MIMO-STBC系統(tǒng)參數(shù)盲估計研究.pdf

1、近年來,隨著多媒體技術(shù)和Internet的發(fā)展,人們對無線通信的質(zhì)量和通信速率提出了越來越高的要求。多輸入多輸出(Multiple Input Multiple Output,MIMO)技術(shù)可以有效地提高信道容量,是這些問題的有效解決方案?？諘r編碼(Space-Time Coding,STC)在發(fā)射的時域信號中引入編碼冗余而得到分集增益,而空時分組碼(Space-Time Block Code,STBC)是空時編碼的主要類型。作為下一代

2、無線通信的關(guān)鍵技術(shù)之一,IEEE802.11n和IEEE802.16e已經(jīng)對MIMO-STBC通信系統(tǒng)制定了一系列的標(biāo)準(zhǔn)。
　　通信系統(tǒng)參數(shù)盲估計廣泛應(yīng)用于軍事及民用通信系統(tǒng)中,是一個重要的研究領(lǐng)域。目前對合作MIMO-STBC通信系統(tǒng)的研究較多,而很少有文獻(xiàn)從非合作角度對MIMO-STBC系統(tǒng)進(jìn)行參數(shù)估計。獨(dú)立分量分析(Independent Component Analysis,ICA)是上個世紀(jì)九十年代發(fā)展起來的一種重要的信

3、號處理方法,不像其他方法,獨(dú)立分量分析不需要很強(qiáng)的先驗假設(shè),因此是非合作信號處理的有力工具之一。本文以ICA算法為工具,從非合作角度對MIMO-STBC系統(tǒng)參數(shù)盲估計進(jìn)行了研究,主要成果有:
　　1、提出了一種適用于空間色噪聲環(huán)境的信源數(shù)目估計算法。信源個數(shù)是MIMO-STBC系統(tǒng)的一個重要參數(shù),文獻(xiàn)中的經(jīng)典算法大多假設(shè)噪聲在空間上不相關(guān),然而對于受干擾的MIMO信道通常假設(shè)噪聲在空間相關(guān),所以這些算法不能適用于這種場景。本文利用

4、接收信號的高階累積量矩陣的對角特性,通過特征值分解估計出噪聲子空間,經(jīng)過酉變換后,對應(yīng)于噪聲子空間的信號分量服從高斯分布。本文以峭度為統(tǒng)計量,通過假設(shè)檢驗來檢測信號的高斯性,從而估計出信源數(shù)目。該方法適用于空間色噪聲,具有較好的檢測性能。
　　2、研究了空時分組碼在高維特征空間中的分類識別問題。本文利用空時分組碼的循環(huán)平穩(wěn)特性,對接收到的信號在多個時延上做自相關(guān),對于不同的空時分組碼,這些自相關(guān)矩陣的二范數(shù)具有不同的峰值和谷點,所

5、以這些峰值和谷點攜帶了編碼類型的信息,可以作為特征來區(qū)分各種空時分組碼。為了更好地利用這些信息,本文將其映射到高維特征空間對空時分組碼進(jìn)行分類。由于利用了更多的信息,所以基于高維特征空間的識別算法的性能優(yōu)于一維識別算法。
　　3、提出了一種旋轉(zhuǎn)的多天線空時盲分離算法。在合作通信中,由于編碼信息已知,可以通過估計信道矩陣來分離接收到的信號。而在非合作系統(tǒng)中,在編碼矩陣和信道狀態(tài)信息(Channel State Information

6、,CSI)都未知時如何分離接收到的信號是一個具有挑戰(zhàn)性的問題。本文提出了一個旋轉(zhuǎn)的 MIMO-STBC通信模型,該模型將編碼矩陣和信道矩陣合并為虛擬信道矩陣(Virtual Channel Matrix,VCM),通過對接收信號旋轉(zhuǎn)一定角度來最大化源信號的獨(dú)立性,使其滿足ICA算法的假設(shè)。在此模型上應(yīng)用ICA算法估計的信號反向旋轉(zhuǎn)相應(yīng)角度后就可以分離出源信號。該方法無需在發(fā)射端進(jìn)行預(yù)編碼,并且不需要編碼信息。
　　4、研究了多維獨(dú)

7、立分量分析(Multidimensional Independent Component Analysis,MICA)算法在非合作MIMO-STBC系統(tǒng)中的應(yīng)用,并提出了一種基于高階統(tǒng)計量(Higher-Order Statistics,HOS)的MICA算法。為了分離接收到的信號,本文用ICA模型來表示 MIMO-STBC系統(tǒng),然而對一些調(diào)制信號,由于源信號成組獨(dú)立而不能滿足ICA算法的獨(dú)立性假設(shè)。針對這種情況,本文采用MICA算法來

8、分離接收到的信號,并利用接收信號的高階累積量矩陣成塊對角的特性提出了一種MICA算法,該算法通過對四階累積量矩陣聯(lián)合塊對角化(Joint Block-Diagonalization,JBD)估計出混合矩陣。針對文獻(xiàn)中基于一步優(yōu)化的JBD算法收斂性差的問題,本文采用兩步優(yōu)化法求解 JBD問題:首先對四階累積量矩陣進(jìn)行聯(lián)合對角化(Joint Diagonalization,JD),然后求解分離信號的配對模糊。為了去除信號的配對模糊,本文將J

9、BD優(yōu)化問題轉(zhuǎn)化為互累積量的極大化問題,該表達(dá)式具有明確的物理意義,表明配對問題可以通過極大化組內(nèi)信號的互累積量來實現(xiàn)。該方法不需要人為設(shè)置門限,可以保證收斂性。
　　5、提出了一種基于最大似然的MIMO-STBC系統(tǒng)的盲調(diào)制識別算法。調(diào)制類型識別是通信參數(shù)估計的一個重要研究課題,然而對非合作MIMO-STBC系統(tǒng)的盲調(diào)制識別卻鮮有報道。本文首先用ICA模型來表示MIMO-STBC系統(tǒng),并根據(jù)此模型提出一個基于最大似然的調(diào)制分類器