Sunteți pe pagina 1din 38

Estimarea canalului

Introduction to MIMO Communications

10.1 Introduction
În general, există două tipuri de metode de estimare a canalelor MIMO: a) bazate pe training,
care utilizează simboluri de instruire cunoscute; și b) abordări bazate pe orb, care efectuează CE
fără beneficiul simbolurilor de formare cunoscute. În bază de formare CE, simboluri de formare
cunoscute sunt transmise în anumite momente prescrise și frecvențe care sunt cunoscute de
către receptor. Deoarece receptorul cunoaște simbolurile de antrenament, precum și când și
unde (de exemplu, la ce frecvențe) ele sunt transmise, aceasta utilizează acea informație pentru
a estima câștigul și rotația fazelor pe care canalul le transmite în fiecare moment în timp și
frecvența bazată pe caracteristicile simbolurilor de instruire primite. Deși metodele bazate pe
orb au o eficiență mai mare a lățimii de bandă, deoarece nu utilizează resurse pentru
transmiterea simbolurilor de formare, ele tind să aibă o viteză mai redusă și performanțe mai
slabe decât metodele bazate pe instruire. Din acest motiv, CE-ul bazat pe formare este folosit
mai mult decât estimarea orb, și este metoda pe care ne-o concentrăm în acest capitol.
Plasarea simbolurilor de formare în timp, în frecvență și în spațiu (adică în antena de
transmisie) este o parte esențială a proiectării unui sistem de comunicație MIMO. În general,
simbolurile de antrenament ar trebui să fie distanțate cât mai departe posibil pentru a reduce
cheltuielile de antrenament, menținând în același timp nivelul necesar de performanță. De
exemplu, într-un mediu Doppler de înaltă frecvență, un mediu de decolorare rapidă, simbolurile
de antrenament trebuie să fie plasate relativ adesea în timp. În mod similar, într-un canal de
selecție cu frecvență înaltă, simbolurile de antrenament trebuie să fie plasate aproape
împreună în dimensiunea frecvenței. Vom da exemple de distanțe utilizate în WiFi, LTE și
WiMAX mai târziu în acest capitol.
Un alt factor care influențează plasarea simbolurilor de formare este dacă simbolurile de
antrenament sunt sau nu în antetul sau în corpul unui pachet de date. Într-un sistem de
comunicații bazat pe pachete, fiecare pachet are un antet care efectuează sincronizarea și
estimarea inițială a canalului, urmată de corpul pachetului care conține datele. O strategie
comună într-un astfel de sistem este încercarea de a obține o estimare precisă a canalului la
începutul unui pachet și apoi de a actualiza această estimare în timpul corpului
pachetului.Această abordare presupune că canalul se modifică ușor în timpul perioadei un
pachet, deci sunt necesare doar actualizări mici odată ce estimarea inițială exactă este generată
în timpul antetului. O astfel de abordare necesită plasarea simplă a simbolului de antrenament
în antet și plasarea relativ redusă a corpului, împreună cu interpolarea adecvată pentru a
acoperi spațiile dintre simbolurile relativ reduse de antrenament. IEEE 802.11n, care este
extensia MIMO toWiFi, este un exemplu de standard MIMO care utilizează simboluri de
instruire în acest fel. În literatura de specialitate publicată despre comunicările MIMO, există
mai mulți termeni diferiți utilizați pentru a descrie simbolurile de instruire. Unii autori folosesc
cuvântul pilot sau ton pilot pentru a se referi la aceste simboluri. În general, simbolul de
antrenament este denumirea umbrelei care se referă la orice simbol transmis în scopul
estimării canalului, iar un ton pilot se referă la o secvență de simboluri care sunt transmise una
după alta fără niciun decalaj între ele în timp dimensiune. Folosim termenii pilot și simbol de
antrenament în acest capitol.
Următoarea secțiune descrie mai detaliat strategiile de alocare a simbolurilor de antrenament.
10.2 Strategii de alocare pilot

Pe lângă factorii menționați mai sus, o altă considerație care influențează distribuția
simbolurilor de formare este dacă canalul este plat sau frecvență selectivă. În această secțiune,
descriem modurile tipice de distribuire a simbolurilor pilot în canalele de bandă îngustă și în
bandă largă și vorbim, de asemenea, despre modalități de evitare a interferențelor pilot, ceea
ce este important atunci când există mai multe antene de transmisie.
10.2.1 Canale MIMO cu bandă îngustă

Așa cum am arătat în capitolul 9, majoritatea sistemelor wireless funcționează în medii de


decolorare selective prin frecvență, deoarece lărgimile de bandă sunt mai mari decât lățimile de
bandă de coerență ale canalelor tipice. Cu toate acestea, pot apărea situații în care apare o
aplatizare netedă, deci, pentru completitudine, începem să luăm în considerare alocarea
simbolurilor de formare în condiții de bandă îngustă. Figura 10.1 prezintă o descriere generică a
modului în care simbolurile de antrenament (indicate de pătratele umbrite) pot fi alocate într-
un sistem MIMO cu bandă îngustă. Figura presupune că sistemul este bazat pe pachete, în care
fiecare pachet are un preambul urmat de date. În preambul, fiecare antenă de transmisie
transmite simbolurile pilot Np, care sunt utilizate de receptor pentru a estima matricea
canalului la începutul pachetului. Dacă lungimea pachetului este mai mică decât timpul de
coerență, apare fenomenul de estompare cvasistatică, iar receptorul poate utiliza estimarea
canalului pe care îl calculează în timpul preambulului pentru întregul pachet. Dacă pachetul
este mai lung decât timpul de coerență, este necesar ca sistemul să actualizeze estimarea
inițială a canalului cel puțin o dată în fiecare perioadă de timp de coerență în corpul pachetului.
O abordare ar fi transmiterea unui bloc de simboluri de instruire Np în fiecare secundă Tcoh.
Alternativ, ar putea fi utilizată și o strategie de alocare similară celei din figura 10.1, care are ca
rezultat o mai mică cheltuială. Ca de obicei, există un compromis între acuratețea și ineficiența
deasupra capului.]
10.2.2 Canale MIMO de bandă largă
Deoarece OFDM este utilizat în mod normal în aplicațiile MIMO în bandă largă (adică atunci
când lărgimea de bandă a semnalului MIMO este mai mare decât lățimea de bandă a coerenței
canalului), este necesar să se ia în considerare nu doar modul de alocare a simbolurilor de
formare în spațiu și timp, în fading plate, dar și cum să le alocăm în dimensiunea frecvenței,
deoarece OFDM împarte fiecare semnal transmis în subcarrier de frecvență. Figura 10.2 descrie
patru opțiuni generice de distribuire a frecvențelor în timp pentru utilizarea cu MIMO OFDM.
Alocarea prezentată în partea (a) descrie cazul în care simbolurile OFDM (indicate prin
coloanele din fiecare diagramă) sunt utilizate pentru a transmite simbolurile de antrenament.
Acest tip de alocare a frecvenței de timp este utilă în canalele cu frecvență înaltă, cu decolorare
moderată până la înceată. În contrast, partea (b) descrie alocarea care ar putea fi utilizată
atunci când este adevărat opusul - selectivitatea de frecvență a canalului este moderată, dar
Doppler este relativ mare, ducând la o fading rapidă. Părțile (c) și (d) descriu strategiile de
alocare care pot fi utilizate atunci când canalul are selectivitate moderată la frecvență și
Doppler. IEEE 802.11n folosește alocarea în parte (b) pentru corpul fiecărui pachet, iar LTE, LTE-
avansat și WiMAX utilizează alocarea prezentată în partea (d).
Sistemele actuale MIMO pot utiliza o combinație a opțiunilor de alocare prezentate în Figura
10.2. De exemplu, Figura 10.3 arată cum 802.11n, LTE și WiMAX își alocă piloții. După cum sa
discutat mai sus, 802.11n utilizează CSMA și este bazat pe pachete. Partea (a) din figură
prezintă un singur pachet WiFi cu un antet la început, cu porțiunea de date care o urmează.
Antetul include mai multe simboluri OFDM consecutive care sunt dedicate transmiterii
simbolurilor de antrenament în toate subcarrierii de frecvență. Aceste simboluri OFDM sunt
utilizate de receptor pentru a calcula o estimare corectă a matricei de canal la începutul fiecărui
pachet. În sarcina utilă a datelor, fiecare simbol OFDM folosește numai patru subcariere pentru
transmiterea simbolurilor de antrenament. Aceste simboluri sunt utilizate pentru a actualiza
estimarea canalului original și pentru a permite receptorului să urmărească schimbările relativ
mici care apar la canal pe durata unui pachet. Simbolurile de antrenament din partea de date a
pachetului sunt numite tonuri pilot.

