2007年--外文翻譯--mimo ofdm系統(tǒng)中異步同信道干擾的抑制（譯文）

1、<p>　　中文6520字,4900單詞，24000英文字符</p><p>　　出處：Li Q, Zhu J, Guo X, et al. Asynchronous co-channel interference suppression in MIMO OFDM systems[C]//Communications, 2007. ICC'07. IEEE International Confe

2、rence on. IEEE, 2007: 5744-5750.</p><p>　　MIMO OFDM系統(tǒng)中異步同信道干擾的抑制</p><p><b>　　摘要</b></p><p>　　本文提出一種算法來抑制MIMO OFDM系統(tǒng)中的異步同信道干擾（CCI）。在高密度部署的WLAN中，同信道干擾正逐漸成為影響系統(tǒng)性能的主要因素，但由于W

3、LAN是異步傳輸?shù)?，即干擾信號(hào)的循環(huán)前綴與用戶信號(hào)的循環(huán)前綴在時(shí)間上不一致，這對(duì)干擾的抑制帶來了極大的挑戰(zhàn)。因此，由于干擾信號(hào)之間的正交性被破壞，傳統(tǒng)的通過估計(jì)干擾信號(hào)信道響應(yīng)，然后在頻域采用基于最小均方誤差（MMSE）的干擾消除技術(shù)并不能很好的工作。為了抑制異步干擾，本文設(shè)計(jì)了基于Cholesky分解和低通平滑的干擾空間協(xié)方差陣的估計(jì)方法?；诠烙?jì)的干擾統(tǒng)計(jì)特性，分別采用了MMSE和最大后驗(yàn)（MAP）接收機(jī)，仿真結(jié)果表明，本文提出的解

4、決方案能有效的工作。</p><p><b>　　前言</b></p><p>　　當(dāng)前，同信道干擾（CCI）正成為影響高密度WLAN（HD-WLAN）性能的主要因素[6]。隨著越來越多的訪問節(jié)點(diǎn)（AP）部署在諸如辦公區(qū)、機(jī)場、大學(xué)校園等地方以對(duì)逐漸增長的移動(dòng)用戶提供網(wǎng)絡(luò)接入，同信道干擾的問題將變得更加嚴(yán)重。由于只有有限的正交信道（典型值為3或8）是可用的，使用相同信

5、道的小區(qū)不能有足夠的距離分開，當(dāng)同時(shí)工作時(shí)就會(huì)互相干擾。下一代WLAN技術(shù)，采用正交頻分復(fù)用（OFDM）和多輸入多輸出（MIMO）技術(shù)，為實(shí)現(xiàn)更高的鏈路容量和更好的干擾抑制能力提供了可能。</p><p>　　自從Winters關(guān)于CCI抑制問題的開篇論文[1]，科研人員已經(jīng)在該問題上做了大量的研究。采用多天線為CCI抑制帶來了更多的自由度。文獻(xiàn)[2]提出在平坦衰落信道下，基于多用戶檢測來消除MIMO CCI的技

6、術(shù)?？紤]到OFDM調(diào)制和時(shí)變信道，文獻(xiàn)[3]采用MMSE分集接收機(jī)設(shè)計(jì)了自適應(yīng)的陣列處理技術(shù)。文獻(xiàn)[4]指出，在異步干擾抑制方面，以前的頻域處理方法存在困難，所以他們利用OFDM循環(huán)前綴的結(jié)構(gòu)，設(shè)計(jì)了空時(shí)濾波來抑制CCI。文獻(xiàn)[5]與本文工作最類似，采用MMSE接收機(jī)，通過短訓(xùn)練序列在每個(gè)子載波上估計(jì)干擾的協(xié)方差陣，同時(shí)利用每個(gè)子載波之間的相關(guān)性。除了物理層的信號(hào)處理，文獻(xiàn)[6]設(shè)計(jì)了基于媒體訪問控制層（MAC）的解決方案，采用載波感知

