Содержание к диссертации
Введение
Глава 1 Оценка канала и квазикогерентный прием в одночастотных системах 25
1.1 Квазикогерентный прием сигнала с прерывистым пилот-сигналом при параметризации комплексной амплитуды сигнала 26
Модель принимаемого сигнала 27
1.1.2 Алгоритм максимального правдоподобия 28
1.1.3 Квазиоптимальный алгоритм с решающей обратной связью 32
1.1.4 Алгоритм с решающей обратной связью и экстраполяцией 34
1.1.5 Двухпроходный алгоритм с решающей обратной связью и экстраполяцией 36
1.1.6 Итеративный алгоритм 38
1.1.7 Сравнительная точность алгоритмов 39
1.2 Квазикогерентный прием многолучевого сигнала с прерывистым пилот-сигналом при адаптивном стохастическом интерполировании комплексной амплитуды сигнала 40
1.2.1 Модель принимаемого сигнала 42
1.2.2 Правило вынесения решения об информационных параметрах 42
1.2.3 Итеративный алгоритм стохастической интерполяции 44
1.2.4 Последовательный алгоритм стохастической интерполяции 50
1.2.5 Сравнительный анализ представленных алгоритмов 53
1.3 Квазикогерентный прием сигнала с непрерывным пилот-сигналом 55
1.3.1 Модель принимаемого сигнала 56
1.3.2 Правило вынесения решения об информационных параметрах 57
1.3.3 Двухэтапный алгоритм оценки комплексной амплитуды, использующий пилотные и информационные символы 58
1.3.4 Анализ помехоустойчивости 62
1.4 Оптимизация соотношения информационного и пилотного компонентов сигнала 65
1.4.1 Критерии оптимизации 66
1.4.2 Результаты оптимизации 68
1.5 Прием сигнала гибридной модуляции с дополнительным кодом
1.5.1 ССК модуляция 75
1.5.2 Некогерентный прием ССК сигнала 77
1.5.3 Анализ некогерентного приема ССК сигнала 78
1.5.4 Когерентный прием ССК сигнала 80
1.5.5 Анализ когерентного приема ССК сигнала 81
1.6 Основные результаты и выводы к главе 1 84
Глава 2 Слежение и демодуляция сигнала мобильной связи в условиях неразрешаемой многолучевости 87
2.1 Энергетические потери из-за неразрешаемой многолучевости 89
2.2 Общая процедура обработки сигнала. Модель принимаемого сигнала 95
2.3 Оценка числа, временных позиций и комплексных амплитуд сигналов компонентов входного многолучевого сигнала
2.3.1 Решающая функция 99
2.3.2 Быстродействующая вычислительная процедура (пороговый алгоритм) 102
2.3.3 Особенности цифровой реализации
2.4 Анализ помехоустойчивости 109
2.5 Основные результаты и выводы к главе 2 120
Глава 3 Оценка канала и адаптация параметров в мобильных многочастотных (OFDM) системах 122
3.1 Оценка канала в OFDM системах 122
3.1.1 OFDM система 122
3.1.2 Пилот-символы 123
3.1.3 Алгоритмы оценки канала 124
3.1.4 Анализ помехоустойчивости 129
3.2 Оценка канала в MIMO-OFDM системах 134
3.2.1 MIMO-OFDM система 134
3.2.2 Модель канала 136
3.2.3 Анализ помехоустойчивости известных алгоритмов 137
3.3 Оценка канала для MIMO-OFDM систем, функционирующих в быстро изменяющихся во времени многолучевых каналах 142
3.3.1 Основные особенности алгоритма 142
3.3.2 Оценка статистики канала во временной области 143
3.3.3 Интерполяция во временной области 146
3.3.4 Оценка статистики канала в частотной области 148
3.3.5 Интерполяция в частотной области 150
3.3.6 Анализ помехоустойчивости 152
3.3.7 Новая пилот-структура
3.4 Оценка канала в MIMO-OFDM системах с адаптивным порядком интерполяции 164
3.5 Адаптация пилот-структуры и длины защитного интервала OFDM сигнала к изменяющимся канальным условиям 169
3.6 Основные результаты и выводы к главе 3 179
Глава 4 Начальная синхронизация в системах связи 181
4.1 Сравнительный анализ различных методов оценки частоты сигнала 183
4.1.1 Метод максимального правдоподобия 184
4.1.2 Многоканальный приемник 186
4.1.3 Интерполяционный алгоритм 190
4.1.4 Фазоразностный метод 193
4.1.5 Сравнительный анализ
4.2 Оптимальная длительность когерентного накопления в задаче оценки частоты сигнала 201
4.3 Алгоритм начальной частотно-временной синхронизации систем радиосвязи 208
4.4 Высокоточная оценка времени прихода радиосигнала 218
4.5 Характеристики квазиоптимальной оценки разрывных сигналов 224
4.6 Алгоритм оценки частотного сдвига радиосигнала, использующий ЛЧМ опорный сигнал 237
4.7 Основные результаты и выводы к главе 4 244
Глава 5 Эквалайзеры в многоантенных широкополосных системах радиосвязи 247
5.1 Эквалайзер, реализованный во временной области 247
5.1.1 Модель системы 247
5.1.2 Весовые коэффициенты временного эквалайзера 249
5.2 Эквалайзер, реализованный в частотной области 252
5.2.1 Модель системы 252
5.2.2 Весовые коэффициенты частотного эквалайзера 254
5.3 Анализ помехоустойчивости и вычислительной сложности частотного и временного эквалайзеров 258
5.3.1 Характеристики помехоустойчивости 258
5.3.2 Вычислительная сложность 267
5.4 Основные результаты и выводы к главе 5 270
Глава 6 Алгоритмы формирования диаграммы направленности адаптивной антенной решетки базовой станции сотовой системы связи 272
6.1 Формирование диаграммы направленности адаптивной антенной решетки в обратном канале 273
6.1.1 Модель сигнала 276
6.1.2 Решающая функция обратного канала 277
6.1.3 Одномодальность решающей функции 280
6.1.4 Анализ помехоустойчивости 281
6.2 Оценка направления прихода сигнала мобильного абонента и формирование диаграммы направленности адаптивной антенной решетки в прямом канале (угловая область сигнала невелика) 288
6.2.1 Формирование диаграммы направленности 290
6.2.2 Анализ помехоустойчивости 292
6.3 Оценка направления прихода и угловой области сигнала мобильного источника 294
6.3.1 Алгоритм оценки угловых параметров 296
6.3.2 Модель канала 301
6.3.3 Анализ помехоустойчивости 302
6.4 Формирование диаграммы направленности адаптивной антенной решетки в прямом канале при наличии в системе только общего пилот-сигнала (угловая область сигнала произвольная) 307
6.4.1 Алгоритм формирования диаграммы направленности адаптивной антенной решетки 308 6.4.2 Анализ помехоустойчивости 311
6.5 Основные результаты и выводы к главе 6 318
Глава 7 Оптимизация параметров механизма доступа сети пакетной передачи данных Wi-Fi и определение ее характеристик 320
7.1 Особенности физического уровня и уровня доступа сети Wi-Fi 320
7.1.1 Механизм доступа 320
7.1.2 Особенности физического уровня 322
7.1.3 Сопутствующие расходы
3 7.2 Основные характеристики механизма доступа сети Wi-Fi 325
7.3 Оптимизация параметров механизма доступа: скорости передачи данных, порога фрагментации и порога предварительного резервирования канала
