值。重复该过程直到L1.一、然后，所有^L的列表从GAIC最小化对应于抽头位置。该算 法还 被示出为图1 中的框图表示。3 .第三章。仿真结果表明，该算法具有较好的均方误差性能。利用小波域设计了一个阈值，该阈值是小波域的标准阈值。在[31，32]中，从小波分解获得的噪声的标准偏差。使用OFDM系统仿真，观察到基于小波的阈值比[29]中的阈值性能好得多。阈值表达式在（12）中给出，其中di是通过LS估计CIR的小波分解获得的细节分量。. 媒体njDj20：6745比[24]中使用的截断方法更有效。^L¼argminLGAICL9通过将[33]中的虚警概率和正确检测概率结合起来，通过最小化MSE表达式来推导次优阈值。推导出的阈值需要许多信道参数的先验知识为了克服这一点，通过固定抽头检测的总体虚警概率来设定阈值。在（13）中给出了相应获得的阈值表达式。这里，Np表示导频子载波的数量，qNp是时域噪声的倒数方差和P′ofa 就是误报的概率结果结果表明，通过牺牲Pofa，MSE性能得到了改善更好的是在[29]。ln.波法河在[34]中，基于MSE最小化开发了最佳阈值。MSE使用事件即抽头切除、抽头保持、噪声切除和噪声保持来制定推导的阈值需要信道长度、有效信道抽头数（Nt）和先验噪声方差。由于这些实际值在实践中是未知的，阈值往往是次优的。阈值表达式在（14）中给出。ln.Np-Nt图三. 基于GAIC最小化的信道估计##ð11Þ#¼ð12Þ#¼1Xvj-12Hv..L Sh 17nnnSIES（英语：SIES）. 乌湖6T;j¼0;Np- 1..vqqr^1¼2r¼pln4。X.4.1.试点战略P. 当然，C. M. Bhuma/Engineering Science and Technology，an International Journal 20（2017）629-636633基于能量的MST选择策略也已在[34]中提出。设计了一种瞬时能量选择（IES）方案，在该方案中，信道抽头被累加，使得所有抽头的瞬时能量之和加在一起达到目标T.这在（15）中显示。这里，hx;y表示第x个子载波中的第y个OFDM符号的CIR，Np表示导频子载波的数量，其被选择为大于信道长度L。该方案被证明比许多其他现有的阈值策略更好地执行。[34]中设计的另一种基于能量的策略是平均能量选择（AES）方案，如（16）所示。在这里，E^il表示在（17）中给出的第i个子载波中的W个连续OFDM符号的CIR样本中的组合能量，并且1表示阈值。这两种方案呈现更好的MSE perfor-曼斯比当这些不利用给定的阈值表达式。还观察到AES比IES表现更好，因为窗口长度W增加。但这意味着需要更多的存储空间。（ X. LS.（掌声）v¼0虽然信道估计器的MSE性能与信道估计器的MSE性能相当，但是很少有实际问题阻碍它们的MSE性能。最佳阈值表达式包括KCS参数，如L、Nt和r2。这在实践中应该被一致地估计。由于KCS估计的误差导致不可避免的MSE退化。这在[36]中进行了分析。此外，为了克服MSE降级，已经开发了本征选择阈值，其在（20）中示出。在（20）中，f是本征值的函数，kmin和kmax是LS估计和内插CIR的估计自相关矩阵特征选择阈值不使用任何KCS估计，但减少了MSE退化。它被证明优于[29- 31，34，35]中提出的但与其它方法相比，该方法的计算复杂度较大.##提出了加权噪声阈值，其平衡了由于[37]中的KCS估计而导致的MSE降级。在（21）中给出了相应的建议阈值，其中参数q可以通过[37]中提出的程序进行估计。这项工作表明，对于Q的良好估计，基于加权噪声阈值的信道估计优于[29- 29]中提出的其它阈值SAES我的天啊L>1;i/20;Np-1间客房，共16间客房31，34 -36]。##qΣð21Þ埃伊尔11/4瓦v1/4l-W12.i;v.4. MIMO-OFDM系统中的信道在[35]中，为稀疏信道开发了一种通用的基于阈值的信道估计算法。该阈值是根据LS估计CIR的噪声系数估计的与[29]的算法相比，该算法在中等复杂度下实现了更好的MSE和BER性能。通用阈值在（18）中给出，其中L_cp是信道的假定长度r2是第n个CIR系数位置处的噪声方差噪声的标准偏差使用（19）估计。与OFDM相反，在MIMO-OFDM系统中存在多个发射机和多个接收机。因此，在MIMO-OFDM和大规模MIMO-OFDM系统中，导频辅助信道估计是一个高维问题。在一个Nt×Nr的的所使用的导频符号的类型及其位置应当被选择为使得接收机可以区分所有Nt Nr个估计的变化。# ¼2Lcpr2pnn.媒体，媒介hL S。ð18Þð19Þnels。在本节中，已经解决了MIMO-OFDM系统的一些可用的导频策略。除了基于去噪的信道估计外，还讨论了符号检测问题。基于通用阈值的去噪策略如图所示。 4[35]。 这里r^11是算法第3步中得到的噪声标准差。最终的CIR表示为[对于n21/20;Lcp-1]。仿真结果表明，基于通用阈值的信道估计方法优于[29，25]中的方法。