7、來消除鄰近小區(qū)的CCI干擾。通過試驗(yàn)床試驗(yàn)表明，自適應(yīng)的CSMA策略能有效的解決終端隱藏和暴露的問題，能顯著的提高網(wǎng)絡(luò)容量。</p><p>　　由于WLAN采用了載波偵聽媒體接入/碰撞避免（CSMA/CA）這樣的隨機(jī)的訪問協(xié)議導(dǎo)致CCI是異步的。文獻(xiàn)[4]表明，由于OFDM通過循環(huán)前綴來保證子載波之間的正交性的結(jié)構(gòu)被破壞了，所以傳統(tǒng)的在頻域估計(jì)所有的信道來完成CCI的抑制并不能有效的工作。故，本文采用統(tǒng)計(jì)的方法

8、——將異步同信道干擾建模為零均值、時(shí)間上不相關(guān)、空間上有色的高斯平穩(wěn)隨機(jī)過程，然后利用OFDM符號(hào)的結(jié)構(gòu)和矩陣分解技術(shù)設(shè)計(jì)了有效的空間協(xié)方差陣的估計(jì)算法。仿真結(jié)果表明，相對(duì)于同步消除，本文的方法能有效的降低誤包率（PER）。</p><p>　　本文余下部分安排如下：第二部分描述系統(tǒng)模型和異步干擾的影響；第三部分提出一個(gè)有效MIMO OFDM信號(hào)空間協(xié)方差陣的估計(jì)方法；第四部分提出基于異步CCI抑制的MMSE接收

9、機(jī)，同時(shí)討論了在空時(shí)編碼系統(tǒng)中的設(shè)計(jì)；然后，提出了最優(yōu)的MAP檢測來最小化誤比特率；第六部分通過仿真表明了本文算法的性能；最后，第七部分總結(jié)全文。</p><p>　　在這篇文章中,正常的字母表示標(biāo)量，黑體字體表示矩陣和向量。對(duì)任意矩陣，、分別為其轉(zhuǎn)置和共軛轉(zhuǎn)置。為的共軛。上標(biāo)代表第個(gè)子載波。</p><p><b>　　系統(tǒng)模型</b></p><

10、;p>　　Fig.1為具有個(gè)發(fā)射天線和個(gè)接收天線的MIMO OFDM系統(tǒng)。編碼后的數(shù)據(jù)包通過交織后分成個(gè)塊，然后根據(jù)所選的調(diào)制方式將二進(jìn)制數(shù)據(jù)塊映射到，其中，為子載波的個(gè)數(shù)。我們將作為一個(gè)OFDM符號(hào)。OFDM符號(hào)采用時(shí)空處理(通過時(shí)空編碼或空間復(fù)用)，然后分成組。每個(gè)組通過一個(gè)天線傳輸。由于多徑效應(yīng)，在傳輸之前，OFDM符號(hào)首先通過IFFT變換到時(shí)域，然后添加循環(huán)前綴來消除符號(hào)間干擾（ISI）。最終的傳輸序列為。我們假設(shè)信道多徑

11、為，且在一個(gè)數(shù)據(jù)包內(nèi)保持不變。對(duì)期望用戶和干擾干擾使用相同的信道模型。同時(shí)，對(duì)異步干擾引入一個(gè)隨機(jī)延遲。最后，望用戶的第個(gè)天線上接收信號(hào)為：</p><p><b>　　(1)</b></p><p>　　其中，和第個(gè)發(fā)射天線和第個(gè)接收天線之間，期望用戶和第個(gè)干擾用戶在第個(gè)多徑上的信道響應(yīng)，為均值為0，方差為的加性高斯白噪聲。上式的第二部分代表同信道干擾。</p

12、><p>　　由于異步破壞循環(huán)結(jié)構(gòu)，干擾不能再表示為數(shù)據(jù)符號(hào)和相應(yīng)子載波信道的乘積。所有多徑上的時(shí)域信道響應(yīng)將影響每個(gè)子載波上的干擾?，F(xiàn)在，假定一個(gè)干擾信號(hào)。為簡單起見，我們假定只有一個(gè)發(fā)送天線，相應(yīng)的擴(kuò)展到MIMO信道是很直接的。根據(jù)期望用戶的時(shí)刻，重新將干擾寫成循環(huán)結(jié)構(gòu)為[4]:</p><p><b>　　(2)</b></p><p>　　

