多输入多输出(Multipie-Input Multipie-Output,MIMO)技术和正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术是实现充分利用空间资源、提高频谱利用率和对抗频率选择性衰落的一种有效途径,是实现未来宽带无线通信...
详细信息
多输入多输出(Multipie-Input Multipie-Output,MIMO)技术和正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术是实现充分利用空间资源、提高频谱利用率和对抗频率选择性衰落的一种有效途径,是实现未来宽带无线通信系统的高效传输技术。本文围绕MIMO-OFDM系统信道相关问题进行研究,其中包括信道模型、信道估计算法、以信道估计为基础的资源分配算法等,研究的主要内容和创新工作如下:\n 首先,对MIMO信道模型的空间相关性进行分析,推导了一种微小区背景下无线信道问相关系数的闭合表达式。在微小区椭圆模型条件下,收发两端均具有大量散射和角度扩展,且散射体不同于通常的平均分布情况,而采用更具一般性的Von Mises分布函数,利用几何关系特性,建立信道相关性的数学模型,以便分析不同天线结构、信道衰落参数对系统相关性能的影响,使满足信道处理算法的设计与系统性能。在微小区设计适当的收发端天线阵阵元间距,取得一个较小的相关系数,从而得到较大的信道容量,该结论能够更好地为系统方案及算法的验证服务。\n 其次,全面分析了信道估计方法,针对OFDM系统半盲信道估计方法受到噪声限制的问题,提出了基于小波去噪的信道估计算法。由于小波变换具有时频特性和变焦特性,能够得到信号频谱的细节,很好地滤除信号中的噪声,从而进一步改善信道估计的性能,减小噪声干扰对信道估计准确性的影响。研究了MIMO-OFDM系统自适应信道估计算法,首先利用最小二乘(LeastSquares,LS)算法估计信道,接着利用最小均方(Least Mean Square,LMS)和递归最小二乘(Recursive Least Square,RLS)自适应迭代算法来进行信道跟踪与估计,得到信道系数矩阵。自适应迭代信道估计算法不需要任何信道统计信息,与LS信道估计方法相比,均方误差与误码率均有较大改善,LMS信道估计方法具有计算复杂度小,而RLS信道估计方法收敛快,系统性能优于LMS算法。\n 再次,针对最小化多用户OFDM系统的发射功率,提出一种新的资源优化分配方案。将多用户OFDM系统的子载波和比特分配问题转化为一个有约束条件非线性规划问题,考虑到文化算法对非线性优化问题具有较强的最优解搜索能力。利用文化算法搜索最优的子载波和比特分配,在传统的进化算法基础上引入了信仰空间,用于指导搜索方向。利用文化算法的资源分配方案搜索效率更高,具有较好的性能。\n 最后针对中继辅助的正交频分多址(Orthogonal Frequency DivisionMultiple Access,OFDMA)系统,提出了在放大转发(Amplify,and Forward,AF)和译码转发(Decode and Forward,DF)两种转发方式下双向传输策略,并与直接传输模式和单向中继转发模式进行比较。利用一种凸优化结构,联合最优化用户子载波结构和发射功率以及速率分配,使用二重拉格朗同分解方法,将联合资源分配问题转化为多个并行子问题来求解。针对每个用户不同传输模式(直接模式或中继模式),每个中继的传输模式(单向或者双向中继模式),不同中继传输模式(AF或DF)每个子问题的规则,得到不同情况下的子问题优化的有效算法。针对虚拟MIMO(Virtual MIMO,VMIMO)系统的上行传输链路,以系统吞吐量最大化为目标,提出一种伙伴用户选择算法,给出资源分配的优化方案。由于移动终端的物理尺寸限制,通常为单天线用户。为了实现多天线传输,将移动终端看作特殊的中继节点,利用多个移动终端相互协作、共享资源,形成VMIMO系统。根据设定的路径损耗门限域,随机选择门限域内的用户作为伙伴用户,合理优化分配资源,使系统吞吐量最大化,从而有效地提高了资源利用率以及系统吞吐量。
暂无评论