分布式MIMOOFDM信号多频偏多信道联合盲估计

摘要：针对多径衰落信道下分布式多输入多输出正交频分复用（mimoofdm）系统中频偏信道联合盲估计难的问题，提出了一种有效的多频偏多信道联合盲估计方法。该算法利用盲解卷积分离算法接收信号的同时得到有频偏影响的多个信道，对分离后的多个信号进行逐个频偏估计，补偿整体信道并去除信道模糊度，得到有效的信道估计值。仿真结果表明，与基于导频的频偏信道估计方法相比，所提算法可在5dB获得1e6的频偏估计精度，在15dB左右获得1e2的信道估计精度，实现了分布式MIMOOFDM信号的多频偏多信道联合盲估计。

关键词：分布式多输入多输出正交频分复用；多频偏多信道；盲源分离；盲估计；模糊度

中图分类号： TN911.7 文献标志码：A

英文摘要

Abstract：Joint blind estimation of multiple frequency offsets and multiple channels is difficult in distributed Multiple Input Multiple Output Orthogonal Frequency Division Multiplexing （MIMOOFDM） system under the multipath fading channel. In order to solve the problem， an effective algorithm was proposed. The proposed algorithm made use of blind deconvolution separation method to receive signal and got the multiple channels embedded with frequency offsets meanwhile. After estimating frequency offsets of the separated signals， the real channels estimation could be obtained by removing channel ambiguity and compensating the whole channels. The simulation results show that， the proposed algorithm is able to get 1e6 average Mean Square Error （MSE） of frequency offsets estimation at 5dB and 1e2 average MSE of channels estimation at 15dB compared with existing frequency offset channel estimation method based on pilot， the joint blind estimation of multiple frequency offsets and multiple channels for distributed MIMOOFDM signal is realized

英文关键词

Key words：distributed Multiple Input Multiple Output Orthogonal Frequency Division Multiplexing （MIMOOFDM）； multiple frequency offsets and multiple channels； blind source separation； blind estimation； ambiguity

0 引言

发射天线在地理位置上呈分布式摆放，由光纤或电缆联结到同一个信号处理中心，这样的多输入多输出（Multiple Input Multiple Output，MIMO）系统称之为分布式MIMO系统[1]。分布式系统可以克服“远近效应”和“阴影效应”造成的路径损耗，解决小区通信死角的问题，提供更好的小区覆盖率。本文主要研究多用户MIMO系统。正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）技术已经成功应用于第三代无线通信系统中，也将成为下一代无线通信系统中不可或缺的关键技术。由于其子载波在时域和频域上正交，允许各子信道的频谱相互重叠，所以能更大限度地利用频谱资源。OFDM与分布式系统的结合可以有效提高信道容量，使频谱利用率成倍提升，提高系统的可靠性并这句话描述“抗”是否不恰当，请核实？改成“克服”克服多径信道的影响，同时大大降低在多径环境下的接收机复杂度。与传统的多输入多输出正交频分复用（Multiple Input Multiple Output Orthogonal Frequency Division Multiplexing，MIMOOFDM）系统不同，分布式MIMOOFDM系统的发送端和接收端之间具有多个频偏和时延以及信道系数[2]，因此，相比于传统的单一参数估计问题，分布式系统中的多参数估计问题更有难度。

目前的多频偏多信道估计研究中，大部分算法[3-6]都基于最大似然（Maximum Likelihood，ML）理论推导出多频偏多信道的联合似然函数，通过多维搜索来得到估计值。这种算法理论上是性能最优的，但是当收发端天线数增加时，待估参数维数显著增多，复杂度提高。文献[3-5]在发送端发送多个正交的导频来区分各个发送信号，在接收端通过导频与信号相关进而求出某个特定信号的频偏，这类方法避免了ML中的多维搜索，将频偏估计问题变成多个单参数估计问题；但是导频的使用降低了系统传输效率。文献[7-8]在文献[3]的基础上采用收敛速度较快的空间交替广义期望最大化中英不对应，请核实（SpaceAlternating Generalized Expectationmaximization，SAGE）算法进一步提高频偏信道估计精度；但是该算法需要参数的初始估计值，仍然受到文献[3]中基于导频的频偏估计算法范围的限制。文献[9]给出了一种半盲方法，设计特殊的正交导频区分用户，进而估计频偏信道；这种方法仍然需要用到部分导频信息。综上所述，现有文献均需利用正交导频，且大多针对平坦衰落信道，但在实际的通信系统中，导频或训练序列往往难以获得，信道环境也是复杂多变的多径信道。因此，研究一种能够应用于多径信道下的分布式MIMOOFDM多频偏多信道盲估计算法具有重要的实际意义。