13、其中，為循環(huán)卷積中FFT的點(diǎn)數(shù)；表示對(duì)取余數(shù)，當(dāng)時(shí)，指示函數(shù)為1，反之為0?；旧?，干擾信號(hào)可以表示為一個(gè)循環(huán)卷積加上一個(gè)相關(guān)項(xiàng)。對(duì)式(2)做FFT變換得</p><p><b>　　(3)</b></p><p>　　相應(yīng)的，和為和的點(diǎn)FFT變換。</p><p>　　式(3)的第二項(xiàng)表明，同時(shí)估計(jì)期望用戶信道和干擾用戶信道，采用傳統(tǒng)的MMS

14、E接收機(jī)，需要個(gè)自由度才能有效的抑制干擾。</p><p>　　異步干擾空間協(xié)方差陣的估計(jì)</p><p>　　避免估計(jì)干擾的信道響應(yīng)，我們將干擾在每個(gè)子載波上模型為零均值，空間有色高斯平穩(wěn)隨機(jī)過程。因此，協(xié)方差完全比表征了干擾的統(tǒng)計(jì)數(shù)據(jù)。我們提出了一種統(tǒng)計(jì)方法來解決異步CCI抑制的問題。高斯并不準(zhǔn)確，但它對(duì)干擾抑制提供了有效的統(tǒng)計(jì)信息。更重要的是，高斯近似使接收機(jī)的設(shè)計(jì)變得簡單、容易。干

15、擾的結(jié)構(gòu)被利用的越多，則干擾抑制算法更有效。第個(gè)子載波上接收到的基帶信號(hào)表示為</p><p><b>　　(4)</b></p><p>　　其中，為干擾加噪聲，是(3)式與加性高斯噪聲的疊加。我們的目標(biāo)是在每個(gè)子載波上有效的估計(jì)的協(xié)方差，然后設(shè)計(jì)Wiener濾波或最優(yōu)MAP接收機(jī)來抑制干擾。</p><p>　　第子載波上的空間協(xié)方差表示為

16、</p><p>　　其中，為OFDM訓(xùn)練符號(hào)的長度。然而, 長時(shí)間的估計(jì)干擾的統(tǒng)計(jì)特性是不現(xiàn)實(shí)的，因此只能得到比較差的空間協(xié)方差的估計(jì)量。首先，我們采用最大似然估計(jì)每個(gè)子載波上的空間協(xié)方差陣，即用有限的樣本平均得到粗估計(jì)，然后利用OFDM符號(hào)子載波之間的相關(guān)性來調(diào)整該估計(jì)量。該相關(guān)性與OFDM調(diào)制結(jié)構(gòu)和信道的多徑衰落特性有關(guān)。此外，我們使用Cholesky分解方法將受到限制　　參數(shù)估計(jì)問題(正定矩陣)變成無約束

17、的估計(jì)問題。</p><p><b>　　時(shí)域低通平滑</b></p><p>　　考慮，其中，。矩陣序列完全描述了干擾的統(tǒng)計(jì)特性。矩陣序列的對(duì)角元素是第根天線接收信號(hào)的估計(jì)功率譜密度（PSD），非對(duì)角元素是第根天線和第根天線接收信號(hào)的估計(jì)互功率譜密度。將上述兩種PSD通過IFFT變換到時(shí)域得循環(huán)自/互相關(guān)序列</p><p><b>

18、;　　(5)</b></p><p>　　其中，為的FFT矩陣，為相關(guān)序列。</p><p>　　我們注意到，接收到的信號(hào)是OFDM信號(hào)通過多徑信道傳播和加性高斯白噪聲之和。假設(shè)每個(gè)發(fā)射天線上的原始信號(hào)是在時(shí)間上是互不相關(guān)的。假設(shè)最大延遲可分辨的多徑數(shù)為。當(dāng)傳輸信號(hào)與多抽頭信道響應(yīng)做卷積后，兩個(gè)樣本信號(hào)在時(shí)間上小于時(shí)則是相關(guān)的，反之，不相關(guān)，即</p><p