Partea (b) din Figura 10.3 prezintă alocarea simbolului pilot pentru LTE și WiMAX. După cum sa
menționat anterior, aceste sisteme utilizează OFDMA și, prin urmare, nu sunt bazate pe
pachete. Drept rezultat, simbolurile de antrenament sunt distribuite atât în timp, cât și în
frecvență, similar cu partea (d) din Figura 10.2. În următoarea subsecțiune, discutăm cum se
calculează spațierea pilotului în ambele dimensiuni ale timpului și frecvenței.
10.2.3 Proiectarea distanței pilot
La proiectarea sistemului aMIMO-OFDM, simbolurile pilot trebuie să fie distanțate suficient de
aproape în timp și frecvență pentru a capta variațiile de timp și frecvență care se așteaptă să
apară în mediul canalului multipath în care sistemul va funcționa. În general, intervalul de timp
dintre simbolurile pilot trebuie să fie mai mic decât timpul de coerență al canalului, iar distanța
în frecvență trebuie să fie mai mică decât lățimea de bandă de coerență.
Fie nt desemnarea intervalului de timp dintre piloți în unități de perioade de simbol OFDM. O
regulă practică de degetul mare este asta

unde Tc, 50 denotă timpul de coerență 50 de percentil al canalului. În mod similar, permiteți nf
să desemneze distanța de frecvență dintre piloți în unități de canale sub-carrier OFDM. O altă
regulă utilă de degetul mare este aceea
unde Bc, 50 și fOFDM desemnează lățimea de bandă a coerenței canalului 50 percentil și,
respectiv, spațierea subcarrierului OFDM. Următorul exemplu prezintă o ilustrare practică a
modului în care sunt calculate distanțele de frecvență și de timp.
10.2.4 strategii de alocare pilot spațiale
În plus față de modul în care se alocă simbolurile de formare în timp și în frecvență, sistemele
MIMO trebuie, de asemenea, să abordeze problema modului de alocare a simbolurilor pilot în
dimensiunea spațiului. Această problemă este importantă deoarece, în sistemele MIMO,
semnalul recepționat la fiecare antenă este suprapunerea semnalelor de la toate antenele de
transmisie; prin urmare, simbolurile de antrenament trebuie să fie transmise fără a interfera
unul cu altul pentru a estima cu exactitate canalul. În general, există trei modalități
fundamentale de a evita interferența semnalului pilot, care sunt ilustrate în Figura 10.4.
Metoda (a) ilustrează o abordare care poate fi utilizată, numită ortogonalitate temporală.
În această schemă, simbolurile de antrenament pot fi transmise la aceeași frecvență, dar
interferența la receptor este evitată prin transmiterea niciodată a simbolurilor de antrenament
de la două sau mai multe antene de transmisie în același timp. Metoda (b), numită
ortogonalitate de frecvență, transmite simultan simbolurile de antrenament, dar evită
interferența la receptor prin transmiterea simbolurilor pilot pe diferite frecvențe purtătoare.
Această abordare este populară într-o varietate de standarde wireless și este deosebit de
potrivită pentru sistemele bazate pe OFDM în care fiecare dintre celulele de frecvență arătate
în figură ar reprezenta purtători OFDM. Metoda (c), numită ortogonalitate a semnalului,
permite ca simbolurile pilot să fie transmise în același timp și frecvență, dar interferența la
receptor este împiedicată prin proiectarea secvențelor simbolurilor pilot care urmează să fie
ortogonale.
În practică, sistemele MIMO folosesc adesea o combinație de cel puțin două dintre acestea. De
exemplu, LTE utilizează atât ortogonalitatea temporală, cât și frecvența. Figura 10.5 arată
modul în care LTE alocă piloții în spațiu. Această diagramă descrie transmisia LTE în jos atunci
când există patru antene de transmisie. Simbolurile de date sunt indicate de celulele albe și
simbolurile pilot de către celule marcate cu Xs. Așa cum este ilustrat, antenele 1 și 2 utilizează
ortogonalitatea frecvenței; totuși, antenele 2 și 3 utilizează ortogonalitatea temporală și de
frecvență.
10.3 Estimarea canalului MIMO de bandă îngustă
În această secțiune, vom descrie mai multe moduri de estimare a unei matrice de canal MIMO
atunci când operează într-un mediu cvasi-static de decolorare plat. Tehnicile pe care le
considerăm sunt:
1. estimarea canalului de probabilitate maximă (ML);
2. Estimarea canalului celui mai mic patrat (LS); și
3. Estimarea canalului de eroare medie minimă (LMMSE).
Pentru a obține expresii pentru estimarea canalului pe baza acestor criterii, începem să
presupunem că fiecare dintre antenele de transmisie dintr-un sistem MIMO transmite o
secvență de simboluri de antrenament p, cum ar fi porțiunea de preambul prezentată în Figura
10.1. Matricea pilot transmisă Nt × p rezultată, care este notată de Sp, iar matricea de primire
Nr × p care rezultă, Rp, este dată de

unde √ρ este SNR, H este o matrice de canal Nr × Nt, iar Z este matricea de zgomot a primirii Nr
× p. Sub presupunerea cvasi-statică de decolorare, se presupune că canalul este fix pe perioada
simbolurilor de modulație p. Considerăm fiecare dintre criteriile de estimare a canalului
separat.