3 7.3.1 Оптимизация без процедуры предварительного резервирования канала 334
7.3.2 Оптимизация при наличии процедуры предварительного резервирования канала 337
7.3.3 Оптимизация в общем случае 340
7.4 Расчет характеристик сети Wi-Fi 343
7.4.1 Характеристики сети Wi-Fi без использования процедуры предварительного резервирования канала 343
7.4.2 Характеристики сети Wi-Fi при использовании процедуры предварительного резервирования канала 345
7.4.3 Характеристики сети Wi-Fi в общем случае 348
7.5 Адаптация параметров уровня доступа к условиям функционирования сети 352
7.6 Основные результаты и выводы к главе 7 355
Заключение 357
Список литературы
- Модель принимаемого сигнала
- Оценка числа, временных позиций и комплексных амплитуд сигналов компонентов входного многолучевого сигнала
- Оценка канала для MIMO-OFDM систем, функционирующих в быстро изменяющихся во времени многолучевых каналах
- Высокоточная оценка времени прихода радиосигнала
Введение к работе
Актуальность проблемы. В последние десятилетия в области телекоммуникаций было разработано множество эффективных технологий. Одной из них является расширение спектра сигнала псевдослучайной последовательностью (ПСП). Полоса такого сигнала много больше полосы информационной части сигнала, что позволяет увеличить помехоустойчивость приема и реализовать принцип кодового разделения каналов (CDMA - Code Division Multiple Access). Другой эффективной технологией, получившей широкое распространение в последнее время, является многочастотная передача (OFDM - Orthogonal Frequency Division Multiplexing). В OFDM системах передаваемый поток данных разделяется на несколько низкоскоростных потоков, которые передаются на различных поднесущих. При этом можно увеличивать скорость передачи данных, не уменьшая длительность символа и сохраняя межсимвольную помеху на приемлемо низком уровне. Эти технологии являются основой современных систем сотовой связи cdma2000, UMTS, Wi-Fi, WiMax, LTE и др.
Значительный вклад в развитие современных систем связи и теорию оценивания параметров сигналов внесли A.J. Viterbi, S.Alamouti, М. Sawahashi, L.J. Cimini, G.J. Foschini, Y. Li, T.S. Rappaport, а из отечественных ученых - В.И. Тихонов, Б.Р. Левин, Л.М. Финк, Л.Е. Варакин, Д.Д. Кловский, А.П. Трифонов, А.А. Пистолькорс и др.
Для достижения высокой помехоустойчивости и емкости телекоммуникационные системы новых поколений используют многоуровневые фазовые (M-PSK) и амплитудно-фазовые (M-QAM) виды модуляции. Поэтому демодуляция на приемной стороне требует высокоточной оценки канала: комплексной амплитуды принимаемого сигнала (для CDMA систем) или частотного отклика канала распространения (для OFDM систем).
Одним из требований к телекоммуникационным системам настоящего и следующих поколений является поддержание связи с абонентами, перемещающимися с высокой скоростью (до 250ч-500 км/ч). Как следствие, мобильная система должна эффективно функционировать в условиях быстрых (высокочастотных) замираний. Здесь известные алгоритмы оценки комплексной амплитуды и основанные на них методы квазикогерентного приема применительно к CDMA системам с прерывистым пилот-сигналом недостаточно эффективны либо вовсе неработоспособны.
В городских условиях или в горной местности часто встречаются многолучевые каналы распространения. В системах связи с кодовым разделением каналов многолучевость обычно учитывают посредством суммирования энергии компонентов многолучевого сигнала в Rake-приемнике. Сигнал каждого луча принимается отдельным однолучевым приемником, включающим в себя схему временной синхронизации. Этот подход является эффективным при наличии нескольких хорошо разрешаемых компонентов многолучевого сигнала, т.е. отстоящих друг от друга по времени на несколько элементов ПСП (чипов). Одна-
ко часто частотно-селективные замирания носят такой характер, что компоненты многолучевого сигнала являются неразрешаемыми. В этом случае имеет место снижение помехоустойчивости приема из-за неверной оценки числа компонентов многолучевого сигнала и неоптимальной процедуры слежения за таким сигналом. Вследствие влияния сигналов лучей друг на друга искажаются также потоки данных, по которым осуществляется оценка комплексной амплитуды сигналов каждого луча. Алгоритм оценки канала должен компенсировать такое взаимовлияние, что не предусматривают известные алгоритмы. Очевидно, эффективная работа алгоритмов слежения и демодуляции в условиях неразрешаемой многолучевости должна отличаться от работы традиционных устройств.
Одним из наиболее эффективных способов повышения скорости передачи данных, интенсивно развивающимся в последние годы, является использование нескольких антенн на передающей и приемной стороне (MIMO - Multiple-Input Multiple-Output). Технология MIMO основана на независимости каналов распространения между различными парами передающей и приемной антенн. Максимальная пропускная способность MIMO системы достигается при использовании технологии BLAST (Bell Labs Layered Space Time), при которой с различных антенн передаются различные потоки данных. MIMO технологию можно использовать как в CDMA, так и в OFDM системах. Такое объединение позволяет значительно повысить спектральную эффективность телекоммуникационных систем.
Если импульсный отклик канала - длинный, имеют место быстрые изменения частотного отклика канала, что для OFDM систем создает трудности оценки канала. В MIMO-OFDM системе при демодуляции используются оценки (и их ошибки) всех каналов системы. Это приводит к тому, что при одинаковом уровне ошибок характеристики приема для MIMO-OFDM системы ухудшаются гораздо более существенно, чем для OFDM системы с одной передающей и одной приемной антеннами. Как следствие, требования к точности оценки канала для MIMO-OFDM систем гораздо более жесткие. Известные алгоритмы оценки канала для MIMO-OFDM систем не обеспечивают необходимой точности оценивания в «длинных», быстро изменяющихся каналах.
Таким образом, разработка алгоритмов оценки канала для CDMA, OFDM, MIMO-OFDM систем в неблагоприятных условиях высокочастотных замираний и длинного импульсного отклика канала, особенно при неразрешаемой многолучевости, является актуальной задачей, решение которой позволит расширить возможности телекоммуникационных систем.