19、><b>　　(6)</b></p><p>　　顯然，相關(guān)序列具有低通的特性，這可以被利用來平滑估計(jì)。在將變換到頻域之前，將部分置零，如式所示</p><p><b>　　(7)</b></p><p>　　因此，得到平滑后的空間協(xié)方差估計(jì)為</p><p><b>　　(8)&l

20、t;/b></p><p>　　與傳統(tǒng)的信號(hào)處理中可以平滑時(shí)間相關(guān)信號(hào)的低通濾波器類似，上面處理過程可以視為采用時(shí)間低通濾波器來平滑譜相關(guān)信號(hào)。該方法最初在文獻(xiàn)[5]中描述。然而，在每個(gè)向量上獨(dú)立的采用上述的的低通濾波的處理將破壞的矩陣的埃米對(duì)稱性和正定性。下面，本文將采用Cholesky分解來解決這個(gè)問題。</p><p>　　Cholesky分解</p><p

21、>　　在多元統(tǒng)計(jì)領(lǐng)域，將復(fù)雜的協(xié)方差矩陣分解為簡單的部分作進(jìn)一步的處理是一種常見的方法。對(duì)于矩陣分解有三個(gè)常用的方法：方差相關(guān)分解，譜分解(奇異值分解)和Cholesky分解。方差相關(guān)分解中相關(guān)項(xiàng)與譜分解中的對(duì)角陣中的元素仍是受約束的，而Cholesky分解中的下三角矩陣總是無約束的。因此，對(duì)協(xié)方差陣做Cholesky分解，然后在時(shí)域低通平滑，將保證協(xié)方差陣的正定性結(jié)構(gòu)。通過Cholesky分解得到的下三角矩陣是協(xié)方差矩陣的充分估

22、計(jì)量，表示為</p><p><b>　　(9)</b></p><p>　　其中，為上三角矩陣，同時(shí)被稱作矩陣的平方根。</p><p>　　現(xiàn)在，采用相同的方案平滑上三角矩陣中的元素，然后在每個(gè)子載波重建空間協(xié)方差陣的估計(jì)為。由于平方根矩陣不同載波間的相關(guān)性任然得以保持，因此可以采用式(8)中的作為濾波矩陣。其他的平滑函數(shù)也是可以的，如Ka

23、iser-Bessel窗函數(shù)。在本文中，通過有效的選擇，矩陣能提供一個(gè)好的性能。</p><p>　　文獻(xiàn)[7]采用Cholesky分解同時(shí)為幾個(gè)協(xié)方差矩陣作估計(jì)，同時(shí)也表明，協(xié)方差矩陣的估計(jì)相當(dāng)于估計(jì)一系列系數(shù)不同，階數(shù)不同的無約束回歸模型。</p><p><b>　　干擾下的接收機(jī)設(shè)計(jì)</b></p><p>　　增強(qiáng)的協(xié)方差陣的估計(jì)算法

24、為異步同信道干擾的空間協(xié)方差的估計(jì)提供了更好的估計(jì)效果。在本節(jié)中，我們將利用估計(jì)的統(tǒng)計(jì)數(shù)據(jù)設(shè)計(jì)一個(gè)干擾情況下的接收機(jī)來抑制CCI。首先,我們使用的經(jīng)典的維納濾波器，即基于MMSE準(zhǔn)則。由于在每個(gè)子載波上接收機(jī)設(shè)計(jì)的相似性，在下面幾節(jié)中我們省略了上標(biāo)。</p><p>　　同信道干擾抑制下的MMSE接收機(jī)</p><p>　　記MMSE濾波矩陣為</p><p>&l