10.3.1 Estimarea canalului maxim de probabilitate


Deoarece Rp este o funcție aleatoare a H, prin definiție funcția de probabilitate a H este dată de
p (Rp | H); unde p (·) este o funcție de densitate a probabilității multivariabile. Rezultă că
probabilitatea maximă (ML) pentru H este dată de

Rezultă din Eq. 10.3 că dacă Z constă din elemente gaussiene independente care sunt
temporal și spațial alb, devine estimarea canalului ML

Ecuația 10.5 poate fi rezolvată prin luarea derivatului Rp -√rHSp 2 F cu respect


la H și stabilind ecuația rezultată egală cu 0, apoi rezolvând acea ecuație pentru H. Facem acest
lucru după cum urmează:
10.3.2 Cele mai mici pătrate pentru estimarea canalului
În estimarea celor mai mici pătrate, estimarea lui H este valoarea care minimizează eroarea
pătrată între semnalul recepționat real, Rp și semnalul recepționat estimat, R √p? ρ H Sp. Prin
urmare,
Pentru a obține HLS, calculăm derivatul parțial al Eq. 10.10 în ceea ce privește H, se stabilește
ecuația rezultată egală cu zero și apoi se rezolvă pentru H. Aceste operații sunt ușor de realizat
utilizând pașii prezentați în derivarea estimării canalului ML ca șablon. Procedând astfel, rezultă
următoarele:

Observăm două observații. Mai întâi, comparând Eqs. 10.8 și 10.11 arată probabilitatea maximă
și estimările canalului cel mai mic sunt echivalente. În al doilea rând, observăm că estimarea
canalului ML și LS implică termenul? SpSH-1. Rezultă din teorema matricei Secțiunea 1.9.2 - (k)
că, pentru ca această inversă să existe, p ≥ Nt.
10.3.3 Estimarea canalului mediu minim pătrat linear
Estimarea canalului LMMSE este matricea canalului care minimizează eroarea medie pătrată
între canalul adevărat și estimarea canalului, H, care se presupune, în cazul LMMSE, a fi o
suprapunere liniară a semnalelor recepționate. această presupunere matematic după cum
urmează:

unde h, j este elementul (i, j) al lui H, ri (k) este elementul (i, k) al matricei de primire, Rp, iar
valorile wk, j sunt greutăți complexe alese pentru a minimiza înseamnă eroarea pătrată între
valoarea adevărată a lui H și estimare. Relația din Eq. 10.12 pot fi exprimate în următorul
format de matrice:
unde ultima egalitate se bazează pe natura liniară a operatorului de urme, ceea ce permite ca
ordinea așteptărilor și operațiunilor de urmărire să fie inversate.
Dacă presupunem că H și Z constau din componente gaussiene independente, complexe cu
variante medii și unitare zero, atunci E, HHH- = NrINt și E, ZHZ- = NrIp.
Folosind aceste relații, Eq. 10.14 simplifică la

Alegerea semnalelor pilot


Acum avem expresii pentru estimarea matricei de canal într-un mediu de decolorare plat în
termeni de o matrice pilot cunoscută, Sp, matricea semnalului recepționat, Rp și raportul
semnal-zgomot. Ce proprietati ar trebui sa aiba Sp? În general, Sp ar trebui să aibă următoarele
două proprietăți:

a) p ≥ Nt; and
b) SpSHp= pNtINt .
Am văzut deja că proprietatea (a) este necesară pentru metodele ML și LS pentru a face posibilă
calcularea? SpSHp-1, care este necesar pentru evaluarea estimării canalului ML și LS. În [37],
Hassibi și Hochwald examinează problema modului de a proiecta semnale pilot dintr-o
perspectivă a teoriei informației și de a trage aceeași concluzie. A doua proprietate afirmă într-o
formă concisă că rândurile Sp trebuie să fie ortogonale și că, în special, puterea transmisă de la
fiecare antenă de transmisie în timpul porțiunii pilot a pachetului ar trebui să fie 1 / Nt, ceea ce
este aceeași normalizare pe care o avem pe parcursul acestei cărți. Proprietatea (b) este în
concordanță cu concluziile din [37] și [10]. În general, precizia estimării canalului se
îmbunătățește pe măsura creșterii valorii lui p. Pe măsură ce p crește, totuși, creșterea aferentă
estimării canalului crește, limitând ciclul de funcționare pentru porțiunea de date a pachetului.
Proiectarea unui sistem implică evaluarea compromisului dintre precizia estimării canalului și
cheltuielile aferente procesului respectiv.
Ca o ilustrare, ia în considerare un sistem MIMO cu Nt = 2 și p = 4. O posibilă alegere pentru Sp
în acest caz ar fi

Este clar prin inspecție că această matrice are atât proprietățile (a) și (b) de mai sus. Deoarece
acest semnal pilot constă doar din + 1s și -1s, acesta este un exemplu de matrice pilot care ar
putea fi utilizată cu modulația BPSK.

Această ecuație prezintă patru proprietăți importante asociate estimărilor canalului ML și LS:
1. Când zgomotul este zero-medie Gaussian, estimările canalului ML și LS sunt imparțiale.
2. Eroarea crește odată cu numărul de antene de transmisie. Acest lucru se întâmplă deoarece
pentru un raport fix semnal-zgomot, puterea de la fiecare antenă, care este utilizată pentru
estimarea canalului, scade cu creșterea Nt.
3. Eroarea crește deoarece semnalul-zgomot scade, așa cum era de așteptat.
4. Eroarea crește deoarece lungimea secvenței de antrenament pilot scade.

10.3.5 Performanța CE a benzii înguste

Acum că avem expresii pentru estimarea canalului în decolorare netedă, putem


folosi aceste rezultate pentru a studia sensibilitatea performanței MIMO la erorile
din estimările canalului. Figura 10.6 prezintă rezultatele unei simulări pe
calculator care prezice probabilitatea de eroare de biți asociată codării Alamouti
atunci când se efectuează estimarea canalului. Sunt arătate două seturi de curbe
asociate cu Nr = 1 și Nr = 2. În fiecare set, rezultatele sunt arătate presupunând o
cunoaștere perfectă a canalului (curba solidă), precum și predicții bazate pe
estimarea canalului ML / LS folosind matrici pilot cu lungimi egale cu două și patru
simboluri. Rezultatele din această diagramă presupun decolorarea Rayleigh,
codificarea convențională, modularea BPSK și următoarele două matrici pilot
pentru curbele p = 2 și p = 4:

Aceste rezultate arată că, chiar și cu cunoașterea imperfectă a canalului, pantele


și, prin urmare, ordinele diversității nu sunt afectate. De asemenea, observăm că,
chiar și în cazul matricelor pilot pilot asumate în această simulare, degradarea
performanței este relativ modestă, variind de la aproximativ 1,75 la 3 dB pentru p
= 4 și, respectiv, 2.
Figura 10.7 prezintă rezultate simulate de calculator similare pentru un sistem
MIMO de 2 × 2 care utilizează multiplexarea spațială ZF-IC în decolorarea
Rayleigh. Matricea pilot definită în Eqs. 10.22 și 10.23 sunt de asemenea
presupuse în această figură. Din nou, observăm că ordinea diversității nu este
afectată de procesul de estimare a canalelor și că degradarea în performanță
variază de la aproximativ 2 la 3 dB pentru p = 4 și respectiv p = 2.