Современные и будущие системы широкополосной радиосвязи должны обеспечивать высокую скорость передачи данных (десятки и сотни Мбит/с и более) для удовлетворения постоянно растущих требований мультимедийных приложений. В одночастотных CDMA системах простое увеличение битовой скорости эквивалентно уменьшению длительности передаваемых символов, и многолучевость канала распространения приводит к существенному росту
межсимвольных помех. Поэтому в некоторых системах, в частности в высокоскоростных каналах пакетной передачи (HSPA - High Speed Packet Access) стандарта UMTS, повышение скорости передачи данных обеспечивается при фиксированной длительности символа за счет использования многокодового сигнала, когда осуществляется параллельная передача потоков данных по ортогональным каналам. В условиях многолучевости на выходе канальных корреляторов приемника появляется помеха других каналов (межкодовая помеха), мощность которой растет с увеличением числа каналов. Ортогональность каналов при этом нарушается. Обычно используемый в условиях многолучевости Rake приемник не учитывает межкодовую помеху, что приводит к существенному ухудшению характеристик приема, особенно в случае неразрешаемой многолучевости. В этой связи для случая одной передающей и одной приемной антенн было предложено использование на приемной стороне эквалайзера, минимизирующего искажения, вызванные многолучевостью. Этот подход превосходит по характеристикам Rake приемник, обеспечивает характеристики, близкие к характеристикам OFDM систем, и не имеет свойственных этим системам недостатков. Представляет интерес обобщение этого подхода на случай многоантенных систем, а также разработка более простых эффективных алгоритмов определения весовых коэффициентов эквалайзера.
Одним из перспективных методов улучшения характеристик современных систем сотовой связи является применение адаптивных антенных решеток (ААР) на базовых станциях. Параметры ААР подстраиваются к изменяющейся помехово-сигнальной обстановке, что позволяет осуществить эффективную пространственную селекцию для каждого абонента при приеме и передаче его сигнала. Это приводит к увеличению емкости системы связи, улучшению качества связи, расширению зоны обслуживания и т. д. При этом имеется множество нерешенных вопросов, связанных с функционированием ААР. Один из них -присутствие в сотовой системе высокоскоростных абонентов. Их сигналы на базовой станции могут иметь мощность в десятки раз выше мощности сигналов низкоскоростных абонентов и представлять собой для последних мощные помехи. Известные алгоритмы ААР в обратном и прямом каналах этого не учитывают, что может приводить к существенному ухудшению их характеристик. Формирование ДН ААР в прямом канале осуществляется по направлению прихода сигнала абонента, а также по его угловой области при значительной величине последней. При этом методы оценки угловой области до настоящего времени практически не развиты. При наличии в системе только общего пилот-сигнала каналы распространения информационного и пилот-сигналов - разные. Поэтому в данном случае при формировании ДН в прямом канале необходимо найти компромисс между увеличением мощности информационного сигнала на приемной антенне (при сужении главного лепестка ДН) и необходимым качеством оценки канала, точность которой при сужении ДН ААР уменьшается.
Одной из важнейших отличительных особенностей будущих телекоммуникационных систем будет способность эффективной адаптации к помехово-сигнальным и канальным условиям функционирования. В настоящее время известные методы адаптации к условиям приема сводятся к выбору скорости передачи данных (типа модуляции и скорости кодирования) и к регулировке мощности передаваемого сигнала. В ряде случаев имеющихся методов адаптации оказывается недостаточно для адекватного изменения работы системы. Например, для MIMO-OFDM системы с типовой пилот-структурой крайне затруднительно обеспечить требуемую точность оценки канала, когда канал достаточно «длинный». С увеличением числа пилот-символов качество оценки канала улучшается, однако увеличивается также непроизводительный ресурс системы, сохранять который в более благоприятных условиях приема нецелесообразно. Оптимальная пилот-структура OFDM системы представляет собой компромисс между занимаемым ей ресурсом и качеством оценки канала. Аналогично, длина защитного интервала OFDM символа при проектировании системы обычно фиксируется в соответствии с максимально ожидаемой длиной импульсного отклика канала и может достигать 1/8 или даже 1/4 длительности OFDM символа. То есть непроизводительный ресурс системы из-за защитного интервала может быть достаточно большим. Поэтому актуальной является задача повышения помехоустойчивости и спектральной эффективности телекоммуникационных систем за счет адаптивной подстройки пилот-структуры и длины защитного интервала символа к условиям функционирования.
В последнее время широкое распространение получили беспроводные системы передачи пакетной информации, в частности локальные сети Wi-Fi. Известны публикации, посвященные расчету характеристик и пропускной способности этих сетей. Однако совместная оптимизация параметров механизма доступа в них не проводилась. Часто эти параметры произвольно фиксируются оператором сети. Между тем динамическая адаптация параметров механизма доступа в зависимости от условий приема и числа активных станций обещает существенное повышение пропускной способности и других характеристик сети.
Неотъемлемой процедурой функционирования телекоммуникационных систем является начальная частотно-временная синхронизация. Эффективность системы синхронизации определяется не только способностью обеспечить необходимую точность оценки временного положения и частоты сигнала, но и приемлемой сложностью реализации. В известной литературе отсутствует системный сравнительный анализ помехоустойчивости и сложности реализации различных методов синхронизации.
Многие перспективные системы радиосвязи для начальной частотно-временной синхронизации используют специальный сигнал - преамбулу, который предшествует информационному сообщению. Однако известные решения обладают недостаточно высокой помехоустойчивостью в условиях многолуче-
вого распространения сигнала и при больших значениях частотной расстройки. В этой связи совершенствование структуры преамбулы и алгоритмов ее приема актуальны для повышения эффективности перспективных систем радиосвязи.
В ряде квазиоптимальных алгоритмов оценка временного положения или частотного сдвига сигнала выполняется по положению максимума некоторой решающей функции, которая является не дифференцируемой (нерегулярной), в то время как ее детерминированная составляющая (сигнальная функция) дважды дифференцируема. Для анализа таких оценок неприменим ни метод малого параметра и формула Крамера-Рао для нижней границы дисперсии оценки, ни метод анализа разрывных сигналов, основанный на теории Марковских процессов и решении соответствующих уравнений Фоккера-Планка-Колмогорова. Разработка методики анализа оценок данного класса позволит получить характеристики оценки для большого числа задач квазиоптимальной обработки.
Диссертационная работа выполнена в соответствии с научным направлением «Автоматический радиомониторинг», принятым НТС ЗАО «ИРКОС» (г. Москва) (протокол №1 от 17 января 2005 г.).
Цель и задачи исследования. Целью работы является разработка и анализ эффективных алгоритмов оценки параметров сигнала современных телекоммуникационных систем и адаптации параметров и структуры сигнала к условиям функционирования.
Для реализации этой цели в диссертационной работе поставлены и решены следующие основные задачи:
-
Оценка канала и демодуляция в системах с кодовым разделением каналов (cdma2000, UMTS) при непрерывном и прерывистом типах пилот-сигнала в условиях высокочастотных замираний. Оптимизация энергетического соотношения информационного и пилот-компонентов сигнала.
-
Слежение и демодуляция в системах с кодовым разделением каналов в условиях неразрешаемой многолучевости канала распространения.
-
Оценка канала в многочастотных (OFDM) многоантенных (MIMO) телекоммуникационных системах, включая WiMax. Адаптация пилот-структуры и длины защитного интервала многочастотного сигнала к условиям функционирования системы.