25、t;b>　　(10)</b></p><p>　　其中，，。為了獲得MMSE濾波器，我們需要估計(jì)期望用戶的信道和接收信號(hào)的協(xié)方差陣。最簡單的估計(jì)的方法是在一段時(shí)間內(nèi)對(duì)接收信號(hào)作平均，但這種方法并沒有有效的挖掘接收信號(hào)的結(jié)果，尤其對(duì)于高階調(diào)制，即使在長時(shí)間內(nèi)對(duì)樣本平均也很難得到準(zhǔn)確的協(xié)方差估計(jì)。我們的仿真表明了這點(diǎn)，在16QAM或更高的調(diào)制階數(shù)上性能很差（由于有限的篇幅，仿真結(jié)果未顯示）。由于期望

26、信號(hào)、干擾及噪聲之間的獨(dú)立性，接收信號(hào)的相關(guān)陣可以寫為</p><p><b>　　(11)</b></p><p>　　對(duì)于同信道干擾，有，其中為單位陣，為干擾的信道響應(yīng)。對(duì)于異步的情況，采用先前提出的算法來估計(jì)。接收機(jī)結(jié)構(gòu)如Fig.2所示。</p><p>　　增強(qiáng)型空時(shí)編碼（STBC）系統(tǒng)</p><p>　　在M

27、IMO無線通信系統(tǒng)，時(shí)空編碼最近成為一個(gè)有效的方法實(shí)現(xiàn)空間分集和對(duì)抗衰落。</p><p>　　Alamouti碼為下一代無線局域網(wǎng)標(biāo)準(zhǔn)（例如802.11n）采用方案之一，為簡單起見，我們采用Alamouti碼作為一個(gè)例子，同時(shí)也很容易擴(kuò)展到其他OSTBC碼。結(jié)合空時(shí)編碼修改式(4)中的信號(hào)模型。我們可以將接收信號(hào)重寫為</p><p><b>　　(12)</b>&

28、lt;/p><p>　　基本上，我們將接收信號(hào)向量從時(shí)刻到時(shí)刻分成兩個(gè)向量。是空時(shí)編碼加噪聲的異步同信道干擾。如果期望和干擾信號(hào)是同步的(包括OFDM循環(huán)結(jié)構(gòu)和正交空時(shí)調(diào)制)，我們將有個(gè)額外的自由度。然而，對(duì)于隨機(jī)的異步干擾，是非結(jié)構(gòu)化的，那么不僅自由度是不夠的，而且我們需要估計(jì)兩倍維數(shù)的“時(shí)空”的協(xié)方差。即使采用前文中的協(xié)方差估計(jì)的改進(jìn)算法也不能提供的好的CCI抑制性能。直觀上講，可以解釋為由于異步性，時(shí)空編碼的C

29、CI需要我們估計(jì)的空間協(xié)方差矩陣。不幸的是在接收端我們只有個(gè)自由度，因此是不可能有效地抑制干擾信號(hào)的。</p><p>　　這里，我們提出一個(gè)啟發(fā)式的解決方案，通過將連續(xù)兩個(gè)時(shí)刻和接收到的信息的互相關(guān)迫零，使協(xié)方差矩陣快對(duì)角化。該假設(shè)建立在這兩個(gè)信號(hào)向量分得足夠的開以至于可以認(rèn)為是獨(dú)立的。因此，可以寫為</p><p><b>　　(13)</b></p>

30、<p>　　該假設(shè)不僅使待估計(jì)的參數(shù)數(shù)量減半，而且節(jié)約了自由度。協(xié)方差陣和的估計(jì)可以采用前文所述的矩陣分解和平滑技術(shù)。最后，對(duì)于空時(shí)編碼的系統(tǒng)，我們可以將STBC看做一個(gè)等效的空間復(fù)用傳輸，其信道矩陣為，然后采用MMSE接收機(jī)來抑制干擾。</p><p>　　同信道干擾抑制下的MAP接收機(jī)</p><p>　　由于我們將干擾建模為均值為零、協(xié)方差為的高斯隨機(jī)過程，我們可以推導(dǎo)

31、出最優(yōu)的MAP接收機(jī)來最小化誤比特率。我們假設(shè)在沒每個(gè)子載波上每個(gè)信道用戶傳輸了比特的數(shù)據(jù)塊，其中為調(diào)制星座的大小。比特的似然比（值）根據(jù)接接收信號(hào)表示為</p><p><b>　　(14)</b></p><p>　　假定由于隨機(jī)交織，是獨(dú)立的，則式(14)可以進(jìn)一步表示為</p><p><b>　　(15)</b>