Aceste rezultate arată că în lungimi pilot pilot de decolorare de doar câteva simboluri rezultă o
performanță care este de aproximativ 2 până la 3 dB mai rău decât apare cu cunoștințe de
canal perfecte.
Este simplu să se arate că astfel de semnale pilot scurte constituie cheltuieli extrem de mici
pentru medii de interes. Ca o ilustrare a acestui fapt, ia în considerare un sistem de tip WiFi
care utilizează tehnologia MIMO. Începem presupunând că lungimea pachetului este proiectată
să fie 0.1Tc, 50 pentru a ne asigura că canalul nu se schimbă semnificativ în timpul duratei
pachetului. Dacă presupunem că schimbarea lui Doppler între punctul de acces și dispozitivul
mobil WiFi se datorează mișcării unui pieton, putem face apel la modelele canalului pietonal
ITU, care definesc o viteză a pietonilor de 3 km / h [25]. Transmisia Doppler asociată cu această
viteză pentru o frecvență purtătoare de 2,4 GHz este fd = 6,6 Hz. Rezultă că Tc, 50 = 9 / (16πfd)
= 27,1 ms, ceea ce înseamnă că lungimea pachetului, Tpkt, este presupusă a fi de 2,71 ms. Dacă
denotăm rata de biți cu R, atunci suprafata fracționată pe pachet datorată pilotului este dată de
p / (TpktR). Dacă presupunem că p = 4 și R = 10 Mbps, rezultă că rata maximă este de numai
1,5%.
Aceste rezultate arată că tehnicile practice de estimare a canalelor pot obține performanțe
bune, cu mici cheltuieli generale. În următoarea secțiune, discutăm cum să estimăm canalul
într-un mediu selectiv în funcție de frecvență.
10.4 Estimarea canalului MIMO în bandă largă

În unele moduri, estimarea de canal de bandă largă este mai simplă decât în bandă îngustă.
Motivul pentru aceasta este, așa cum am discutat mai devreme, că simbolurile pilot sunt
presupuse a fi transmise în așa fel încât să nu interfereze unul cu celălalt (vezi Figura 10.5). Ca
urmare, atunci când se analizează estimarea canalului de bandă largă, este necesar să se ia în
considerare doar o singură pereche de antene, care reduce sistemul MIMO la un sistem SISO
eficient în scopul analizei.
Presupunem că procesarea OFDM este folosită pentru a atenua efectele selectivității de
frecvență, așa cum am discutat în capitolul precedent. Sub această ipoteză, putem descrie
procesarea efectuată de orice pereche de transmițător-receptor așa cum se arată în Figura
10.8. Această cifră este similară celei din Figura 9.6, cu excepția faptului că, pentru simplitatea
grafică, indică inserarea și îndepărtarea prefixului ciclic ca fiind realizate de blocuri funcționale
separate de blocurile P / S și S / P. Așa cum am discutat în capitolul 9, semnalul care intră în
blocul IDFT (x) și ieșind din blocul DFT (y) este interpretat ca fiind în domeniul frecvențelor.
Similar, semnalul care iese din blocul IDFT (s?) Și intră în blocul DFT (r?) Este interpretat ca fiind
semnal de domeniu temporal. Canalul dintre fiecare pereche de antene poate fi văzut și în
domeniul frecvenței sau al timpului, pe care îl denotăm prin Hi, j (k) și h (l) i, respectiv j.
Atunci când se utilizează procesarea OFDM pe un canal selectiv de frecvență, avem posibilitatea
de a alege estimarea canalului fie în funcție de frecvență, fie de dimensiuni de timp. Deoarece
procesarea domeniului de frecvență este mai simplă din punct de vedere conceptual și
matematic decât prelucrarea în domeniul timpului, ne concentrăm discuția în această carte
exclusiv asupra estimării canalului de domeniu de frecvență. Cititorii interesați de estimarea
canalului de domeniu de timp sunt menționați la [27] și [3] pentru informații suplimentare.
10.4.1 Estimarea canalului de frecvență

În Capitolul 9 am arătat că procesarea OFDM convertește un canal de frecvență selectivă într-o


serie de canale de decolorare plane. În cazul unei perechi de antene emițătoare-receptor, Eq.
9.18 simplifică la

unde, pentru simplitatea notațională, am renunțat la prim pe indicele de frecvență, k. Estimarea


răspunsului de frecvență al canalului urmează în mod direct din această ecuație.
Presupunem că receptorul este sincronizat atât în timp cât și în frecvență cu transmițătorul și
cunoaște modelul frecvenței de timp în care sunt transmise simbolurile de antrenament (de
exemplu, știe unde sunt cutii negre din Figura 10.3 (b)). Notând simbolul pilot emise de
emițătorul j la frecvența k de către pj (k), rezultă că semnalul recepționat corespunzător este
dat de

unde P reprezintă setul de indicatori de frecvență cu simboluri pilot pentru simbolul curent
OFDM. Acum folosim această ecuație împreună cu expresiile pe care le-am derivat mai devreme
pentru estimările canalului de bandă îngustă LS, ML și LMMSE pentru a găsi expresii
corespunzătoare pentru estimările răspunsului la frecvența canalului de bandă largă. Începem
cu Eq. 10,8 care dă estimarea ML presupunând Rp = √ ρ HSp + Z. Estimarea ML a răspunsului
frecvenței canalului în Eq. 10.25 este obținut prin înlocuirea termenilor din Eq. 10,8 după cum
urmează:

În mod similar, putem folosi versiunea scalară a Eq. 10,19 pentru a obține o expresie pentru
estimarea LMMSE a răspunsului la frecvența canalului prin aplicarea substituțiilor definite mai
sus. Estimarea canalului LMMSE rezultată este dată de
Ecuația 10.27 arată că estimarea canalului LS / ML este o estimare imparțială atâta timp cât
termenul de zgomot, V (k), are o distribuție simetrică zero-medie. Dacă presupunem că singura
sursă de zgomot la fiecare receptor este zgomotul său termic și că este zero Gaussian, rezultă
că V (k) este de asemenea zero Gaussian și, prin urmare, în cele mai practice condiții, canalul LS
/ ML estimarea va fi, într-adevăr, imparțială. Cu toate acestea, estimarea canalului LMMSE nu
este, în general, imparțială. Acest lucru poate fi văzut prin examinarea Eq. 10.28. Trebuie
remarcat, totuși, că în limită, când raportul semnal-zgomot devine mare, Eq. 10.28 devine
echivalentă cu estimarea LS / ML. Prin urmare, la SNR mare, estimarea LMMSE este, de
asemenea, imparțială.
Efectuarea calculelor simple în Eq. 10.27 sau 10.28 permite sistemului MIMO să estimeze
răspunsul de frecvență al canalului la punctele de frecvență de timp unde există simboluri de
antrenament. Cu toate acestea, pentru a efectua procesarea MIMO, este necesar să se obțină
estimări ale canalului la toate frecvențele subcarrierului OFDM în fiecare perioadă de simbol
OFDM. Rezultă că sunt necesare interpolări atât în timp cât și în frecvență atunci când se
efectuează o estimare a canalului de frecvență. Următoarea secțiune discută pe scurt acest
subiect.
10.4.2 Interpolarea în frecvență

Subiectul interpolării în frecvența de timp în estimarea canalului a reprezentat un domeniu


extins de cercetare în trecut și nu încercăm să-i însoțim în detaliu în această carte. În schimb,
oferim o scurtă descriere a metodelor generale care au fost propuse și enumerăm câteva
referințe pentru cititorii care sunt interesați să învețe despre aceste tehnici mai detaliat.
În general, schemele de interpolare intră în una din următoarele trei categorii:
1. Interpolare liniară simplă;
2. Interpolarea celor mai mici pătrate; și
3. Interpolarea pentru filtrarea Wiener.