-
Разработка простых и эффективных алгоритмов начальной частотно-временной синхронизации. Анализ квазиоптимальной оценки разрывных сигналов.
-
Разработка простого эффективного эквалайзера для приема многокодовых сигналов одночастотных многоантенных систем (HSDPA).
-
Формирование диаграммы направленности адаптивной антенной решетки базовой станции сотовой системы связи в прямом и обратном каналах при наличии высокоскоростных пользователей в системе.
-
Оптимизация и адаптация параметров механизма доступа сети пакетной передачи данных Wi-Fi. Анализ ее характеристик.
Методы исследования. При решении поставленных задач использовались современные методы статистической радиофизики, математического анализа, оценивания параметров сигналов на фоне помех, теории вероятностей и математической статистики, теории случайных процессов, имитационного компьютерного моделирования.
Научная новизна. В работе получены следующие новые научные результаты:
Алгоритмы квазикогерентного приема сигнала в системах связи с кодовым разделением каналов, использующие для оценки канала как пилотные, так и информационные символы. Алгоритмы основаны на параметризации изменяющейся во времени комплексной амплитуды сигнала путем разложения ее в ряд по системе функций, а также на адаптивном стохастическом интерполировании и итеративной процедуре последовательного улучшения оценки канала и оценки информационных символов.
Методика определения оптимальных соотношений информационного и пилот-компонентов сигнала, основанная на критерии минимума средней энергии полезного сигнала, приходящейся на один передаваемый символ, при удовлетворении заданного качества приема.
Алгоритм демодуляции и слежения за сигналом системы связи с кодовым разделением каналов в условиях неразрешаемой многолучевости, отличительной особенностью которого является уточнение в процессе слежения не только временных позиций сигналов лучей, но и их числа, а также компенсация взаимовлияния сигналов разных лучей друг на друга.
Алгоритм оценки канала для MIMO-OFDM систем, основанный на последовательной байесовской интерполяции в частотной и временной областях и включающий оценку частоты Доплера и профиля многолучевости канала распространения.
Алгоритм оценки канала для MIMO-OFDM систем, адаптивный к порядку интерполяции в частотной и временной областях в зависимости от скорости изменения канала в этих областях.
Алгоритм адаптации длины защитного интервала и пилот-структуры OFDM сигнала к канальным условиям, основанный на оценке скорости изменения канала во временной и в частотной областях.
Интерполяционный алгоритм оценки частотного сдвига и временного положения радиосигнала, использующий для вынесения решения несколько значений решающей функции.
Сравнительный анализ сложности реализации и помехоустойчивости различных алгоритмов оценки частоты радиосигнала с учетом аномальных ошибок,
Методика расчета дисперсии квазиоптимальных оценок параметра по максимуму нерегулярного выходного сигнала приемника, когда его детерминированная составляющая дифференцируема.
Алгоритм работы эквалайзера для одночастотных многоантенных систем, минимизирующий искажения сигнала, обусловленные как многолучевостью канала распространения, так и помехами других антенн. В эквалайзере существенно уменьшена вычислительная сложность расчета весовых коэффициентов по сравнению с известными алгоритмами.
Алгоритм формирования диаграммы направленности адаптивной антенной решетки базовой станции сотовой системы связи, в обратном канале эффективно подавляющий мощные пространственно сосредоточенные помехи (обусловленные высокоскоростными пользователями), а в прямом канале основанный на эвристической оценке направления прихода и угловой области сигнала абонента.
Методика расчета и аналитические выражения для пропускной способности отдельной станции и сети Wi-Fi в целом, учитывающие сопутствующие расходы, шумы в канале и коллизии в системе. Алгоритмы адаптации параметров механизма доступа сети к условиям ее функционирования.
Практическая значимость результатов работы состоит в следующем:
Разработанные алгоритмы квазикогерентного приема позволяют эффективно функционировать системам связи с кодовым разделением каналов в неблагоприятных условиях быстрых замираний (при скорости подвижного абонента до 500 км/ч при частоте несущей 2 ГГц), когда известные алгоритмы оказываются неработоспособными.
Использование эффективных алгоритмов квазикогерентного приема позволяет перераспределить мощность от пилот-компонента к информационному компоненту сигнала, обеспечивая увеличение до 15% спектральной эффективности системы радиосвязи.
В неблагоприятных каналах с неразрешаемой многолучевостью разработанный алгоритм слежения и демодуляции обеспечивает выигрыш 1.5ч-2 дБ по сравнению с известными алгоритмами, не требует большого ресурса корреляторов и не является критичным к частоте отсчетов входного сигнала, что существенно упрощает его реализацию.
Характеристики разработанного алгоритма оценки канала для MIMO-OFDM систем остаются приемлемыми в неблагоприятных условиях быстрых замираний и длинного импульсного отклика канала распространения (при скорости абонента до 500 км/ч при частоте несущей 2 ГГц и при интервале много-лучевости до 4 мкс при полосе сигнала 20 МГц), когда известные алгоритмы оказываются неработоспособными.
Алгоритм оценки канала для MIMO-OFDM систем с адаптивным порядком интерполяции может обеспечить выигрыш в помехоустойчивости до Зч-4 дБ по сравнению с алгоритмами оценки канала с фиксированным порядком интерполяции.
Использование разработанного алгоритма адаптации длины защитного интервала и пилот-структуры к канальным условиям обеспечивает выигрыш до
50% в спектральной эффективности OFDM системы по сравнению с фиксированно устанавливаемыми параметрами при несущественном увеличении объема необходимой для передачи служебной информации.
Предложенный интерполяционный алгоритм оценки частотного сдвига и временного положения радиосигнала обеспечивает помехоустойчивость, близкую к помехоустойчивости алгоритма максимального правдоподобия, при существенно меньшей сложности, аналогичной многоканальному алгоритму оценки с относительно небольшим числом дискретов решающей функции на интервале корреляции (Зч-4).
Сравнительный анализ помехоустойчивости и сложности реализации различных алгоритмов оценки частоты радиосигнала позволяет обоснованно выбрать алгоритм оценки и спроектировать систему синхронизации в зависимости от требований к точности и сложности реализации алгоритма.
Методика анализа квазиоптимальных оценок параметра по максимуму нерегулярного выходного сигнала приемника, когда его детерминированная составляющая дифференцируема, может быть использована для анализа большого числа задач квазиоптимальной обработки разрывных сигналов рассмотренного класса.
Применение предложенного эквалайзера делает возможным эффективный прием при использовании сложных видов модуляции (16-QAM, 64-QAM) и при большом количестве параллельно передаваемых с каждой антенны потоков данных (8 и более), когда традиционный Rake приемник является неработоспособным.
Использование разработанных алгоритмов функционирования ААР делает возможным наличие в системе нескольких высокоскоростных пользователей. Возможность работы при наличии в системе только общего пилот-сигнала позволяет использовать мобильные терминалы, не поддерживающие прием индивидуального пилот-сигнала.
Применение методики определения оптимальных значений параметров механизма доступа системы Wi-Fi позволяет динамично адаптировать параметры механизма доступа к условиям функционирования и достигать максимальной пропускной способности сети и отдельных ее станций.
