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 [14]：在算法中使用汉宁窗，加快带外衰减。信息处理过程如图4.1所示。图4.1改进的DFT估计算法框图在信道估计时，先将频域转换为时域，使用汉宁(Hanning)窗使带外噪声迅速衰减，然后补零达到循环前缀长度，之后去窗再转换到频域。主要步骤如下：对进行M点离散傅里叶逆变换，得到：(4-1)用汉宁(Hanning)窗对信号进行处理，即：(4-2)(4-3)其中式(4-2)为汉宁窗的表达式。接着在时域对信号信号进行补零操作，使信号长度达到N维，之后去窗，得到：(4-4)(4-5)(4-6)最后将转换到频域，得到改进算法的信号估计H：(4-7)4.2性能仿真在S-V模型的四种信道环境中，分别在64子载波数，128子载波数条件下，用MATLAB对改进算法的估计性能进行仿真分析。其中信道参数设置如表4-1，仿真参数设置如表4-2：表4-1四种信道环境参数信道模型CM-1CM-2CM-3CM-4视距分量视距非视距非视距非视距多径数/10dB12.814.925.340.6平均附加时延/ns6.18.916.429.9多径数/85%21.334.263.9124.1均方根附加时延/ns5.08.215.325.5表4-2OFDM信号估计仿真参数调制方式BPSK信道噪声类型AWGN子载波间隔(MHz)4.125导频插入比4(64载波)，8(128载波)导频数(个)16码元周期(ns)312.5保护间隔(ns)70.3子载波速率(Baud/s)320M循环前缀周期(ns)66.7第一组：64子载波下的仿真结果：图4.2CM-1信道，64子载波下LS、DFT、改进DFT算法的SER比较图4.3CM-2信道，64子载波下LS、DFT、改进DFT算法的SER比较图4.4CM-3信道，64子载波下LS、DFT、改进DFT算法的SER比较图4.5CM-4信道，64子载波下LS、DFT、改进DFT算法的SER比较图4.664子载波下LS、DFT、改进DFT算法的MSE比较第二组：128子载波下的仿真结果：图4.7CM-1信道，128子载波下LS、DFT、改进DFT算法的SER比较图4.8CM-2信道，128子载波下LS、DFT、改进DFT算法的SER比较图4.9CM-3信道，128子载波下LS、DFT、改进DFT算法的SER比较图4.10CM-4信道，128子载波下LS、DFT、改进DFT算法的SER比较图4.11128子载波下LS、DFT、改进DFT算法的MSE比较表4-3各算法在64子载波和128子载波下的误码率比较估计算法载波数LS算法DFT算法改进的DFT算法640.05320.02610.02241280.10980.05110.0400表4-4各算法在64子载波和128子载波下的均方误差比较估计算法载波数LS算法DFT算法改进的DFT算法640.08400.00980.00581280.08780.01240.0071信号在64子载波数下，经过CM-1信道传输后，系统误码率性能如图4.2所示。由此可知，DFT算法由于时域能量集中在少数抽样点上，减少了频谱泄露，因而信道估计性能较好；而改进DFT算法，由于汉宁窗的加入和线性变换，使得带外噪声迅速衰减，在低SNR下估计性能较DFT算法有所提高。CM-2信道环境传输后系统的误码率曲线如图4.3所示，同样地，即使是在非视距环境下，改进算法能够将系统误码率降到最低。图4.4和图4.5分别是CM-3信道和CM-4信道环境下的系统误码率曲线，由图4.4可得，相同误码率下，改进算法的SNR较DFT算法有4dB的提升，较LS算法有9.5dB的提升；同样，在图4.5中，相同误码率下，改进算法的SNR较DFT算法有2.5dB的提升，较LS算法有8dB的提升。可以看出，CM-4环境下的系统性能较CM-3有所下降，原因是CM-4信道环境更复杂，多径时延最大。图4.6是LS、DFT、改进DFT算法的均方误差比较图，该图直观地反映了改进算法在降低MSE的优越性。由图可得，当SNR均为6dB时，改进DFT算法的均方误差较传统DFT算法有了0.35dB的提升，较LS算法有0.51dB的提升。图4.7至图4.11是在128子载波下的仿真结果。由图可得，同一算法，随着子载波数的增加，估计性能略有下降，表4-3与表4-4也说明了这一点，例如在64子载波与128子载波下，DFT算法的误码率增加了2.50%，均方误差增加了0.26%；改进算法的误码率增加了1.76%，均方误差增加了0.13%。因此，随着子载波数的增加，改进算法的估计性能会降低。