本节中讨论的去噪策略汇总于表1中。虽然最佳阈值接近MMSE对于MIMO-OFDM系统，梳型、块型和2D网格型导频布置可以扩展到在多个发射机处使用。这需要另外并入空值（无传输）。传统上，梳型导频布置用于MIMO-OFDM系统。考虑双天线系统的情况。第一天线的第一子载波在所有位置处承载导频。类似地，第二天线的第二子载波承载图四、采用通用门限的信道估计ð15Þ天线1天线2OFDM符号方向v.jjðÞ.ΣlnNrR2v.Σv××a;iXY1/4小时XWFG;q;ivtrvvqqp;iX X X X X X X XD D D D D D D DD D D D D D D DX X X X X X X XD D D D D D D DD D D D D D D DX X X X X X X XD D D D D D D DD D D D D D D DX X X X X X X XD D D D D D D DD D D D D D D DX X X X X X X XD D D D D D D DD D D D D D D DX X X X X X X XD D D D D D D DD D D D D D D DX X X X X X X X634P.当然，C.M. Bhuma/Engineering Science and Technology，an International Journal 20（2017）629表1去噪阈值总结。vSNRr2ln。2N12[31]中位D2是否否优于[29]0： 6745[33]lnNp=a的P<$qNp[34]Np-Nt2 2不 vN>L;p是不不优于[29，30]是比[29，30，33]更好.1-Nt[35]2r2InclusiveL是否是优于[29][36]fkthr;kmin6kthr6kmax否否不优于[29]至[35][37]q[29]不 ， 不 。所有位置的飞行员。在第二天线的第一子载波和第一天线的第二子载波中，仅发送空值。在[38]中，针对2 × 2 MIMO- OFDM系统研究了这种然而，随着系统配置增加到多于2个天线，以空值和导频两者的形式的开销量增加。克服上述问题的一种方法是采用具有块型导频布置的Chu序列。在[39]中为MIMO-OFDM系统设计了这样的在[39]中，对于4 × 4在每个发射天线处，Chu序列是剩余发射天线处的Chu序列具有接近理想的自相关和互相关特性。探索在每个接收天线的这个属性，未知的与在频域中执行信道估计的传统梳状系统不同，在时域中执行该技术利用了时域中的延迟反映为频域中因此，导频被嵌入在频率域中，而信道估计在时域中执行。在[40]中已经为MIMO-OFDM系统设计了一种特殊的4.2.信道估计与符号检测图五、2× 2 MIMO-OFDM系统 CTCP开销配置假设在第p个天线处接收的第i个OFDM符号被给出为（22），其中是由以下项形成的对角矩阵：Xa;i. 插值前后的LS信道估计为分别在（23）和（24）中给出，其中，H^pq;i是估计的CFR在第i个OFDM符号上的第q个发射天线和第p个接收天线之间。相应的CIR表示为h^pq;i。η个txDa;ia 1/4其中，06p6N- 1YKH^联系我们;k2fq;q<$S;q<$2S;. . . 2019年12月23日对于具有梳状开销的OFDM系统，令频域中的发送序列为Xq;i=k;06k6Nt- 1，pq;iH^kXq;i kYp;ikf f06k6N1 24第q个发射机的OFDM符号。用于携带导频的子载波k的集合对于所有发射天线都不相同。对于第q个天线，子载波索引k是fq;q=2S f;. . g，其中SF 表示导频子载波间隔。 注意，在一个如果第q个天线发送导频，则其余天线在该子载波上发送空值，如图1B所示。 五、使用接收符号和已知导频符号，在已知位置，在每个接收天线处执行信道估计。首先，使用LS方法在导频位置处估计CFR。然后，将获得的CFR内插到每个OFDM符号中。pq;iXqik;-注意，对于MIMO信道估计，导频被布置为使得当发射天线中的一个正在发送导频时，其他天线发射空值。因此，除了作为导频序列的Xq;i之外，所有Xa;i都是空值因此，（22）可以被简化为（25），其是第m个接收天线和第n个发射天线之间的单输入单输出（SISO）表示。Yp;i 1/4Hpq;iXD Wp;ibol来获得所有数据、导频和空位置处的CFR系数，这意味着所有N个子载波位置处的CFR。h^pq;iðnÞ¼h pq;i乌姆里奇夫p;i陈文辉;06n6N-1 26OFDM子载波方向v文章阈值KCS参数BER性能LNtR2[24日]截断是的没有没有总比没有门槛[25日]1的20没有没有是的总比没有门槛[28日]迭代格式没有没有没有比[24][29日][30个]2R2是的没有没有是的是的是的比[24]比[25，28]更好×P. 当然，C. M. Bhuma/Engineering Science and Technology，an International Journal 20（2017）629-636635在（24）中替换（25），（24）的时域版本由（26）给出。