Основные положения, выносимые на защиту:
Различные по сложности реализации и помехоустойчивости алгоритмы квазикогерентного приема сигнала в системах связи с кодовым разделением каналов при прерывистом и непрерывном типах пилот-сигнала, эффективные в неблагоприятных условиях быстрых замираний; новая методика определения оптимальных соотношений информационного и пилот-компонентов сигнала.
Алгоритм демодуляции и слежения за сигналом в системах связи с кодовым разделением каналов, эффективный в условиях многолучевости, в том числе неразрешаемой.
Алгоритмы оценки канала для MIMO-OFDM систем, эффективные в условиях канала с длинным импульсным откликом и при высокой скорости движения абонента; алгоритм адаптации длины защитного интервала и пилот-структуры сигнала к условиям функционирования.
Интерполяционный алгоритм оценки частотного сдвига и временного положения радиосигнала; методика анализа помехоустойчивости различных алгоритмов оценки частоты радиосигнала; рекомендации по выбору алгоритма и его параметров.
Методика анализа квазиоптимальных оценок параметра по максимуму нерегулярного выходного сигнала приемника, когда его детерминированная составляющая дифференцируема.
Алгоритм работы эквалайзера для одночастотных многоантенных систем, эффективный при приеме многолучевого многокодового сигнала.
Алгоритмы формирования диаграммы направленности адаптивной антенной решетки базовой станции сотовой системы связи в обратном и прямом каналах, эффективно функционирующие при наличии мощных пространственно сосредоточенных помех, при произвольных величинах угловой области сигнала абонента, а также при наличии в системе только общего пилот-сигнала.
Методика определения оптимальных значений параметров механизма доступа сети Wi-Fi и расчета пропускной способности отдельной станции и сети в целом; адаптация параметров механизма доступа к условиям функционирования.
Внедрение результатов. Результаты диссертационной работы были использованы в ОАО «Концерн «Созвездие», ЗАО "ИРКОС", ГОУВПО «Воронежский государственный технический университет», что подтверждено актами внедрения.
Достоверность результатов исследования. Достоверность результатов, полученных в диссертационной работе, подтверждается корректностью использования современного математического аппарата, совпадением новых результатов с известными в частных и предельных случаях, а также результатами статистического моделирования,
Апробация работы. Результаты работы докладывались и обсуждались на следующих конференциях и семинарах: на VIII семинаре секции теории информации ЦП НТО РЭС им. А.С. Попова (Воронеж, 1983); V Всесоюзной школе по оптической обработке информации (Киев, 1984); V Всесоюзной школе-семинаре «Распараллеливание обработки информации» (Львов, 1985); Всесоюзной научно-технической конференции «Статистические методы в теории передачи и преобразования информационных сигналов» (Киев, 1985); 1 Всесоюзной школе-семинаре «Методы представления и обработки случайных сигналов и полей» (Туапсе, 1987); Всесоюзной конференции «Статистика случайных полей. Обработка изображений» (Красноярск, 1988); отраслевой научно-технической конференции «Техника средств связи» (Воронеж, 1989); Всесо-
юзной научно-технической конференции «Теория и техника пространственно-временной обработки сигналов» (Свердловск, 1989); Украинской республиканской школе-семинаре «Вероятностные модели и обработка случайных сигналов и полей» (Черкассы, 1991); научно-технической конференции «Повышение помехоустойчивости систем технических средств охраны» (Воронеж, 1995); Международной научно-технической конференции «Радиолокация, навигация, связь» (Воронеж, 1999-2009); Международной конференции «Цифровая обработка сигналов и ее применение» (Москва, 1999-2004); Международной научно-технической конференции «Беспроводные системы телекоммуникаций» (Воронеж, 2000); Международной конференции «Теория и техника передачи, приема и обработки информации» (Туапсе, 2001); IEEE 16th International Symposium «Personal, Indoor and Mobile Radio Communications» (PIMRC 2005) (Berlin, Germany, 2005); 61st IEEE Vehicular Technology Conference (VTC 2005-Spring) (Stockholm, Sweden, 2005); 49th IEEE Global Telecommunications Conference (GLOBECOM 2006) (San Francisco, USA, 2006).
Публикации. По теме диссертации опубликовано 127 научных работ, в том числе 31 - в изданиях, рекомендованных ВАК РФ, и 32 патента на изобретение.
В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискателю принадлежат: постановка задачи [10, 13-16, 18-20, 25, 27-38, 40-47, 49-64]; разработка оригинальных алгоритмов оценки параметров и адаптации [1-6, 10-12, 16, 18-20, 23, 25-38, 40-47, 49-64]; получение аналитических выражений для характеристик алгоритмов [1-6, 10, 17, 19-21, 25, 27, 42, 43, 45-47]; расчет характеристик [1-6, 10, 20, 25, 42, 43]; анализ и интерпретация полученных результатов (для всех публикаций).
Структура и объем работы. Диссертация состоит из введения, семи глав, заключения и списка литературы из 276 наименований. Основная часть работы изложена на 386 страницах, включает 201 рисунок и 22 таблицы.
Модель принимаемого сигнала
Таким образом, для оценки информационных параметров ad,bd необходимо , рассчитать значение решающей функции (1.9) для всех возможных комбинаций значений векторов ad,bd, и найти положение абсолютного максимума (1.9) в соответствии с (1.7). Для M-PSK модуляции число таких комбинаций равно MNj. Видно, что вычислительная сложность АМП резко возрастает с увеличением количества информационных символов Nd на интервале анализа. Кроме того, при больших величинах Nd, когда интервал [О, Г] соизмерим или больше интервала корреляции комплексной амплитуды входного сигнала, возникает проблема точности представления (1.3). Если для сохранения необходимой точности представления комплексной амплитуды сигнала увеличить число элементов ряда (1.3), то возрастет шумовая составляющая оценки комплексной амплитуды ввиду неизбежных ошибок при оценке векторов c,d (из-за роста числа шумовых слагаемых). Таким образом, суммарная погрешность оценки комплексной амплитуды, обусловленная шумами и неточностью представления, увеличивается, что приводит к ухудшению точности демодуляции.
Заметим также, что сложность алгоритма в значительной степени зависит от вида модуляции (параметр М). Так, при переходе от BPSK модуляции (М = 2) к QPSK модуляции (М = 4) вычислительная сложность синтезированного алгоритма возрас тает в 2 " раз.