5结论与展望答谢部分程序：clc;clearall;%=======================生成训练序列，采用BPSK调制========================%N=64;d=rand(N,1);fori=1:Nif(d(i)>=0.5)d(i)=1;elsed(i)=-1;endendfori=1:NX(i,i)=d(i);end%========================计算信道向量G和信道特性========================%tau=[0.53.5];fork=1:Ns=0;form=1:2s=s+(exp(-j*pi*(1/N)*tau(m))*((sin(pi*tau)/sin(pi*(1/N)*(tau(m)-k)))));endg(k)=s/sqrt(N);endG=g';%信道向量H=fft(G);%频域XFG=X*H;n1=ones(N,1);n1=n1*0.000000000000000001i;%加入复高斯白噪声noise=zero(n1,5);%设置SNR为5dBNo=fft(noise);Y=XFG+No;%=============================计算误码率================================%forn=1:8SNR_send=2*n;error_count_l=0;%清空error_counterror_count_ls=0;error_count_mmse=0;error_count_smmse=0;error_count_dft=0;%=================求H_mmse===================%u=rand(N,N);F=fft(u)*inv(u);%DFT矩阵I=eye(N,N);Rgy=Rgg*F'*X';fori=1:Nyy(i,i)=Y(i);endH_mmse=fft(Gmmse);fori=1:N Hmmse(i,i)=H_mmse(i);end%================求H_lmmse===================%u=rand(N,N);F=fft(u)*inv(u);%DFT矩阵I=eye(N,N);fori=1:NHsmmse(i,i)=H_smmse(i);end%==================求H_dft====================%u=rand(N,N);F=fft(u)*inv(u);%DFT矩阵I=eye(N,N);fori=1:NHdft(i,i)=H_dft(i);end%=============================生成随机序列=============================%forc=1:1000X=zeros(N,N);d=rand(N,1);fori=1:Nif(d(i)>=0.5)d(i)=+1;elsed(i)=-1;endend fori=1:NX(i,i)=d(i);endXFG=X*H;n1=ones(N,1);n1=n1*0.000000000000000001i;%加入复高斯白噪声noise=awgn(n1,SNR_send);variance=var(noise);No=fft(noise);Y=XFG+No;%================================接收机=================================%%===============无估计的接收=================% I=inv(Hl)*Y;fork=1:N if(real(I(k))>0)%判决I(k)=1;elseI(k)=-1;endend fork=1:N if(I(k)~=d(k)) error_count_l=error_count_l+1; end end%==============LS估计器的接收================%I=inv(Hls)*Y;fork=1:Nif(real(I(k))>0)%判决I(k)=1;elseI(k)=-1;endendfork=1:Nif(I(k)~=d(k))error_count_ls=error_count_ls+1;endend%===============DFT估计器的接收=================%I=inv(Hdft)*Y;fork=1:Nif(real(I(k))>0)%判决I(k)=1;elseI(k)=-1;endendfork=1:Nif(I(k)~=d(k))error_count_dft=error_count_dft+1;endendendser_l(n)=error_count_l/128000;ser_ls(n)=error_count_ls/64000;ser_mmse(n)=error_count_mmse/64000;ser_smmse(n)=error_count_smmse/128000;ser_dft(n)=error_count_dft/96000;SNR(n)=SNR_send;end;%===================================作图===============================%semilogy(SNR,ser_l,'-vk');axis([2,16,0.5*0.01,0.5*1]);gridon;holdon;semil