Interpolarea liniară este cea mai simplă metodă. Există două tipuri de interpolare liniară: una-
dimensională (1-D) și bidimensională (2-D). Interpolarea liniară 1-D implică fie interpolarea
liniară a estimărilor canalului în dimensiunea frecvenței, apoi interpolarea liniară în
dimensiunea timpului, fie efectuarea interpolării în ordinea inversă. Referințele [15] și [41]
descriu interpolarea 1-D în detaliu.
Interpolarea 2-D, așa cum sugerează și numele acesteia, realizează interpolarea în ambele
dimensiuni ale timpului și frecvenței în același timp.
Interpolarea cu pătrate mai mică este o generalizare a interpolării liniare și se bazează pe
modelarea răspunsului frecvenței canalului ca o sumă ponderată a funcțiilor de bază. Această
tehnică poate fi aplicată și în versiunile 1-D și 2-D. De exemplu, modelele de versiune 1-D Hi, j
(k) după cum urmează:
unde {αi} sunt greutățile și {φi (k)} sunt funcțiile bazei N la indicele de frecvență k. În mod
similar, versiunea 2-D are următoarea formă:

unde t este indicele de timp care specifică numărul simbolului OFDM. Există multe opțiuni
diferite pentru funcțiile de bază, inclusiv polinoamele, seria Fourier, funcțiile de transformare a
cosinusului discret și funcțiile discrete de transformare sine, pentru a numi doar câteva.
Metoda de interpolare cu cele mai mici pătrate implică estimarea coeficienților de ponderare
astfel încât să minimizeze eroarea medie pătrată între valorile adevărate ale răspunsului la
frecvența canalului și valorile interpolate. O discuție tutorial despre această tehnică este
prezentată în [5].
Interpolarea de filtrare Wiener este cea mai complexă dintre cele trei clase de scheme
enumerate mai sus, care necesită o complexitate computațională mai mare, dar care oferă o
precizie mai mare. Pe lângă faptul că au estimări ale răspunsului la frecvența canalului la
anumite locații de frecvență în timp ce există simboluri de instruire, filtrarea Wiener utilizează,
de asemenea, cunoașterea funcțiilor de corelare a frecvenței și a distanței temporale ale
canalului, care au fost definite în Capitolul 4. Estimarea aceste funcții, desigur, reprezintă o
problemă pentru sine însă, dacă pot fi obținute, filtrarea Wiener are potențialul de a oferi
performanțe superioare. Informații suplimentare despre filtrarea Wiener pot fi găsite în [63].

MIMO-OFDM Wireless Comunication with Matlab

6
Channel Estimation
Într-un sistem OFDM, transmițătorul modulează secvența de biți a mesajului în simboluri PSK /
QAM, execută IFFT pe simboluri pentru a le converti în semnale de domeniu temporal și le
trimite printr-un canal (fără fir). Semnalul recepționat este de obicei distorsionat de
caracteristicile canalului. Pentru a recupera biții transmiși, efectul canalului trebuie estimat și
compensat în receptor [126 128]. Așa cum am discutat în capitolele 4 și 5, fiecare subcarrier
poate fi privit ca un canal independent, atâta timp cât nu intervine ICI (interferența între
transportori) și astfel se păstrează ortogonalitatea între subcariere. Ortogonalitatea permite ca
fiecare componentă subcarrier a semnalului recepționat să fie exprimată ca produs al
semnalului transmis și al răspunsului frecvenței canalului la subcarrier. Astfel, semnalul
transmis poate fi recuperat prin estimarea răspunsului canalului doar la fiecare subcarrier. În
general, canalul poate fi estimat prin utilizarea unor simboluri preambul sau pilot cunoscute
atât transmițătorului, cât și receptorului, care folosesc diferite tehnici de interpolare pentru a
estima răspunsul pe canal al subcarrierilor între tonurile pilot. În general, semnalul de date,
precum și semnalul de antrenament sau ambele, pot fi utilizate pentru estimarea canalului.
Pentru a alege tehnica de estimare a canalului pentru sistemul OFDM luată în considerare,
trebuie luate în considerare numeroase aspecte ale implementărilor, inclusiv performanțele
necesare, complexitatea computațională și variația de timp a canalului.

6.1 Structura pilot


În funcție de aranjamentul piloților, sunt luate în considerare trei tipuri diferite de structuri
pilot: bloc, tip pieptene și tip zăbrele [129-132].

6.1.1 Tip bloc


Un tip bloc de aranjament pilot este prezentat în Figura 6.1. În acest tip, simbolurile OFDM cu
piloți la toți subcarrierii (denumiți în continuare simboluri pilot) sunt transmise periodic pentru
estimarea canalului. Utilizând acești piloți, se efectuează o interpolare în domeniul timpului
pentru a estima canalul de-a lungul axei timpului. Fie St marcarea perioadei simbolurilor pilot în
timp. Pentru a urmări caracteristicile canalului care variază în timp, simbolurile pilot trebuie
plasate la fel de frecvent ca timpul de coerență. Deoarece timpul de coerență este dat într-o
formă inversă a frecvenței Doppler F în canal, perioada simbolului pilot trebuie să satisfacă
următoarea inegalitate:
Deoarece tonurile pilot sunt inserate în toate subcarierele simbolurilor pilot cu o perioadă în
timp, aranjamentul pilot de tip bloc este adecvat pentru canalele cu frecvență selectivă. Cu
toate acestea, pentru canalele cu decolorare rapidă, s-ar putea suporta prea mult aeriene
pentru a urmări variația canalului prin reducerea perioadei de simbol pilot.

6.1.2 Tip pieptene


Combinația tip pilot este ilustrată în figura 6.2. În acest tip, fiecare simbol OFDM are tonuri pilot
la subcarrierii localizați periodic, care sunt utilizați pentru o interpolare în domeniul frecvenței
pentru a estima canalul de-a lungul axei de frecvență. Să Sf este perioada de frecvență a
tonurilor pilot. Pentru a urmări caracteristicile canalelor selective de frecvență, simbolurile pilot
trebuie să fie plasate la fel de frecvent cât este lățimea de bandă coerentă. Deoarece lățimea de
bandă a coerenței este determinată de o inversă a smax-ului de întindere maximă a întârzierii,
perioada simbolului pilot trebuie să satisfacă următoarea inegalitate:

Spre deosebire de aranjamentul pilot de tip bloc, aranjamentul pilot tip pieptene este potrivit
pentru canalele cu decolorare rapidă, dar nu pentru canalele cu frecvență selectivă.
6.1.3 Lattice Tip
Un aranjament pilot tip lattice este prezentat în Figura 6.3. În acest tip, tonurile pilot sunt
inserate de-a lungul ambelor axe de timp și de frecvență cu perioade date. Tonurile pilot
dispersate atât în timp, cât și în axele de frecvență facilitează interpolarea timpului și
frecvenței. Pentru a urmări caracteristicile de canal care variază în funcție de timp și pentru
estimarea canalului. Fie St și Sf denotă perioadele de simboluri pilot în timp și frecvență,
respectiv frecvență selectivă, configurația simbolului pilot trebuie să satisfacă atât ecuațiile
(6.1) și (6.2), astfel încât

unde fDoppler și smax denotă răspândirea Doppler și respectiv răspândirea maximă a


întârzierii.