这里，v p;ik表示调制噪声项。因此，根据（26）的第二项，可以看出，估计的CIR，h，p，q，i是有噪声的。如第3节所述，并且将相应的CFR提供给符号检测器。SISO-OFDM系统的信道估计技术的性能可以使用MSE对SNR和BER对SNR图来研究。应当注意，BER是在接收数据最终被解码为二进制数据之后获得的。在MIMO-OFDM系统的情况下最佳解码器将是最大似然检测器或最大后验（MAP）检测器。然而，随着MIMO系统的配置变得庞大，这样的解码器无法实现[41]。因此，对于大规模MIMO-OFDM系统，一类算法是基于局部邻域搜索策略的。一些这样的算法是似然上升搜索（LAS）[42]和反应禁忌搜索（RTS）[43]。另一类算法接近MAP性能，其中一些是置信传播（BP）算法[41]和概率数据关联（PDA）算法[44]。为了提高符号检测性能，通常空时分组码通过提供空间冗余来保证OFDM系统的可靠性。最常用的空时分组码是Alamerican码。用于2 2然而，随着系统配置的增加，这些码的复杂度也增加。对于4天线系统，STBC实现如[46]所示。对于具有任意数量天线的系统，在[47]中讨论了阿拉姆码的广义实现。 从本节中的讨论中，清楚的是，用于具有LS和去噪方法的SIS 0-OFDM系统的导频辅助信道估计技术可以通过并入合适的开销布置而扩展到MIM0-OFDM系统。然而，为了这种系统的可靠性，除了信道估计之外，还必须改进符号检测。5. 结论本文讨论了导频辅助OFDM系统中的频域信道估计策略.如果导频以梳型、块型或2D网格型方式布置，则对LS估计的CFR系数执行插值。此外，为了改善CIR估计，可以执行去噪。本文对现有的去噪策略进行了详细的调查。研究表明，在已知KCS参数的信道环境中，可以部署各种去噪策略来改善系统的BER性能。其中，通过最小化MSE得到的门限，在已知的三个已知KCS参数（信道长度、AWGN噪声方差和信道抽头数）的帮助下，使BER性能接近MMSE因此，可以得出结论，如果采用去噪，则基于LS的信道估计技术可以执行类似于基于MMSE的信道估计技术。SISO- OFDM信道估计技术可以推广到MIMO- OFDM系统. MIMO-OFDM系统除了导频之外还发送空值，以帮助信道估计以及进一步的符号检测，这是高维问题。为了提高系统的可靠性，MIMO-OFDM系统采用了空时分组码。本文对现有的空时分组码和符号检测算法进行了综述。引用[1] K.库斯韦尔湾Fallgren，更新了5G移动和无线系统的场景、要求和KPI，并为未来的调查提供了建议，2015年，《20世纪20年代信息社会的移动和无线通信推动者》（METIS）。文件编号：ICT-317669-METIS/D1.5，可重复D1.5。[2] G. Vrinda，P. Rajoo，一种改进的异构无线传感器网络的能量感知分布式不平等聚类协议，在：Eng. Sci. 技术人员：Int. J. 19（2016）1050-1058。[3] P. Ayona，A. Rajesh，铁路系统中节能传感器节点布置的研究，在：Eng. Sci.技术人员：J. 19（2016）754-768。[4] 总 部 Ngo ， E.G. Larsson ， T.L. Marzetta ， Energy and Spectral Efficiency ofVeryLarge Multiuser MIMO Systems ， IEEE Trans. Commun.61 （ 4 ）（2013）。[5] S. Coleri，M. Ergen，A. Puri，A.李文，基于导频的OFDM系统信道估计技术，北京大学学报，2001。48（3）（2002）223- 229。[6] C.Y.L. Ting，An Lin，DVB-T系统的预测均衡器设计，在：IEEE Int. Symp.电路系统2（2005）940-943。[7] X. Ma，H.小林山Schwartz，OFDM的基于EM的信道估计，在：IEEE环太平洋通信、计算机和信号处理会议（PACRIM），第2卷（2001）449[8] S. Jain，P. Gupta，D. Mehra，用于OFDM系统的基于EM-MMSE的信道估计，在IEEE工业技术国际会议（ICIT）（2006）2598[9] R. 普 拉 萨 德 角 Murthy ， Bayesian learning for joint sparse OFDM channelestimationanddatadetection ， in ： IEEEGlobalTelecommunicationsConference（GLOBECOM）（2010）1[10] S. Wang，J. Hu，单输入多输出OFDM系统的盲信道估计：基于零填充还是基于循环前缀？，无线通信移动计算13（2）（2013）204-210。[11] B. 盛，基于循环结构的OFDM系统盲定时同步，新兴通讯。