32、</p><p>　　其中， 為比特向量中的向量集合，為比特向量中的向量集合，是似然比，表示下面的集合</p><p><b>　　(16)</b></p><p>　　式(15)的第二部分是非固有似然比，下文記為。在小規(guī)模天線和低階調(diào)制中，集合和可以通過窮舉搜索來獲得，而對(duì)于大規(guī)模天線和高階調(diào)制，可以通過球形解碼來獲得[9]。</p&g

33、t;<p>　　為了計(jì)算式(15)中的似然比來設(shè)計(jì)MAP檢測器，一個(gè)必要的步驟即是計(jì)算似然函數(shù)，可以通過式(4)中的線性模型和估計(jì)的得到</p><p><b>　　(17)</b></p><p>　　其中，是的Cholesky分解。</p><p>　　利用max-log近似，非固有似然比能近似表示為</p>&

34、lt;p><b>　　(18)</b></p><p>　　其中，為忽略第個(gè)元素后的子向量，是所有的組成的向量，同樣忽略第個(gè)元素。MAP檢測器可以輸出軟信息，同時(shí)可以和信道解碼器交互外部信息來迭代檢測以提高性能。MAP檢測器的復(fù)雜性高于MMSE接收機(jī)。本質(zhì)上，平方根矩陣作為預(yù)白化濾波器完成干擾信號(hào)的白化。因此，MAP檢測器需要精確的估計(jì)空間協(xié)方差陣。</p><p&

35、gt;<b>　　仿真結(jié)果</b></p><p>　　在本節(jié)中，我們提供了空間協(xié)方差有效估計(jì)算法和CCI抑制接收器仿真結(jié)果?？紤]子載波數(shù)，循環(huán)前綴的OFDM系統(tǒng)。使用被通過802.11n標(biāo)準(zhǔn)采用，碼率為1/ 2，長度為1944比特的LDPC碼。發(fā)送符號(hào)調(diào)制采用格雷碼映射。我們的性能指標(biāo)是誤包率（PER ），包大小固定為972個(gè)字節(jié)。一采用標(biāo)準(zhǔn)的OFDM符號(hào)的層交織來對(duì)抗室內(nèi)多徑散射信道的頻

36、率選擇性。為簡單起見，我們假設(shè)期望信號(hào)和干擾使用相同的傳輸過程，但干擾是異步的，且偏移量均勻的分布在一個(gè)OFDM符號(hào)內(nèi)（1-80個(gè)時(shí)間樣本）。</p><p>　　仿真采用了IEEE802.11n標(biāo)準(zhǔn)的信道模型D。對(duì)于期望信號(hào)，假設(shè)第一徑為視距（LOS）傳輸，而對(duì)于干擾信號(hào)，通常來自較遠(yuǎn)的地方（距離> 10M '斷點(diǎn)'），假設(shè)它只有非視距（NLOS）路徑。期望信號(hào)的LOS路徑的到達(dá)角（AOA

37、）為。我們假設(shè)存在一個(gè)主要的同信道干擾（在大多數(shù)情況下， 1- 2強(qiáng)干擾是典型的）。傳輸過程中，通過零填充個(gè)OFDM數(shù)據(jù)包，在包解碼之前完成干擾的估計(jì)（在個(gè)OFDM信號(hào)中只包括干擾和噪聲）。通過這個(gè)OFDM符號(hào)估計(jì)的空間協(xié)方差陣是很粗糙的。</p><p>　　我們首先假設(shè)SIMO的場景。移動(dòng)終端有兩個(gè)接收天線，但接入點(diǎn)（APs）只預(yù)留一個(gè)發(fā)射天線。Fig.3比較了不同的接收策略，其中信噪比固定為20dB。采用文

