4G中MIMO-OFDM系统的研究

3、MIMO-OFDM系统模型及其关键技术

3.1　MIMO-OFDM系统模型

MIMO-OFDM系统模型的发射端原理图如图3所示。即发送比特流经串并转换后形成若干路并行比特流，各路比特流都分别经过编码、交织后进行相应的星座图映射（QAM，QPSK），随后插入抗信道间干扰的保护间隔，然后进行OFDM调制（IFFT），再加上抗时延扩展的循环前缀（CP），最后由相应的天线发射出去。

图3　MIMO-OFDM系统模型发射端原理图

MIMO-OFDM系统模型的接收端原理图如图4所示。即各个接收天线收到相应的OFDM符号后，先进行时频同步处理，然后去掉相应的CP，接着进行OFDM解调（FFT），最后根据信道估计的结果进行检测解码，恢复出接收比特流。

图4　MIMO-OFDM系统模型接收端原理图

3.2　MIMO-OFDM系统关键技术

要构建MIMO-OFDM系统需要实现诸如同步、空时处理技术、自适应调制和编码、信道估计等关键技术。

1.同步技术

同步是传送数据进行可靠恢复的基础，由于MIMO-OFDM系统对频率偏差非常敏感，因此频率同步尤为重要，除此之外还包括：符号（帧）定时同步、采样时钟同步。总地来讲，同步可以在时域进行，也可以在频域进行，一般情况下在时域进行同步的粗略估计，在频域进行同步的细估计。根据是否利用辅助数据，同步估计的算法分为：基于训练序列/导频的算法，盲估计算法和半盲估计算法。

2.空时处理技术

空间处理技术包括空间复用技术和空时编码技术两部分。典型的空间复用技术是贝尔实验室空时分层结构（BLAST），包括V-BLAST，H-BLAST和D-BALST三种。其中最基本的形式是针对平坦衰落信道的V-BLAST结构，它是纯粹的MIMO多路传输，可获得最大速率。空时编码技术（STC）在不同天线所发送的信号中引入时间和空间的相关性，从而在不牺牲带宽的情况下，提供不编码系统所没有的分集增益和编码增益。空时编码做到了编码、调制和空间分集的完美结合，经典的空时编码包括：空时格码（STTC，Space-Time Trellis Code）和空时分组码（STBC，Space-Time Block Code）。空时格码可以达到满分集增益，抗衰落性能比较好，而空时分组码基于正交性的设计，在获得更大的分集增益的同时，也降低了译码的复杂度，因此STBC得到了广泛的应用。

3.自适应调制和编码技术

自适应调制和编码（AMC）根据信道的情况确定当前信道的容量，再根据容量确定合适的编码调制方式等，以便最大限度地发送信息，实现比较高的速率。AMC能提供可变化的调制编码方案（共七级调制方案）以适应每一个用户的信道质量。自适应编码调制技术主要包括RCPT（Rate Compatible Puncturing Turbo codes）和高阶调制（MPSK & M-QAM）的结合、H-ARQ和MIMO等。AMC对测量误差和时延比较敏感是面临的技术挑战。

4.信道估计技术

多径性和时变性是无线信道的两大特点，并且当系统采用空时编码时，接收端在准确知道信道特性的情况下才能进行有效的解码，因此准确的信道估计对无线系统尤为重要。根据是否利用导频信息，MIMO-OFDM系统信道估计算法分为：基于训练序列/导频的信道估计算法，盲信道估计算法和半盲信道估计算法。所有的算法都是基于某种准则的，其中最常用的准则有：最小二乘（LS）准则和最小均方误差（MMSE）准则。

　　●基于导频的信道估计：通过在发送的OFDM符号中插入导频（块状导频、梳状导频）信号，接收端根据导频位置处的接收信号估计出导频位置处信道频率响应，然后再根据内插算法计算出整个信道的频率响应。典型的算法有：最小二乘（LS）算法，线性最小均方误差（LMMSE）算法和最大似然（ML）算法。此类方法估计误差小，收敛速度快，对该算法的研究最成熟，但由于要发送导频或训练序列，需占用一定的系统资源。

●盲信道估计：利用信道的统计信息诸如循环平稳特性等进行信道估计。由于无需传输导频信号和训练序列，从而节约了开销，提高了系统的有效数据传输效率，但此类算法处理数据量大，算法复杂，收敛速度慢，在实际中很少使用。

●半盲信道估计：它使用尽量少的导频信号或训练序列来确定盲信道估计算法所需的初始值，然后利用盲估计算法进行跟踪、优化，最后获得信道参数。该算法是导频辅助算法和盲估计算法之间的一个折衷。半盲估计算法降低了盲估计算法的运算复杂度，并加快了其收敛速度，预计对半盲估计算法的研究将成为未来研究的重点。

4、结束语

MIMO和OFDM技术结合的系统做到了扬长避短，既有效对抗了MIMO系统中的频率选择性衰落，又提高了OFDM系统中的系统容量和频谱利用率，因此，MIMO-OFDM系统及其相关技术必将成为第四代移动通信领域研究的热点和重点。