本文提出一种有效的多频偏多信道联合盲估计算法。该算法利用多径信道下分布式MIMOOFDM信号与盲源分离理论中卷积混合信号类似的特点，利用卷积混合盲源分离算法分离接收信号，去除多径影响，得到含有频偏的信道和含有频偏的发送信号。对OFDM解调后，求得发送信号的频偏，进而求得待求信道。所提算法可以对多频偏多信道进行联合盲估计，太笼统，指哪些算法与现有的多频偏多信道估计算法相比与现有的多频偏多信道估计算法相比，能获得良好的性能。

1 分布式MIMOOFDM信号模型

由于分布式MIMO系统中多个发射端分布在不同的地理位置，相互之间间隔较远，假设每个发射端配置一根发射天线，定义Nt为所有发射端的天线数，Nr为接收端天线数，则每根接收天线上的信号为所有发射天线的信号和，发射天线间的信号相互独立。Xnq是q时刻第n根发射天线上发送的OFDM频域符号，子载波数为N，内层调制为正交相移键控（Quadrature Phase Shift Keying，QPSK）调制，有：

其中： fm， n表示第n根发射天线到第m根接收天线间的归一化载波频偏（对子载波间隔进行归一化），由于发射天线相互之间相距很远，认为拥有各自独立的频率振荡器，接收天线共享一个频率振荡器，则系统中只有发射天线数（Nt）个频偏，fm， n可以简化为fn；hm， n（l）是第n根发射天线到第m根接收天线上的信道响应，路径数为L，这里认为频偏和信道在多个OFDM符号块内是不变的；τm， n为第n根发射天线到第m根接收天线上的时延；wmq（i）为第m根接收天线上的复高斯白噪声，均值为零，方差为σ2w。式（3）中，待估参数为fn和hm， n（l）。

从上述信号模型可以看出，信号在传输过程中存在着传输延时和信道滤波，系统接收到的信号是源信号经过不同时延的卷积混合。引言中指出，现有算法针对的是线性混合信号，即信号与信道是线性乘积混合而非卷积混合。这就需要采用新的方法能够将信道从卷积混合信号中分离出来，进而完成对其的估计。根据调研发现，卷积混合信号作为一类实际中常见的信号，在盲源分离理论中得到了广泛的研究[10-12]，可以采用盲解卷积方法分离出源信号，去除多径信道对信号的影响。下面对盲源分离理论中的卷积混合信号模型进行简要介绍。

假设有K个信源Sk（i），卷积混合后被J个接收机接收，混合信号为Xp（i），则卷积混合的数学模型可以表示为：

其中：“”表示卷积运算，apk是否缺少内容apk。是缺少apk！！！是第p个信源到第k个接收机的冲激响应。对比式（4）和式（3）可以看出，二者的信号结构类似，因此，可以采用针对卷积混合模型的盲源分离算法将分布式MIMOOFDM信号分离，进而达到简化频偏估计算法复杂度的目的。为了更符合卷积混合信号模型，下面对式（3）进行进一步简化：

2 多频偏多信道联合盲估计算法

在第1章建立的分布式MIMOOFDM信号模型的基础上，本章给出多频偏多信道联合盲估计算法。算法的主要思想是首先利用卷积混合盲源分离方法分离接收的多径分布式MIMOOFDM信号，在盲源分离理论中，卷积混合盲源分离有基于时域、频域和子空间三类方法[12]。时域方法对接收到的混合时域信号直接分离提取，算法比较复杂且收敛性能一般。频域方法将时域信号变换到频域进行处理，但难点是不同频点上分离子信号的幅度和排列顺序不一致，逆傅里叶变换时会发生已分离信号的再次混淆，极大限制了频域盲源分离算法的性能。而子空间方法在时域先去卷积再分离源信号，除了可以恢复出源信号，还可以得到具有频偏的信道估计。因此本文采用子空间盲源分离方法进行信号分离，再进行频偏和信道估计。具体算法流程如图1。