38、獻(xiàn)[8]的方法，利用一個(gè)OFDM訓(xùn)練序列，在有干擾的環(huán)境下完成期望信號(hào)的信道估計(jì)。注意到對(duì)于SIR大于5dB，在大多數(shù)情況下，信道估計(jì)可以實(shí)現(xiàn)所要求的精度。 將4個(gè)OFDM符號(hào)填充零來估計(jì)空間協(xié)方差陣。從圖中可以看出，當(dāng)PER為時(shí)，相比于MRC接收可以獲得8dB的SIR增益。相比于沒有采用精確協(xié)方差估計(jì)的MMSE接收機(jī)，低通平滑提供了1dB的SIR增益，Cholesky分解進(jìn)一步提供了2 dB的SIR增益。作為基線，同步且完美已知干擾信

39、道的MMSE接收機(jī)在圖中以虛線給出?？梢钥闯?，本文所提出的方法和同步的情況之間僅存在2dB的差距。</p><p>　　在Fig.4中，用于不同的接收器方案采用高階調(diào)制64QAM。在估計(jì)空間協(xié)方差時(shí)，64QAM是最差的情況，但本文的算法較之于MRC接收機(jī)在PER為時(shí)仍然可以提供6.5 dB的性能增益。對(duì)于64QAM調(diào)制，非平滑MMSE相比，協(xié)方差通過平滑可以提供3dB的性能增益，而通過Cholesky分解可以進(jìn)一

40、步提高2dB的增益。同樣，通道也是在有同信道干擾情況下估計(jì)的。出人意料的是，我們提出的方法甚至比同步情況（如虛線所示）下的性能還要好。</p><p>　　接下來，我們考慮空時(shí)編碼傳輸系統(tǒng)，使用具有2個(gè)發(fā)射天線和3個(gè)接收天線的Alamouti碼。我們比較了采用塊對(duì)角化和沒有采用塊對(duì)角化的PER性能。在協(xié)方差估計(jì)中，對(duì)于塊對(duì)角化的情況，使用6個(gè)OFDM符號(hào)填充零值來估計(jì)，而對(duì)于非塊對(duì)角化的情況，采用12個(gè)OFDM符

41、號(hào)填充零值。正如我們之前所指出的，沒有采用塊對(duì)角化的MMSE接收機(jī)存在有自由度不足的問題，這將顯著的降低MMSE接收機(jī)的性能。當(dāng)采用塊對(duì)角化后，本文所提出的算法性能接近同步（干擾信道完美已知）的情況，如虛線所示。值得注意的是， 盡管在PER為時(shí)提出的算法可以提供6.5 dB的SIR性能增益，但MRC具有更好的分集增益。因此，干擾抑制將犧牲的空時(shí)碼的分集增益。此外，從Fig.5可以看出，同步干擾下的分集增益高于異步干擾抑制情況下的分集增益

42、。在64QAM調(diào)制下，我們進(jìn)一步給出了空時(shí)編碼系統(tǒng)下CCI抑制的情況，如Fig.6所示。</p><p>　　Fig.7繪制了采用迭代和不采用迭代情況下MAP檢測器與MMSE接收機(jī)圖的性能比較。為了消除在低SIR情況下信道估計(jì)誤差所帶來的影響，我們假設(shè)理想已知期望信號(hào)的信道信息。采用6個(gè)補(bǔ)零的OFDM符號(hào)作為干擾統(tǒng)計(jì)數(shù)據(jù)的估計(jì)。通過交換外部信息，MAP解調(diào)器和LDPC解碼器迭代進(jìn)行。與MAP軟輸出解調(diào)器相比，迭代

43、可以提供1 dB的增益。當(dāng)數(shù)據(jù)包成功解碼后，迭代過程中止，通過這樣做，在大多數(shù)情況下，接收機(jī)只運(yùn)行1-2次迭代。顯然，相比于MMSE接收機(jī)，MAP解調(diào)器提供了更多的分集增益。出乎意料的是，在沒有采用矩陣分解時(shí)，采用平滑的MMSE接收機(jī)的性能比傳統(tǒng)的MMSE接收機(jī)的性能還要差，這可以解釋為，平滑過程（低通濾波）損壞了協(xié)方差陣的結(jié)構(gòu)，特別是對(duì)于較大矩陣維數(shù)（如4接收機(jī)天線）。</p><p><b>　　總