6.2 Estimarea canalului bazat pe simboluri


Simbolurile de instruire pot fi utilizate pentru estimarea canalului, oferind de obicei o
performanță bună. Cu toate acestea, eficiențele lor de transmisie sunt reduse datorită
costurilor generale necesare pentru simbolurile de antrenament, cum ar fi preambulurile sau
tonurile pilot care sunt transmise în plus față de simbolurile de date. Tehnicile cele mai puțin
pătrate (LS) și minim-medie-eroare pătrată (MMSE) sunt utilizate pe scară largă pentru
estimarea canalului atunci când sunt disponibile simbolurile de instruire [127-130,132,133].
Presupunem că toți subcarrierii sunt ortogonali (adică fără ICI). Apoi, simbolurile de instruire
pentru subcarrierii N pot fi reprezentate de următoarea matrice diagonală:
unde X½k? denotă un ton pilot la subcarrierul k, cu EfX½k? g ¼ 0 și VarfX½k? g ¼ s2 x, k ¼ 0; 1;
2; ? ? ? ; N? 1. Rețineți că X este dat de o matrice diagonală, deoarece presupunem că toți
subcarrierii sunt ortogonali. Dat fiind că câștigul de canal este H½k? pentru fiecare subcarrier k,
semnalul de instruire primit Y½k? pot fi reprezentate ca

6.2.1 Estimarea canalului LS


Metoda de estimare a canalului cel puțin pătrate (LS) găsește estimarea canalului ^ H astfel
încât următoarea funcție de cost să fie redusă la minimum:

Prin setarea derivatului funcției în raport cu ^ H la zero,

avem XHX ^ H ¼ XHY, care dă soluția pentru estimarea canalului LS ca


Să presupunem că compoziția estimării canalului ^ HLS by ^ H LS½k?, K ¼ 0; 1; 2; ? ? ? ; N? 1.
Deoarece a fost transferat de la o mulțime comună la o condiție gratuită, estimarea LSchannel
HLS poate fi scrisă pentru fiecare sub-carrier ca

Eroarea medie-pătrată (MSE) a acestei estimări a canalului LS este dată ca

Rețineți că MSE în Ecuația (6.8) este invers proporțională cu SNR s2 x = s2z, ceea ce înseamnă că
acesta poate fi supus amplificării zgomotului, mai ales atunci când canalul este într-o adâncime
nulă. Datorită simplității sale, metoda LS a fost folosită pe scară largă pentru estimarea
canalului.
6.2.2 Estimarea canalelor MMSE

Luați în considerare soluția LS în Ecuația (6.6), ^ HLS ¼ X? 1Y / ~ H. Folosind matricea de


greutate W, definiți ^ H / W ~ H, care corespunde cuMMSEestimate. Referindu-ne la Figura 6.4,
MSE din estimarea canalului ^ H este dat ca

Apoi, metoda de estimare a canalului MMSE găsește o estimare mai bună (liniară) în termeni de
W în așa fel încât MSE în Ecuația (6.9) să fie minimalizată. Principiul ortogonalității afirmă că
vectorul de eroare estimare e ¼ H? H este ortogonal la ~ H, astfel încât
unde RAB este matricea de corelație a lui N? N matricele A și B (adică RAB ¼ E½ABH?) Și ~ H
este estimarea canalului LS dat ca

Rezolvarea ecuației (6.10) pentru randamentele W

unde R ~ H ~ H este matricea de autocorelație a ~ H datată ca

iar RH-H este matricea de corelație între vectorul adevărat al canalului și vectorul de estimare a
canalului temporar în domeniul de frecvență. Folosind ecuația (6.13), estimarea canalului
MMSE urmează ca

Elementele RH ~ H și RHH din Ecuația (6.14) sunt


where k and l denote the subcarrier (frequency) index and OFDM symbol (time) index,
respectively. In an exponentially-decreasing multipath PDP (Power Delay Profile), the
frequency-domain correlation rf ½k is given as

unde Df = 1 = Tsub este distanța subcarrierului pentru lungimea intervalului FFT Tsub. Între
timp, pentru un canal de decolorare cu frecvența maximă a frecvenței Doppler fmax și spectrul
lui Jake, corelația timdomain rt½l? este dat ca

unde Tsym ¼ Tsub þTG pentru intervalul de pază al TG și J0ðxÞ este primul tip de funcție Bessel
de ordinul 0. Rețineți că rt½0? ¼ J0ð0Þ ¼ 1, ceea ce implică faptul că corelația dintre timp
pentru același simbol OFDM este unitatea. Figura 6.5 prezintă corelarea în timp a canalului în
unitatea de simbol OFDM în funcție de frecvența maximă Doppler fmax atunci când lățimea de
bandă este de 10MHz și OFDM
durata simbolului este 115.2us. Se poate observa din Figura 6.5 că magnitudinea lui rt½l? scade,
pe măsură ce frecvența maximă Doppler fmax crește.

Pentru a estima canalul pentru simbolurile de date, subcarrierii pilot trebuie interpolați.
Metodele de interpolare populare includ interpolarea liniară, interpolarea polinomială de
ordinul doi și interpolarea spline cubică [128-131,134].
6.3 Estimarea canalului bazat pe DFT
Tehnica de estimare a canalului bazată pe DFT a fost derivată pentru a îmbunătăți performanța
estimării canalului LS sau MMSE prin eliminarea efectului zgomotului în afara întârzierii
canalului maxim. Fie ^ H ½k? indică estimarea câștigului de canal la subcarrierul k, obținută prin
metoda de estimare a canalului LS sau MMSE. Luând IDFT estimării canalului

unde z½n? desemnează componenta de zgomot în domeniul timpului. Ignorând coeficienții f ^


h ½n? G care conțin doar zgomotul, definiți coeficienții pentru întârzierea maximă a canalului L
ca

și transformă restul elementelor L înapoi în domeniul de frecvență după cum urmează [135-
138]:

Figura 6.6 prezintă o diagramă bloc a estimării canalului DFT, având în vedere estimarea
canalului LS. Rețineți că întârzierea maximă a canalului L trebuie cunoscută în prealabil. Figurile
6.7 (a) și (b) prezintă constelația semnalului primit înainte și după compensarea canalului
pentru sistemul OFDM cu 16-QAM, ilustrând efectul estimării și compensării canalului. Între
timp, Figura 6.8 ilustrează estimările canalului obținute prin utilizarea diferitelor tipuri de
metode de estimare a canalelor cu și fără tehnica DFT discutată în cele de mai sus. Comparând
figurile 6.8 (a1), (b1) și (c1) cu figurile 6.8 (a2), (b2) și (c2), se observă că metoda de estimare a
canalului DFT îmbunătățește performanța estimării canalelor.
De asemenea, comparând figurile 6.8 (a1) și (b1) cu figura 6.8 (c1), este clar că estimarea MMSE
arată o performanță mai bună decât estimarea LS, cu costul de a solicita calculul suplimentar și
informații privind caracteristicile canalului.
6.4 Estimarea canalului de decizie

Odată ce estimarea canalului inițial se face cu preambulul sau cu piloții, coeficienții canalului
pot fi actualizați cu estimarea canalului (DD), care nu utilizează preambulul sau piloții. Așa cum
este ilustrat în Figura 6.9, tehnica DD utilizează feedback-ul semnalului detectat pentru a urmări
canalul care poate varia în funcție de timp, în timp ce ulterior se utilizează estimarea canalului
pentru a detecta semnalul [139-141].
Fie Hl ½k? indicați estimarea canalului realizată prin utilizarea l thOFDMsymbol. Al zecelea a
primit simbolul OFDM Yl ½k? poate fi compensată cu ^ H l ½kk, care este estimată prin
utilizarea simbolului ðl ½ 1 OFTH, adică,

Fie Xl ½k? indica o valoare de decizie greu pentru semnalul compensat cu canalul ^ X l ½k ?.
Apoi, estimarea canalului ^ H l ½k? este dat de

Deoarece pasul 2 rezultă din decizia simbolică făcută în etapa 1, această abordare specifică este
denumită tehnica de estimare a canalului de decizie. În acest proces orientat pe decizie, orice
eroare în simbolul detectat este propagată pentru a degrada performanța sa. Este de așteptat o
degradare a performanței suplimentare în cazul unei decolări rapide, care este atunci când
variația canalului este mai rapidă în comparație cu perioada simbolului OFDM. În acest caz,
degradarea performanței poate fi atenuată într-o anumită măsură, luând media ponderată a
estimărilor de canal între subcarrierii adiacenți sau simbolurile OFDM succesive.