图2（a）给出了频偏估计性能随接收天线数变化的平均均方误差曲线。随着接收天线数的增加，平均均方误差逐渐降低。这是由于在本文算法中利用了盲源分离算法分离接收信号，当接收天线数增加时，相当于可用于分离的方程数增加，而未知数个数不变，使得方程解的准确性增加，但随之分离的复杂度也增加。当Nr大于4时，性能趋于稳定。因此，在性能和复杂度之间进行折中，可以令接收天线数为5来进行盲源分离。这也是后面实验的一个条件。

图2（b）给出了信道估计性能随接收天线数变化的平均均方误差曲线。与频偏的性能类似，平均均方误差也是随着接收天线数的增加而降低，接收天线数Nr的最优选择仍为5。

实验2 考察频偏、信道估计性能随符号数变化的结果。

这里符号数分别为400，600，800，1000，接收天线数可由实验1得到，Nr=5。其他仿真条件如前所述。结果如图3。

图3（a）给出频偏估计性能随符号数变化的曲线。随着符号数的增加，平均均方误差降低。同实验1，当符号数达到一定数目时，性能趋于稳定。图中显示当N为600，800和1000时，性能相差无几。因此，从复杂度和性能折中考虑，选择符号数为600。

图3（b）给出了信道随符号数变化的性能曲线。同频偏估计性能一样，同样可以选择符号数为600来获得好的估计性能。

实验3 与现有算法进行对比，考察频偏估计性能。令接收天线数Nr=5，OFDM符号数N=600。

为了考察频偏盲估计性能，在现有算法中选取了几种比较有代表性的频偏估计算法：基于SAGE迭代的算法[7-8]、针对分布式MIMO单载波调制信号的盲估计方法[15]。文献[7-8，15]的信道环境均为简单的平坦衰落信道。由图4可以看出，在整个信噪比范围内尤其是低信噪比时，本文所提算法的性能要优于其他文献算法性能，这是由于卷积混合盲源分离可以抑制噪声对信号的影响，且性能在信噪比大于5dB以后趋于稳定。同时，本文主要研究的是OFDM信号和多径衰落信道，图4可以明确说明所提频偏算法对多径衰落信道和OFDM信号的鲁棒性。

实验4 与现有算法进行对比，考察信道估计性能随信噪比变化的结果。

图5将所提算法与利用少量导频的半盲信道估计算法[9]进行对比，并比较未去除频偏和已去除频偏的信道估计结果。可以看出，在整个信噪比范围内，本文所提的信道估计算法都要优于文献[9]算法。由未去除频偏和去除频偏后的信道估计性能可以看出，频偏估计结果直接影响着信道估计结果，所提的频偏估计算法可以较好地估计出频偏，信道估计可以很好地去除频偏影响。从侧面反映出所提频偏、信道估计算法的优越性。

实验5 考察不同频偏值随接收天线数变化的性能。由于是对频偏取不同值的情况分别讨论，因此这里以均方误差作为性能分析标准。

由图6可以看出，与实验1中图2（a）频偏的平均均方误差性能类似，不同频偏值的均方误差性能也随着接收天线数的增加而趋于稳定，最优接收天线数为5。

不同频偏值随接收天线数变化的性能曲线子图（b）的纵坐标10-5不在最上方，与子图（a）不同，请核实。这个没关系！！！！与曲线有关！！！

4 结语

本文提出了一种针对多径衰落信道下分布式MIMOOFDM系统的多频偏多信道联合盲估计算法。利用卷积混合盲源分离，分离接收信号的同时得到含有频偏的信道，再用针对OFDM信号的频偏估计方法得到频偏估计，进而得到信道估计。所提算法可以在接收天线数和符号数较少、频偏值比较接近的情况下，实现对多频偏多信道的联合盲估计，且可以在多径衰落信道和信噪比较低时获得较精确的盲估计性能，为后续解调打下良好的工作基础。本文主要研究了归一化频偏为0.01和0.015时的估计性能，对更大值频偏的研究是下一步的工作。