Поэтому одним из возможных вариантов применения АМП является разбиение непрерывного потока символов на блоки, число Nd информационных символов в которых относительно невелико, и использование полученных выражений (1.7), (1.9) для независимой оценки информационных символов этих блоков. слот ч_ _yv V" " Y _ v_ группа пилот информационные символы группа пилот символов символов
Данный подход был применен для демодуляции сигнала, временная структура которого представлена на Рис. 1.1. Предполагалось, что данные передаются слотами по 10 комплексных символов каждый. Первые 4 символа каждого слота являются пилот-символами (пилот-группа), следующие 6 символов слота - информационные. Ка Зі ждый символ содержит по два независимых бита, которые для пилот-символов равны 1, а для информационных символов могут принимать значения ±1 (QPSK модуляция). На Рис. 1.2 показаны зависимости вероятности битовой ошибки до декодера BER (Bit Error Rate) АМП от величины отношения сигнал-шум на бит, полученные с помощью компьютерного моделирования для различных порядков К полиномов, используемых для аппроксимации комплексной амплитуды сигнала. В качестве базиса был выбран степенной полином {fm(t) = (t/2)m},m = 0 ,tG[0,T]. (1.10)
Все временные интервалы имели одинаковую длину, равную сумме длительностей слота и пилот-группы следующего слота (JV = 14). Каждые два соседних интервала перекрывались на интервале длительности пилот-группы. Длительность слота составляла 0.625 мс. При моделировании было внесено постоянное рассогласование частот 150 Гц между входным и опорным сигналами, которое имитировало максимальную ошибку системы автоподстройки частоты. Моделирование было выполнено для частоты фединга 7 = 880 Гц (модель Джейкса [27]), которая при частоте несущей 2ГГц соответствует движению абонента со скоростью 500 км/ч. Указанная скорость движения приведена в требованиях на проектирование аппаратуры систем сотовой связи 3-го поколения [139] и соответствует наиболее сложным условиям приема.
При частоте фединга 880 Гц комплексная амплитуда сигнала существенно изменяется в течение слота. При выборе порядка аппроксимирующего полинома К необходимо найти компромисс между точностью описания комплексной амплитуды (растет с увеличением К ) и уменьшением шумового компонента ее оценки, которая с увеличением К также растет. Как следует из кривых Рис. 1.2, использование полинома третьего порядка К — 3 обеспечивает наилучшую помехоустойчивость в рабочей области современных систем связи (BER O.l). С учетом последующего декодирования этот уровень BER обеспечивает необходимое качество передачи информации.
Кривая "когерентный прием" на Рис. 1.2 соответствует приему при априори известной комплексной амплитуде сигнала. Данную кривую можно использовать в качестве нижней границы алгоритмов квазикогерентного приема. Видно, что проигрыш АМП (при К = 3) по отношению к когерентному приему составляет немногим более 2 дБ. когер. АМП, К=1 ±—АМП,К=2 О—АМП, К=3 —АМП, К= Отношение сигнал-шум, дБ Зависимость вероятности битовой ошибки от отношения сигнал-шум для АМП при различных значениях порядка К аппроксимирующего полинома.
АМП реализует идею приема "в целом" [3,22], которая и обуславливает его сложность. В этой связи целесообразна разработка более простых квазиоптимальных алгоритмов, характеристики которых не сильно отличались бы от характеристик АМП.
Гораздо более простым по отношению к приему в "целом" является посимвольный прием. Осуществить переход к посимвольному приему можно, используя решающую обратную связь (РОС). В этом случае для оценки текущих символов используются оценки предыдущих информационных символов.
Одной из возможных реализаций идеи РОС применительно к рассматриваемой задаче является следующий квазиоптимальный алгоритм (назовем его ІСАРОС). Пусть имеется блок из L символов, неизвестным в котором является только последний L -ый символ (bL,aL). Предыдущие L — 1 символов либо известны (как пилот-символы), либо оценены на предыдущих этапах работы алгоритма. Оценка неизвестного символа основана на использовании формул АМП (1.7), (1.9). Отбрасывая в (1.9) слагаемые, не зависящие от оцениваемого L -го символа, после необходимых преобразований получаем N, M(aL,bL) = —[bL(XLuL + YLvL) + aL(YLuL-XLvL)], (1.11) L-\ L-\ где uL =2_jQtLPi t У і =2 Q,LQi» a величины XL,YL определены в (1.6). Находя зна i=i i=i чения (aL,BA, максимизирующие (1.11), получаем оценку КАРОС. Для относительно простых видов модуляции несложно получить явные оценки информационных параметров. Так, для QPSK модуляции имеем BL=sgp.(XLuL + YLvL), aL=sga(YLuL-XLvL). (1.12) Аналогично демодулируется следующий (L +1) -ый символ и т. д. На Рис. 1.3 показаны зависимости вероятности битовой ошибки КАРОС от величины отношения сигнал-шум на бит, полученные методом математического моделирования для различных значений размера окна (блока) L и порядка К полиномов, используемых для аппроксимации комплексной амплитуды сигнала. Все параметры и условия приема при моделировании КАРОС такие же, как и для АМП. Из Рис. 1.3 следует, что наилучшие результаты в рабочей области BER обеспечиваются при значениях параметров КАРОС L = 5, К = 1.
Оценка числа, временных позиций и комплексных амплитуд сигналов компонентов входного многолучевого сигнала
Рассмотрим помехоустойчивость и сложность основных рассмотренных алгоритмов квазикогерентного приема: алгоритмов, основанных на параметризации изменяющейся комплексной амплитуды, - алгоритма максимального правдоподобия (АМП), двухпроходного алгоритма с решающей обратной связью (ДАРОСЭ), итеративного алгоритма (ИА) и алгоритмов, основанных на стохастической интерполяции, -ИАСИ и ПАСИ. Будем считать, что для информационных символов используется QPSK модуляция.
Из описания алгоритмов следует, что в ДАРОСЭ для оценки комплексной амплитуды одного информационного символа требуется выполнить примерно 46 операций умножения, 44 операций сложения и 2 операции сравнения. Вычислительная сложность ИА при использовании метода Гаусса (прямой обратной подстановки) для решения системы линейных уравнений [20,35] составляет примерно 160 операций умножения, 146 операций сложения и 6 операции сравнения. В АМП для оценки комплексной амплитуды одного информационного символа необходимо примерно 2048 операций умножения, 2048 операций сложения и 12287 операций сравнения Вычислительная сложность алгоритмов стохастической интерполяции следующая. В ПАСИ для оценки комплексной амплитуды одного информационного символа требуется выполнить примерно 48 операций умножения, 44 операций сложения и 2 операции сравнения. Для ИАСИ при двух итерациях второго этапа — необходимо выполнить 194 операций умножения, 182 операций сложения и 4 операции сравнения.
На Рис. 1.18 приведены сравнительные характеристики алгоритмов. Кривые получены для случая FDA = 0.055. Из Рис. 1.18 видно, что помехоустойчивость ИАСИ не уступает по помехоустойчивости в 10 раз более сложному для реализации алгоритму АМП, а выигрыш по сравнению с более простым алгоритмом ДАРОСЭ составляет 2 дБ. Помехоустойчивость алгоритма ПАСИ выше помехоустойчивости адекватного по сложности алгоритма ДАРОСЭ (выигрыш составляет около 1 дБ), и не уступает по помехоустойчивости в 3 раза более сложному для реализации алгоритму ИА. Таким образом, алгоритмы стохастической интерполяции обладают при адекватной сложности более высокой помехоустойчивостью. Однако они требуют оценки автокорреляционной функции комплексной амплитуды или оценки частоты замираний.
