MIMO OFDM下行鏈路均衡算法研究.pdf

1、隨著智能終端以及多媒體業(yè)務的不斷發(fā)展，人們對無線通信的需求越來越大，要求更高效的傳輸速率、更好的通信質量、更多的用戶接入。但是頻譜資源有限，可用的頻譜資源也就越來越緊張，因此需要提高頻譜資源的利用率。多天線技術可以充分地利用多徑效應，用以提高頻譜效率，已成為目前或未來高速無線通信的關鍵技術。MIMO OFDM下行無線通信系統(tǒng)將 MIMO技術與正交頻分復用（OFDM）技術相結合，可以有效地克服無線信號在多徑信道傳播中所導致的符號間干擾。當

2、基站已知信道狀態(tài)信息時，對發(fā)射信號進行相應的預處理可以進一步提升系統(tǒng)吞吐量和容量、改善信號傳輸可靠性。
　　無線通信技術中的干擾問題一直是人們關心的核心問題。MIMO OFDM下行無線通信系統(tǒng)中的多天線技術以及多用戶場景，也面臨各種各樣的干擾。均衡技術一直是全球范圍內的研究課題，具有重要的理論和實際價值。
　　在MIMO OFDM下行多天線系統(tǒng)中，針對多天線干擾問題，現(xiàn)有的串行均衡干擾消除技術復雜度過高，并且時延相對較大不利

3、于實際應用，并行均衡干擾消除技術性能相對較差，但是實現(xiàn)結構簡單。因此低復雜度高性能的均衡技術成為新的需要。為此，本文針對目前MIMO OFDM下行均衡方法研究的不足，分別對MIMO OFDM下行單用戶同步系統(tǒng)模型、MIMO OFDM下行單用戶異步系統(tǒng)模型以及MIMO OFDM下行多用戶系統(tǒng)模型的均衡方法進行了深入的研究。本文主要研究內容如下：
　　首先，針對MIMO OFDM下行單用戶同步通信系統(tǒng)的均衡方法進行了研究?；贚MMS

4、E軟迭代均衡模型提出一種基于預編碼矩陣的混合迭代均衡方法。該方法以減少深衰落信道對傳輸信號的影響以及降低均衡算法復雜度為目標，通過預編碼的思想減少部分子載波受深衰落時對原始發(fā)射信號的影響，同時在接收端引入最小均方誤差排序QR分解方法用以降低傳統(tǒng)LMMSE軟迭代均衡算法的復雜度，從而以較低的計算復雜度實現(xiàn)高性能的檢測。值得注意的是，該算法雖然相比于基于LMMSE軟迭代均衡方案在接收天線數(shù)大于等于發(fā)射天線數(shù)時，算法復雜度有較大的降低，但是也

5、面臨著隨天線數(shù)目大小和信道編碼碼塊長度以及調制多進制數(shù)的不同，復雜度呈指數(shù)增長，從而在實際過程中受到了一定的限制。因此，為了進一步減少均衡算法的復雜度以滿足實際通信的要求，針對低復雜度的基于軟迭代的并行迭代均衡模型進行研究，提出兩種并行迭代均衡方法，分別為：基于預編碼擴展的并行迭代均衡方法和基于修正矩陣的并行迭代均衡方法。第一種均衡方案通過預編碼擴展的思想以及最小均方誤差排序QR分解的思想的引入，能夠顯著地緩解目前并行迭代均衡算法在迭代

6、過程中的誤差傳播的影響，同時可以有效地降低算法的運算復雜度，從而實現(xiàn)了算法性能與復雜度之間的可調性權衡。第二種均衡方案在第一種均衡方案的基礎之上，通過修正矩陣的引入，能夠有效地解決第一種均衡方案中將部分期望信號當做干擾的情況，從而進一步改善系統(tǒng)誤碼率性能。
　　其次，對MIMO OFDM下行單用戶異步通信系統(tǒng)的均衡方法進行了研究。針對目前異步通信系統(tǒng)的并行迭代均衡方法中的一些問題，如僅考慮方案中天線間干擾而沒有考慮迭代過程中的誤差

7、傳播問題，僅考慮檢測準確性而沒有考慮方案運算復雜度的問題，提出了兩種異步并行迭代均衡方法，分別為：基于功率擴展的并行迭代均衡方法以及基于修正矩陣的并行迭代均衡方法，分別通過功率擴展矩陣和修正矩陣解決目前異步通信系統(tǒng)中的多種干擾問題，即，使得方案性能與運算復雜度得到有效權衡，并對兩種迭代方案的性能、復雜度進行了詳細的分析。兩種并行迭代均衡方法充分考慮了異步通信系統(tǒng)中的天線間干擾問題、迭代過程中的誤差傳播問題以及方法運算復雜度的問題，能夠提

8、升現(xiàn)有異步迭代均衡方法僅考慮其中一種或兩種干擾的情景進行均衡的不足，最優(yōu)地確定均衡方案，有效地提高系統(tǒng)誤碼率性能，減少多種干擾對傳輸信號的影響。
　　最后，對MIMO OFDM下行多用戶同步系統(tǒng)的均衡方法進行了研究。首先將臟紙編碼的思想以及最大化系統(tǒng)容量預處理矩陣引入到基于SLNR的多用戶MIMO預編碼的設計中，提出了基于預處理矩陣的連續(xù)信漏噪比（SSLNR）的多用戶MIMO預編碼方法。該方案中的臟紙編碼的思想是將其他用戶已知泄漏

9、，在發(fā)射端進行抵消，因此在計算SLNR時，只需考慮對其他用戶未知的泄漏，忽略掉可以進行抵消的泄漏，最大化SLNR，得到預編碼矩陣。最大化系統(tǒng)容量預處理矩陣的思想，是減少臟紙編碼過程中非線性模運算對系統(tǒng)性能與容量的影響，通過采用最大化系統(tǒng)容量的準則，得到的預處理矩陣可以有效地減少模運算帶來的性能損失。求出預編碼矩陣與預處理矩陣后，對等效的信道矩陣利用Tomlinson-Harashima預編碼方法，抵消掉前面計算SLNR時忽略掉的泄漏。該

10、方法相比于目前的基于連續(xù)信漏噪比的多用戶MIMO預編碼方案，誤碼率得到了有效地提升，同時也繼承了基于連續(xù)信漏噪比的多用戶預編碼方案不受收發(fā)天線數(shù)目限制的優(yōu)點。為了進一步提升性能，提出了基于預處理矩陣與幾何平均值分解的連續(xù)信漏噪比多用戶MIMO預編碼方案?；陬A處理矩陣的連續(xù)信漏噪比預編碼方法和傳統(tǒng)的SLNR預編碼方案一樣，每個用戶的多個數(shù)據(jù)流之間存在增益差的問題，系統(tǒng)的誤碼率性能主要由最差的子信道決定，使得系統(tǒng)存在較大的損失。針對此問題