44、結(jié)</b></p><p>　　對(duì)于MIMO OFDM系統(tǒng)，本文提出了一個(gè)有效的空間協(xié)方差陣的估計(jì)方法。所提出的方法在每個(gè)子載波上采用Cholesky分解和低通平滑過程。該算法可以顯著改善干擾感知接收器的性能，這可以從仿真圖中的SIR增益看出。我們還根據(jù)估計(jì)的干擾統(tǒng)計(jì)特性，提出了MMSE和MAP接收機(jī)。與MMSE接收機(jī)相比，MAP接收機(jī)具有更好的性能，但同時(shí)存在更的復(fù)雜度。</p>&l

45、t;p>　　在今后的工作中，我們考慮在高密度的WLAN中應(yīng)用該方法，但需要考慮部分干擾問題和設(shè)備“俘獲”帶來的影響，換句話說，即一個(gè)數(shù)據(jù)包中可能只有一部分?jǐn)?shù)據(jù)被CCI干擾，因此采用相同的方法將帶來統(tǒng)計(jì)上的錯(cuò)誤。一個(gè)有效的解決方案是，在一個(gè)數(shù)據(jù)包的多個(gè)位置分別作零填充，或者將數(shù)據(jù)包分成更小的塊。如果采用較短的LDPC碼，這是一種很自然的解決方案。我們的初步結(jié)果表明，該接收器對(duì)于統(tǒng)計(jì)錯(cuò)誤問題是很魯棒的。</p><

46、p><b>　　參考文獻(xiàn)</b></p><p>　　[1] J. Winters, “Optimum Combining in Digital Mobile Radio with Cochannel Interference,” IEEE J. Sel. Area Comm., Vol.52, pp. 528-538,Jul. 1984.</p><p>　　

47、[2] H. Dai, A. F. Molisch and H. V. Poor, “Downlink Capcity of Interference-Limited MIMO Systems with Joint Detection,” IEEE Trans.Wireless, Vol. 3, pp. 442-452, Jun. 2003.</p><p>　　[3] Y. Li and N. R. Solle

48、nberger, “Adaptive Antenna Arrays for OFDM Systems with Cochannel Interference,” IEEE Trans. Comm., Vol 47, pp.217-229, Feb. 1999.</p><p>　　[4] T. A. Thomas and F. W. Vook, “Asynchronous Interference Suppres

49、sion in Broadband Cyclic-prefix Communication,” in Proc WCNC pp.568-572, Mar 2003.</p><p>　　[5] A. Maltsev, R. Maslennikov and A. Khoryaev, “Comparative Analysis of Spatial Covariance Matrix Estimation Metho

50、ds in OFDM Communication Systems,” IEEE Symposium on Signal Processing and Information Technology (ISSPIT), Aug. 2006 .</p><p>　　[6] J. Zhu, B. Metzler, X. Guo and Y. Liu, “Adaptive CSMA for Scalable Network

51、 Capacity in High-Density WLAN: A Hardware Prototyping Approach,” in Proc INFOCOM, pp.414-419, Apr. 2006.</p><p>　　[7] M. Pourahmadi, M. J. Daniels and T. Park, “Simutaneous Modelling of the Cholesky Decompo

52、sition of Several Covariance Matrices,” To appear in Journal of Multivariate Analysis, 2006.</p><p>　　[8] Y. Li, “Simplified Channel Estimation for OFDM Systems with Multiple Transmit Antennas,” IEEE Trans.

53、Wireless, Vol 1, pp. 67-75, Jan. 2002.</p><p>　　[9] B. M. Hochwald and S. T. Brink, “Achieving near-capacity on a multiple-antena channel,” IEEE Trans. Commun., vol. 51, pp 389-399,Mar. 2003.</p><

54、p>　　[10] J. Zheng and B. D. Rao, “A Study of Limits on Training Vai Capacity Analysis of MIMO System with Unknown Channel State Information”, Submitted to IEEE Trans. Info. Theory, Feb. 2005.</p><p>　　[11