6.5 Tehnici avansate de estimare a canalelor


6.5.1 Estimarea canalului folosind un semnal suprapus

Luați în considerare un semnal suprapus care adaugă un semnal de formare (pilot) de putere
redusă la semnalul de date de la emițător. Apoi semnalul suprapus este utilizat la receptor
pentru estimarea canalului fără a pierde o rată a datelor. Cu toate acestea, în această abordare,
o parte din puterea alocată semnalului de antrenament este risipită [142,143]. Figura 6.10
ilustrează un semnal suprapus, care constă dintr-un semnal pilot cu putere r? P și un semnal de
date cu puterea ð1? RÞ? P, presupunând că puterea semnalului total este egală cu P.
Pentru cel de al treilea simbol OFDM transmis la subcarrierul k, semnalul suprapus poate fi
exprimat ca Sl ½k? ÞPl ½k? unde Sl ½k? și Pl ½k? denotă semnalele de date și de pilot, respectiv.
Semnalul recepționat corespunzător poate fi exprimat ca

unde Yl ½k? și Zl ½k? denotă semnalul recepționat și zgomotul la subcarrierul k în intervalul


simbolului l, respectiv, și Hl ½k? frecvența corespunzătoare a canalelor. Aici, timpul de coerență
sau lărgimea de bandă de coerență a canalului este considerat a fi M peste care răspunsul
canalului este aproape constant pe axa de timp sau de frecvență. De asemenea, semnalele pilot
sunt setate să fie constante pentru intervalul de timp sau de frecvență al lungimii M astfel încât

Sub ipoteza că semnalul de date Sl ½k? și zgomotul Zl ½k? sunt procesele medii independente și
distribuite identic (i.i.d.), semnalul mediu recepționat în timp sau intervalul de frecvență al
lungimii M este dat ca
În ecuațiile (6.24) și (6.25), am presupus că M este suficient de mare pentru a face media
semnalelor de date aproximativ zero, adică,

Folosind ecuațiile (6.24) și (6.25), atunci estimarea canalului este obținută ca

Deoarece nu sunt necesare tonuri pilot suplimentare, tehnica de estimare a canalelor care
utilizează semnalul suprapus este avantajoasă în ceea ce privește rata de transmisie a datelor.
Cu toate acestea, aceasta necesită o putere suplimentară pentru transmiterea semnalelor pilot
și un interval lung de timp pentru a face ca media semnalelor de date să fie zero. Pentru
terminalele în mișcare rapidă, performanța estimării canalelor utilizând semnalul suprapus în
domeniul temporal poate fi degradată deoarece un timp de coerență scurt reduce M, care
poate fi prea scurt pentru a face ca media semnalelor de date să fie zero. În mod similar, pentru
estimarea canalului utilizând semnalul suprapus în domeniul frecvenței, performanțele acestuia
pot fi degradate deoarece o bandă îngustă de coerență reduce M.
6.5.2 Estimarea canalului în canalele rapide de variație rapida în timp
Metodele de estimare a canalelor discutate până în prezent pot fi aplicabile numai atunci când
caracteristica canalului nu se modifică într-o perioadă de simbol OFDM. Cu toate acestea,
canalul pentru terminalele care se mișcă rapid poate varia în funcție de timp într-o perioadă de
simbol OFDM, în care perioada mai lungă OFDMsymbol are un efect mai sever asupra
performanței estimării canalului. Canalul care variază în funcție de timp poate distruge
ortogonalitatea printre subcariere la receptor, rezultând în ICI (Inter-Channel Interference).
Datorită efectului ICI, nu poate fi compensat prin egalizatorul convențional cu un singur val.
Această secțiune se referă la efectul ICI în canalele de timp [144-149].
Un semnal OFDM transmis poate fi scris în domeniul de timp ca
Semnalul corespunzător recepționat printr-un canal wireless cu căi L poate fi
exprimată ca
unde hi½n? și ti denotă răspunsul la impuls și timpul de întârziere pentru calea i a canalului de
temporizare, respectiv, în timp ce w½n? este un AWGN. Semnalul recepționat în domeniul de
frecvență este obținut prin luarea FFT a fyynng ca

Definiți vectorii de semnal din domeniul de frecvență ca

Mai mult, efectul canalului poate fi reprezentat de o matrice de canal H; care este dat ca

Apoi, Ecuația (6.29) poate fi exprimată într-o formă vector-matrice ca

Dacă răspunsul la impulsul canalului (CIR) hi ½n? rămâne constantă pe o perioadă de


OFDMsymbol, matricea canalului H devine diagonală cu ak; m ¼ 0; 8 k "m. În acest caz,
semnalul transmis poate fi recuperat cu ușurință printr-un egalizator simplu, după cum
urmează:
Dacă hi ½n? variază într-o singură perioadă de simbol OFDM, H nu mai este diagonală, ceea ce
face dificilă rezolvarea ecuației (6.31). Cu toate acestea, dacă canalul variază încet, hi ½n? poate
fi aproximată printr-o linie dreaptă. Acest lucru poate fi ilustrat în figura 6.11 (a) în care canalul
cu 3 căi este simulat cu modelul lui Jake pentru trei frecvențe Doppler diferite ½20 Hz; 50 Hz;
100 Hz p. Rețineți că panta răspunsului de impuls al canalului crește liniar cu frecvența Doppler.
Figura 6.11 (b) prezintă răspunsurile de mărime corespunzătoare în care majoritatea energiei
sunt concentrate în jurul componentei DC. Rețineți că ICI crește și cu frecvența Doppler. În
cazurile în care răspunsul la frecvența canalului are cea mai mare parte a energiei sale în
apropierea componentei DC (a se vedea figura 6.11 (b)), matricea răspunsului la frecvența
canalului H poate fi aproximată printr-o matrice de bandă cu dimensiunea lui q

unde q denotă numărul de subcariere care implică ICI dominante. În special, dacă este o
matrice rară, cu q ¼ N, ea poate fi transformată într-o matrice diagonală bloc. În acest caz,
matricea inversă poate fi obținută mai ușor printr-o operație bloc-cu-bloc cu complexitate
computațională mai mică comparativ cu cazul unei matrice complete [145].
Pentru a compensa efectul ICI în canalele cu decolorare rapidă, avem nevoie de o estimare
precisă a răspunsului frecvenței canalului H. Deși s-au efectuat cercetări extinse privind
estimarea canalelor care variază în timp, majoritatea tehnicilor propuse au fost derivate și
verificate în condiții limitate [144,147-149]. Sunt de așteptat cercetări suplimentare pentru
transmisia de date în medii de canale cu decolorare foarte rapidă.
6.5.3 Estimarea canalului bazat pe algoritmul EM
Algoritmul EM (Expectation-Maximization) a fost folosit pe scară largă într-un număr mare de
domenii care abordează factori necunoscuți care afectează rezultatul, cum ar fi procesarea
semnalelor, genetica, studii econometrice, clinice și sociologice. Estimarea canalului bazată pe
EM este o tehnică iterativă pentru găsirea estimărilor de probabilitate maximă (ML) ale unui
canal [150-155]. Este clasificată ca o metodă semi-orb, deoarece poate fi implementată atunci
când simbolurile de transmisie nu sunt disponibile. În această secțiune, să descriem tehnica de
estimare a canalului utilizând algoritmul EM în [151,153,154].
Să presupunem că X este unul dintre simbolurile C-ary din constelația de mărimea C, astfel
încât X2 fX1; X2; ? ? ? ; XCg unde Xi denotă simbolul i în constelație. Apoi, semnalul primit
pentru un subcarrier este dat de