Полученные результаты позволяют обоснованно выбрать алгоритм квазикогерентного приема MPSK сигналов в условиях быстрого фединга в зависимости от требований к точности и простоте его реализации.
Зависимость вероятности битовой ошибки от отношения сигнал-шум для различных алгоритмов квазикогерентного приема 1.3 Квазикогерентный прием сигнала с непрерывным пилот-сигналом
В настоящее время для систем подвижной радиосвязи активно разрабатываются методы использования адаптивных антенных решеток на базовых станциях, а также разнесенного приема и передачи данных. В этих технологиях для обеспечения квазикогерентного приема использование общего пилот-сигнала зачастую невозможно, и необходимо наличие индивидуального пилот-сигнала для каждого абонента. Пилот-компонент сигнала, обеспечивая возможность квазикогерентного приема, занимает ресурс системы, уменьшая пропускную способность и емкость системы связи. Исследования [28,199] показали, что оптимальная (как с точки зрения повышения емкости системы связи, так и с точки зрения минимизации вероятности ошибочного приема) энергия пилот-компонента должна быть существенно ниже энергии информационного компонента. Таким образом, алгоритмы оценки комплексной амплитуды должны эффективно функционировать при низких уровнях мощности пилот-сигнала.
Алгоритмам обработки сигналов с непрерывным пилот-сигналом посвящен ряд работ [40,41,71,117,175,181 и др.]. Оценка комплексной амплитуды в известных публикациях осуществляется только по пилот-сигналу. В [71] рассматривается алгоритм квазикогерентного приема, в котором оценка комплексной амплитуды осуществляется по нескольким пилот-символам, входящим во временной интервал «скользящего окна». Оценка комплексной амплитуды информационного символа представляет собой сумму оценок комплексной амплитуды пилот-символов окна, центр которого находится в интервале оцениваемого символа. Такой алгоритм оценки комплексной амплитуды предполагает, что на интервале скользящего окна комплексная амплитуда принимаемого сигнала изменяется слабо. В [40,41] представлены более сложные алгоритмы квазикогерентного приема, в соответствии с которыми оценка комплексной амплитуды информационного символа осуществляется с помощью линейной фильтрации оценок комплексной амплитуды пилот-символов. В [40] предлагается несколько вариантов импульсной характеристики фильтра, отличающихся по длительности и форме. При этом форму импульсной характеристики фильтра оптимизируют под некоторую среднюю частоту замираний входного сигнала. В [41] предлагается использование импульсной характеристики фильтра, адаптивной к статистике канала связи. Адаптация импульсной характеристики фильтра позволяет производить оценку комплексной амплитуды как при медленных, так и при быстрых замираниях сигнала. При этом несколько усложняется реализация алгоритма. Заметим, что при быстрых замираниях сигнала размер скользящего окна должен быть небольшим. Из-за низкой мощности пилот-сигнала это приводит к недостаточно высокому качеству оценки комплексной амплитуды.
Алгоритмы квазикогерентного приема при непрерывном пилот-сигнале, в которых оценка комплексной амплитуды осуществляется только по пилот-символам, просты в реализации. Однако такие алгоритмы не используют информационные символы, также содержащие информацию о комплексной амплитуде полезного сигнала. Использование информационных символов для оценки комплексной амплитуды при непрерывном пилот сигнале повышает ее эффективность так же, как и при прерывистом пилот-сигнале (параграфаы 1.1, 1.2). Кроме того, это позволит перераспределить мощность от пилот-компонента к информационному компоненту сигнала, обеспечивая увеличение эффективности системы связи.
В данном параграфе представлен адаптивный к частоте замираний эффективный алгоритм квазикогерентного приема многолучевого сигнала при непрерывном пилот-сигнале, использующий для оценки комплексной амплитуды не только пилот-символы (как у известных алгоритмов), но и информационные символы [209,212,259].
Оценка канала для MIMO-OFDM систем, функционирующих в быстро изменяющихся во времени многолучевых каналах
В процессе поиска исследуется априорная область многолучевости, например, через Тс /2 (где Тс длительность чипа), осуществляется обнаружение и грубая оценка временного положения компонентов входного многолучевого сигнала, например, [243,261].
Периодическая процедура уточнения (слежения) основывается на результатах поиска. На каждом шаге слежения принимается решение о количестве лучей р, временном положении их сигналов т;, i = l,p и осуществляется подстройка однолучевых приемников в соответствии с этой оценкой. Полученная оценка числа и временных позиций компонентов многолучевого сигнала используется для демодуляции данных до получения очередных оценок на следующем шаге слежения. Процедура обновления числа и компонентов многолучевого сигнала объединяет результаты очередной процедуры поиска с найденными ранее в процессе слежения компонентами
Ресурс, выделенный на процедуру слежения, ограничен. Поэтому число отслеживаемых компонентов многолучевого сигнала не превосходит некоторой величины Р, определяемой числом L имеющихся корреляторов пилот-сигнала (в стандартных системах справедливо соотношение L = 3P). Каждый используемый коррелятор настроен на одно значение временной задержки.
Остановимся более подробно на процедуре слежения с учетом ограничения на ресурс обработки (число одновременно исследуемых временных позиций).
Исходными данными для текущего шага слежения являются результаты поиска, число т (т Р) и временные положения компонентов многолучевого сигнала предыдущего шага слежения (если этот шаг слежения не первый), а также другие временные положения, которые исследовались на предыдущем шаге.
На текущем шаге слежения выполняются следующие действия. Определяются временные позиции, которые подлежат исследованию на данном шаге слежения. Это исследование выполняется одновременно, т. е. общее число исследуемых временных позиций на каждом шаге слежения не превышает величину L. Массив подлежащих исследованию временных позиций формируется путем добавления в него временных позиций в следующей последовательности. a) Временные позиции компонентов (оцененных на предыдущем шаге слежения). Однолучевые приемники на этих временных позициях также осуществляют оценку канала для приема данных. b) Временные позиции, порожденные компонентами - временные позиции, отстоящие на 1/2 чипа вперед и назад от временной позиции компонента. Порожденные компонентами временные позиции ранжируются по убыванию мощности порожденного компонента. Начиная с этой группы временных позиций (Ь) и далее (с, d) временная позиция добавляется в массив подлежащих исследованию временных позиций лишь в случае, если расстояние между этой временной позицией и временными позициями, уже находящимися в массиве, не меньше 1/2 чипа.
c) Ранжированные по убыванию мощности временные позиции поиска - временные позиции, для которых имело место превышение порога в последней процедуре поиска, d) Ранжированные по убыванию мощности временные позиции, которые исследовались на предыдущем шаге слежения, После анализа всех групп временных позиций (а, Ь, с, d), либо при достижении числом временных позиций массива величины L формирование массива прекращается. По полученному массиву временных позиций, подлежащих исследованию, формируются временные области, в которых осуществляется независимая оценка числа и временных позиций компонентов, таким образом, что если временное расстояние между временными позициями массива меньше, чем 1 чип, то подлежащие исследованию временные позиции входят в одну область. Если временное расстояние между временными позициями массива не меньше, чем 1 чип, то временные позиции, порожденные этими компонентами, входят в разные области. (Рис. 2.11).