参考文献：

[1]LIU H. Research of multicarrier frequency offsets estimation based on distributed MIMOOFDM [D]. Harbin： Harbin Engineering University， 2011： 2-4.（刘辉. 分布式MIMOOFDM系统的多载波频偏估计[D]. 哈尔滨：哈尔滨工程大学， 2011：2-4.）

[2]ZHANG Y， JIA D， TANG L， et al. Multiple carrier frequency offsets estimation in cooperative OFDM systems [C]// Proceedings of 2010 6th International Conference on Wireless Communications Networking and Mobile Computing（WiCOM）. Piscataway： IEEE， 2010： 1-5.

[3]YAO Y， NG TS. Correlationbased frequency offset estimation in MIMO system [C]// VTC 2003Fall： Proceedings of the 2003 IEEE 58th Vehicular Technology Conference. Piscataway： IEEE， 2003， 1： 438-442.

[4]LIU G， GE J H， GUO Y. Time and frequency offset estimation for distributed multipleinput multipleoutput orthogonal frequency division multiplexing systems [J]. IET Communications， 2010， 4（6）： 708-715.

[5]MORELLI M， IMBARLINA G， MORETTI M. Estimation of residual carrier and sampling frequency offsets in OFDMSDMA uplink transmissions [J]. IEEE Transactions on Wireless Communications， 2010， 9（2）： 734-744.

[6]BESSON O， STOICA P. On parameter estimation of MIMO flatfading channels with frequency offsets [J]. IEEE Transactions on Signal Processing， 2003， 51（3）： 602-613.

[7]PHAM TH， NALLANATHAN A， LIANG YC. Joint channel and frequency offset estimation in distributed MIMO flatfading channels [J]. IEEE Transactions on Wireless Communications， 2008， 7（2）： 648-656.

[8]TIAN Y， LEI X， XIAO Y， et al. SAGE based joint timingfrequency offsets and channel estimation in distributed MIMO systems [J]. Computer Communications， 2010， 33（17）： 2125-2131.

[9]ZENG Y H， LEYMAN A A， NG TS. Joint semiblind frequency offset and channel estimation for multiuser MIMOOFDM uplink [J]. IEEE Transactions on Communications， 2007， 55（12）： 2270-2278.

[10]XU P. Convolutive blind source separation applied to the digital communication signals [D]. Xi’an： Xidian University， 2010：2-4.（许鹏飞. 卷积混合数字通信信号的盲源分离[D]. 西安：西安电子科技大学，2010：2-4.）

[11]ZHANG Y. Study on blind source separation of linear mixture [D]. Xi’an： Xidian University， 2011： 11-15.（张延良. 线性混合盲信源分离的算法研究[D]. 西安：西安电子科技大学， 2011：11-15.）

[12]WANG E. Theory of blind source separation and its application in communication systems[D]. Harbin： Harbin Institute of Technology， 2009：6-9. （王尔馥. 盲源分离理论及其在通信系统中的应用[D]. 哈尔滨：哈尔滨工业大学，2009：6-9.）

[13]WANG Y， SERPEDIN E， CIBLAT P. Optimal blind carrier recovery for MPSK burst transmissions [J]. IEEE Transactions on Communications， 2003， 51（9）： 1571-1581.

[14]ZHANG Z. Research on blind channel estimation for MIMOOFDM system [D]. Guangzhou： South China University of Technology， 2010：38-41.（张志勇. MIMOOFDM系统盲信道估计技术的研究[D]. 广州：华南理工大学， 2010：38-41.）

[15]NASIR A A， DURRANI S， KENNEDY R A. Blind timing and carrier synchronization in distributed multiple input multiple output communication systems [J]. IET Communications， 2011， 5（7）： 1028-1037.

[16]ZENG Y， LEYMAN A R， NG TS. Joint semiblind frequency offset and channel estimation for multiuser MIMOOFDM uplink [J]. IEEE Transactions on Communications， 2007， 55（12）：2270-2278.与文献[9]重复？