MIMO-OFDM系统新型发射分集方法研究

【摘要】： MIMO(Multiple-Input Multiple-Output)技术充分开发空间资源,利用多个天线实现多发多收,在不增加频谱资源和天线发送功率的情况下,可以成倍地提高信道容量,满足未来无线通信中高速数据传输的需求。OFDM(Orthogonal FrequencyDivision Multiplexing)技术是多载波传输的一种,其多载波之间相互正交,可以高效地利用频谱资源。另外,OFDM将总带宽分割为若干个窄带子载波可以有效地抵抗频率选择性衰落。因此充分开发这两种技术的潜力,将二者结合起来(MIMO-OFDM)可以成为新一代移动通信核心技术的解决方案。本论文主要针对MIMO-OFDM系统,设计和研究了四种新型的发射分集方法;并结合阵列信号处理,提出了V-BLAST(Vertical Bell Labs Layered Space-Time)OFDM系统中两种稳健的检测算法。而且通过理论分析与仿真实验进行了验证。主要工作包括以下几个方面内容: 1.提出了一种可以使基于准正交设计的空时分组码(QOSTBC,Quasi-Orthogonal Space-Time Block Code)获得满分集增益的准正交分组的分层空频时编码(GLSFTBC,Group Layered Space-Frequency-Time Block Coding)-OFDM发射分集方法,即QO-GLSFTBC-OFDM。该方法将4个发射天线分为两组(每组2个),输入的信号经过空频编码(SFBC,Space-Frequency Block Coding)后分成两组,然后每组的数据分别经过空时编码(STBC,Space-Time Block Coding)、OFDM调制后,由相应的发射天线发送。在接收端首先利用子载波分组进行组间干扰抑制,然后对每组分别进行译码,由于每组都是Alamouti编码,因此每组都可以获得满速率和满分集增益,将两组合并后仍可以获得满分集增益。与采用星座图旋转的QOSTBC方法相比,该方法不扩大发射天线发送符号的星座图。从理论分析和计算机仿真的结果都可以看出:该方法在保持QOSTBC满速率优点的前提下,可以同时获得满空间分集增益;而且编码和译码的过程都是基于线性处理的,计算简单。 2.提出了频率选择性快衰落信道下基于线性星座图预编码(LCP,LinearConstellation Precoding)的分组的分层空频时编码OFDM发射分集方法,即LCP-GLSFTBC-OFDM。该方法的发射机结构基于四级用户码的设计:第一级基于OFDMA(Orthogonal Frequency-Division Multiple Access),主要用来进行组间干扰和码间干扰的抑制;第二级基于STBC,用来获得空间分集增益;第三级基于SFBC,用来获得时间分集增益;第四级基于LCP,用来获得频率分集增益。既克服了当发射天线数目较多时STBC设计复杂的缺点,又克服了传统分组的分层空时编码(GLSTBC,Group Layered Space-Time Block Coding)-OFDM要求信道必须为准静态衰落的弊端,而且编译码的过程都是基于线性处理的,计算简单。理论分析和计算机仿真结果也证明了该方法的有效性。 3.提出了MIMO-OFDM系统中两种多用户传输方法。第一种是基于子载波分组抑制组间干扰的CDMA多用户传输方法,即分组的分层空频编码(GLSFBC,Group Layered Space-Frequency Block Coding)-OFDM-CDMA(Code-divisionmultiple-access)方法。该方法的发射机结构基于三级用户码的设计:外码(基于OFDMA)主要用来进行组间干扰和码间干扰的抑制;中间级的码(基于SFBC)用来获得空间分集增益;内码(基于CDMA)用来消除多用户干扰。第二种是基于CDMA抑制组间干扰的OFDMA多用户传输方法,即GLSFBC-CDMA-OFDMA方法。该方法的发射机结构也是基于三级用户码的设计:外码(基于OFDMA)主要用来区分多用户和消除码间干扰;中间级的码(基于CDMA)用来消除组间干扰,内码(基于SFBC)用来获得空间分集增益。这两种方法在接收端都只需要一根天线就可以同时消除组间干扰和多用户干扰,因此,大大降低了接收机的复杂度(传统的基于SVD组间干扰抑制方法和基于串行干扰相消的方法需要对每个子载波对应的信道矩阵进行相应的操作,因而复杂度较高;而且需要多个接收天线)。理论分析和计算机仿真结果证明了这两种方法的有效性。 4.针对实际中信道估计存在误差,从阵列信号处理的角度提出了V-BLASTOFDM系统中两种稳健的检测算法。第一种是向信号子空间投影:将接收数据的协方差矩阵进行特征值分解,得到信号子空间,将存在估计误差的信道矢量向该子空间投影,就可以得到较为准确的信道矢量,然后利用Capon波束形成算法计算出滤波器的系数。第二种是利用信号子空间和噪声子空间相互正交:将接收数据的协方差矩阵进行特征值分解,得到噪声子空间,利用信号子空间和噪声子空间相互正交的关系优化一个代价函数,就可以得到实际信道响应的最优估计,然后利用Capon波束形成算法计算出滤波器的系数。仿真结果表明:当信道估计存在误差时,这两种方法明显优于ZF(Zero-Forcing)和MMSE(Minimum Mean SquareError)算法。