Формируются комплексные корреляционные отклики однолучевых приемников на интервале шага слежения во временных позициях, подлежащих исследованию
При наличии 2 отсчетов на чип входного сигнала полагаем, что временные позиции каждой области расположены через 1/2 чипа. Для каждой из них имеется однолуче-вый приемник. При наличии 4 отсчетов на чип полагаем, что временные позиции каждой области расположены через 1/4 чипа. Однолучевые приемники исследуют в общем случае не все временные позиции области. В этом случае по значениям комплексных корреляционных откликов исследуемых временных позиций области осуществляется интерполяция комплексного корреляционного отклика для остальных временных позиций области. В результате получаем значения комплексного корреляционного отклика для всех временных позиций области, отстоящих друг от друга через 1/4 чипа.
Оценка числа и временных позиций компонентов в каждой области осуществляется независимо друг от друга, как будет описано в параграфе 2.3. Если сумма оценок числа компонентов всех областей не превышает максимальное значение отслеживаемых компонентов Р, то окончательная оценка числа компо нентов многолучевого сигнала равна сумме оценок числа компонентов всех облас тей, а оценка их временных позиций соответствует оценкам временных позиций областей.
Если сумма оценок числа компонентов всех областей превышает максимальное значение отслеживаемых компонентов Р, то из совокупности оценок временных позиций компонентов всех областей выбирается Р компонентов с максимальными значениями амплитуды. Оценка временных позиций компонентов многолучевого сигнала соответствует временным позициям этих наиболее мощных компонентов.
Высокоточная оценка времени прихода радиосигнала
Основные принципы, положенные в основу предлагаемого алгоритма оценки канала для MIMO-OFDM систем, функционирующих в быстро изменяющихся во времени многолучевых каналах, следующие.
Для уменьшения вычислительной сложности при оценке канала используется метод 2xlD интерполяции. То есть, интерполяция в частотной и временной областях выполняется раздельно. Известно, что при фиксированной сложности концепция 2xlD предпочтительнее, чем концепция 2D интерполяции.
Использование байесовского алгоритма для оценки канала Результаты моделирования (параграф 3.2) показали, что только байесовский алгоритм с известной статистикой канала имеет удовлетворительные характеристики с точки зрения требований МГМО системы, особенно для антенной конфигурации 4x4. Изменение порядка интерполяции (сначала во временной области, затем в частотной области) Пилот-символы обычно более коррелированны во временном направлении, чем в частотном. Поэтому, как следует из результатов моделирования, приведенных выше, наиболее сложной проблемой оценки канала в МГМО-OFDM системах является получение .высокого качества интерполяции в частотной области. Традиционный порядок интерполяции заключается в том, что сначала выполняется интерполяция в частотной области, а затем — во временной области. Предлагается изменить порядок интерполяции, т. е. реализовывать интерполяцию сначала во временной области, а затем в частотной области. В этом случае после интерполяции во временной области получается вдвое больше опорных тонов для интерполяции в частотной области по сравнению с традиционным порядком Это позволяет улучшить качество интерполяции, особенно для длинных каналов.
Байесовский алгоритм оценки канала требует знания статистики канала: профиля многолучевости для интерполяции в частотной области, и частоты Доплера -для интерполяции во временной области. Поэтому необходима их оценка, которая выполняется по пилот-символам OFDM сигнала.
Поскольку все сигналы каналов распространения в MIMO системе (между различными передающими и приемными антеннами) проходят через одни и те же переотражатели (рассеиватели), профиль многолучевости для всех каналов один и тот же. Эта особенность MIMO системы используется для улучшения оценки статистики канала.
Представленный алгоритм оценки канала включает 4 этапа: 1) оценка статистики канала во временной области; 2) интерполяция во временной области; 3) оценка статистики канала в частотной области; 4) интерполяция в частотной области. Рассмотрим эти этапы более подробно.
Для реализации байесовского алгоритма интерполяции во временной области необходима автоковариационная функцию канала во временном направлении. OFDM сигнал структурирован во временном направлении по фреймам. Оценка автоковариационной функции выполняется каждый фрейм, используя пилот-символы этого фрейма. Рассмотрим некоторую содержащую пилот-символы п -ую поднесущую MIMO канала произвольных і -ой передающей и j -ой приемной антенн. Для простоты обозначений опустим соответствующие индексы. Измерение отсчетов автокорреляционной функции на этой поднесущей выполняется в соответствии с формулой Kn=K(ndT) = ±-Y KZP+n\ n = U2 In=LP n, (3.28) где Lp - число используемых для измерения пилот-символов поднесущей, Z, p = l,Lp - используемые для измерения упорядоченные оценки частотного отклика канала пилот-символов (3.24), Т = TS{NFFT+LCP) - длительность OFDM символа, d — расстояние (в символах) между соседними пилот-символами поднесущей; в соответствии с пилот-структурой [147] для антенной конфигурации 4x4 d = 4 , для антенной конфигурации 2x2; d = 2, Q - число отсчетов измеряемой автокорреляционной функции, ограниченное длиной фрейма, далее при реализации полагалось 0 = 11. Нормированная автоковариационная функция определяется по формуле 1„=S, « = 0Л2, (3.29) где автоковариационная функция MIMO канала Кп = Кп —уЩ , n = l,Q, m— результат усреднения (3.24) по всем пилот-символам фрейма всех каналов, Кп результат усреднения (3.28) по всем поднесущим и всем парам передающей и приемной антенн.
Уровень шумового компонента (3.24) может быть велик, но, поскольку его интервал корреляции мал, значение автоковариационной функции искажается только для и = 0. Для него будем использовать квадратурную экстраполяцию KQ = 3(jftfj — К2) + к .
Автоковариационная функция канала для произвольного аргумента (кратного Т) может быть легко интерполирована по величинам (3.29). Полученные отсчеты автоковариационной функции канала определяют автоковариационную матрицу пилот-символов. Для расчета интерполяционных коэффициентов требуется обращение этой матрицы. Однако, таким образом сформированная автоковариационная матрица пилот-символов бывает плохо обусловлена, и возможны проблемы с ее обращением. Поэтому не будем использовать полученную автоковариационную функцию непосредственно, а определим по ней скорость изменения канала (круговую частоту Доплера cdD). Оценка частоты Доплера &D далее подставляется в функцию Бесселя нулевого порядка первого рода K(nT) = JQ{cbnT), п = 0,1,2,..., (3.30) которая удовлетворительно описывает корреляционные свойства большинства каналов. Автоковариационная матрица пилот-символов, сформированная в соответствии с (3.30) обусловлена гораздо лучше.
Оценка частоты Доплера может быть получена одним из известных методов, например из [109,217]. Здесь используется алгоритм оценки частоты Доплера [217], основанный на аппроксимации функции Бесселя полиномом вида К(х) = ах + /3, где параметры а,/3 представлены в Табл. 3.3. Рис. 3.14 иллюстрирует высокую точность аппроксимации.