Funcția de probabilitate condițională condiționată a Y dată H și X poate fi exprimată ca

Presupunând că fXigC i¼1 sunt transmise cu aceeași probabilitate de 1 = C, funcția de


probabilitate condițională condiționată a Y dată H este

Presupunând că canalul nu variază în funcție de timp în raport cu simbolurile OFDM D, denumi


simbolurile transmise și recepționate într-o formă de vector ca

În contextul algoritmului E, Yis a numit date "incomplete" deoarece datele transmise (latente) X
sunt ascunse în datele observate Y. Între timp, ðY; XÞ se numește date "complete" deoarece
datele observate și latente sunt incluse în set. Deoarece este dificil să se estimeze canalul cu
date "incomplete", funcția densității de probabilitate a datelor "incomplete" este convertită în
funcție de densitatea de probabilitate a datelor "complete". Funcția densitate de probabilitate
a datelor "incomplete" este dată de

care poate fi reprezentat și prin utilizarea funcției log-probabilitate ca

Între timp, funcția densității de probabilitate a datelor "complete" poate fi rescrisă utilizând
funcția log-probabilitate ca

În algoritmul ML convențional, H este estimat prin maximizarea funcției de probabilitate f ðYjHÞ


din Ecuația (6.37). Datorită termenului de însumare a funcțiilor exponențiale, totuși, nu este
ușor să se deducă o soluție închisă pentru H. În algoritmul EM, H este estimat prin creșterea
probabilității iterative a funcției în Ecuația (6.42). De fapt, algoritmul EM constă în două etape
iterative: etapa de așteptare (E) și etapa de maximizare (M). În etapa E, valoarea așteptată a
funcției logaritmice a lui H se calculează prin așteptarea peste X, condiționată de Y și utilizând
ultima estimare a lui H, după cum urmează:

unde HðpÞ reprezintă cea mai recentă estimare a lui H. În etapa E, funcțiile logaritmice ale
datelor "complete" din Ecuația (6.42) sunt medii pe simbolurile D OFDM. În etapa M ulterioară,
Hðpț1Þ este determinată prin maximizarea Ecuației (6.43) peste toate valorile posibile ale lui H.
Mai exact, se obține prin diferențierea Ecuației (6.43) față de H și stabilirea derivatului său la
zero, pentru a obține următorul rezultat [154]:

unde f ðYd jHðpÞ; XiÞ și f ðYd jHðpÞÞ pot fi obținute prin Ecuația (6.36) și Ecuația (6.37),
respectiv. Rețineți că Ecuația (6.44) poate fi privită ca o soluție ponderată cea mai mică pătrată
unde o estimare a funcției de corelație încrucișată este împărțită de o estimare a funcției de
auto-corelare, fiecare dintre acestea fiind ponderată de funcțiile corespunzătoare densității de
probabilitate.
Algoritmul EM este deosebit de util pentru estimarea canalului atunci când datele disponibile
sunt incomplete. Datele incomplete pot fi problematice în situațiile în care informațiile privind
semnalele de intrare (transmise, instruire) nu sunt disponibile sau sunt insuficiente. În sistemele
MIMO OFDM, de exemplu, informația de stare a canalului între fiecare pereche de antene de
transmisie și recepție este necesară pentru o decodare coerentă. Cu toate acestea, tehnicile de
estimare a canalelor clasice nu pot fi utilizate în această situație, deoarece semnalul recepționat
este o suprapunere a semnalelor transmise de la diferite antene pentru fiecare subcarrier
OFDM. Algoritmul EM poate converti o problemă de estimare a canalului cu mai multe intrări
într-un număr de probleme de estimare a canalului cu o singură intrare. De asemenea,
algoritmul EM poate fi util pentru estimarea canalului atunci când o stație mobilă (MS) este
localizată la limita celulei supuse interferenței între celule. În această situație, semnalul
recepționat la SM este o suprapunere a semnalelor transmise de la stațiile de bază adiacente
(BS) necunoscute SM. Performanța estimării canalului la limita celulei poate fi îmbunătățită cu
date suplimentare primite prin utilizarea algoritmului EM atâta timp cât canalul este invariabil
în timp pe perioadele de simbol D.
În ciuda avantajelor algoritmului EM, aplicarea sa la estimarea canalelor sistemelor MIMO-
OFDM nu este simplă, pur și simplu pentru că complexitatea computațională a algoritmului EM
crește exponențial cu numărul de semnale transmise sau cu mărimea constelației. În plus,
algoritmul EM nu este aplicabil unui canal care variază în timp.
Au existat câteva încercări de reducere a complexității computaționale sau de îmbunătățire a
performanței algoritmului EM. De exemplu, a fost propusă o tehnică de estimare EM (DEM) de
decizie, prin combinarea algoritmului EM cu estimarea canalului de decizie (DD), care prezintă o
complexitate computațională redusă în canalele încetinitoare de timp [152].
6.5.4 Estimarea canalului orb

Folosind proprietățile statistice ale semnalelor recepționate, canalul poate fi estimat fără a
recurge la semnalele preambulului sau ale pilotului. Evident, o astfel de tehnică de estimare a
canalului orb are un avantaj de a nu suporta costuri generale cu semnale de antrenament. Cu
toate acestea, adesea are nevoie de un număr mare de simboluri recepționate pentru a extrage
proprietățile statistice. În plus, performanțele lor sunt de obicei mai slabe decât cele ale altor
tehnici convenționale de estimare a canalelor care utilizează semnalul de antrenament. Ca una
dintre tehnicile de estimare a canalului orb, algoritmul Bussgang este utilizat pe scară largă în
sistemele de transmisie cu un singur purtător [156-159]. Se compune dintr-un filtru, un
estimator neliniar cu memorie zero și un algoritm adaptiv. În funcție de modul în care este
construit estimatorul neliniar zeromemory, acesta poate fi clasificat ca algoritm Sato, algoritmul
CMA (algoritmul constant modul) sau algoritmul Godard. Cu toate acestea, algoritmul Bussgang
este rar utilizat în sistemele OFDM, deoarece nu este ușor să găsim un estimator neliniar
adecvat pentru semnalul recepționat în sistemul OFDM.
Tehnica de estimare a canalului bazată pe subspațiu este un alt tip de tehnici de estimare a
canalelor orb dezvoltate pentru sistemele OFDM [158,160-162]. Acesta este derivat prin
utilizarea proprietăților statistice de ordinul doi și a proprietăților ortogonale ale unui semnal
recepționat. Deoarece spațiul semnalului recepționat poate fi divizat în subspațiu de subspațiu
de semnal și subspațiu de zgomot, canalul poate fi estimat prin utilizarea proprietății
subspațiului de zgomot care este ortogonal la subspațiul de semnal. Tehnica de estimare a
canalului bazată pe subspațiu necesită o complexitate computațională mare pentru a separa
subspațiul de semnal de subspațiul de zgomot; acest lucru necesită calcularea corelației dintre
semnalul recepționat și apoi descompunerea eigen. De asemenea, sunt necesare un număr
mare de semnale recepționate (adică un număr mare de ecuații) pentru a estima proprietățile
statistice ale semnalelor recepționate. Diferite abordări, cum ar fi creșterea numărului de
ecuații prin suprasamintare sau utilizarea unei matrici pre-codare cu rang total, au fost
investigate pentru estimarea canalului subspațial.