25（2）（2014）155-160。[12] K.C. Hung，D.W.林，基于MMSE线性相移多项式插值的导频辅助多载波信道估计，IEEE Trans.Wireless Commun。9 （8）（2010）2539-2549。[13] X. H.张健、H. Suzuki，复信号的相移插值，在：IEEE Commun。Lett. 16（9）（2012）1466-1469。[14] D. Li，F.Guo，G.利湖，加-地Cai，Enhanced DFT interpolation based channelestimationfor OFDM systems with virtual subcarrier，in：IEEE 63rd VehicularTechnologyConference VTC 4（2006）1580-1584.[15] Y. Zhao，中国粘蝇A.黄，一种基于导频信号和变换域处理的OFDM移动通信系统的新信道估计方法，在：IEEE车辆技术会议（VTC）（1997）2089- 2094。[16] R.S. Cheng，Baoguo Yang，K.B. Letaief，Z.曹，多径衰落信道中OFDM系统的基于窗口DFT的导频符号辅助信道估计，载于：车辆技术会议（VTC）2（2000）1480-1484。[17] J. Lei，C.大中、H.春平，两种新的OFDM系统变换域估计方法及其应用环境，加拿大电气和计算机工程会议，第1卷（2004）377[18] A.C.D. S 陈晓，等，正交频分复用系统中信道估计的性能分析，载于：国际无线电技术研讨会论文集，2007年，第32-36页[19] A.A.哈特河陈志荣，移动通信系统之信道估计，国立成功大学无线电工程研究所硕士论文，民国98年。[20] K. 李，复杂性有效的时间同步OFDM系统中的信道估计，电子。48（5）（2012）267-269。[21] 陈文，陈文，等，基于DFT的多输入多输出正交频分复用系统的信道估计，北京：通信出版社，2001。电子通讯69（1）（2015）321-327。[22] S.王志文，利用导频符号进行信道估计，国立成功大学无线电工程研究所硕士论文（1997）。[23] WSL董小戴，A.C.K.宋，导频符号辅助OFDM信道估计中的线性内插，在：IEEETrans.Wireless Commun。6（5）（2007）1910-1920。[24] J.J. van de Beek，O. Edfors，M. Sandell，S.陈志华，正交频分复用系统之信道估计，第二届国际无线电工程研讨会论文集，（1995）815[25] H. Minn ， V.Bhargava ， OFDM 信 道 估 计 的 时 域 方 法 研 究 ， IEEETrans.Broadcast。46（4）（2000）240-248。[26] Y. Liu，S. Sezginer，单输入多输出（SIMO）LTE系统中的两种迭代信道估计算法，Trans.Emerging期刊。Technol. 24（1）（2013）59-68。[27] F. M.P. Biagini，E. Del Re，S. Morosi，LTE下行链路的线性信道估计方法的时频MSE分析，Trans.Emerging期刊。26（4）（2015）704-717。[28] M.R. Raghavendra，K.李文生，“基于稀疏多径信道的OFDM系统信道估计方法研究”，清华大学学报，2000，24（1）：117 - 118. Lett. 12（1）（2005）52-55。[29] Y. 康 ， K. Kim ， H. Park ， Efficient DFT based channel estimation forOFDMsystems on multipath channels ， IET Commun.1 （ 2 ） （ 2007 ） 197-202。[30] 奥利弗河Aravind，K.M.M. Prabhu，通过基于阈值的修剪的OFDM系统中的稀疏信道估计，IEEE Electron. Lett. 44（13）（2008）830- 832。[31] Y.S. Lee，H.C. Shin，H.N. Kim，基于时域阈值的OFDM系统信道估计，IEEETrans.Broadcast。55（3）（2009）656-662。636P.当然，C.M. Bhuma/Engineering Science and Technology，an International Journal 20（2017）629[32] A. Alnuaimy ， M. 伊 斯 梅 尔 ， M 。 Ali ， Successive data schism andinterpolation for channel estimation in OFDM using wavelet denoising，in：The 12th International Conference on Advanced Com