基于IEEE802．16d的信道估计研究与仿真

liyf

摘 要：IEEE802．16d是一种可以提供高达70 Mb／s的峰值传输速率来支持不同Qosl类型的综合数据业务部署的固定宽带无线接入系统。首先介绍了基于IEEE802．16d的Wireless MAN一0FDM中的帧结梅形式，在分析了0FDM信道估计技术和插值算法后仿真了协议中的导频和前导在SUI信道模型下的估计性能。仿真了不同的估计算法和插值对系统的性能影响，从仿真结果可以看出前导的估计效果要优于导频，给出了系统导频估计的适用条件。关键词：IEEE802．16d；OFDM；信道估计；插值0 引 言??? 进入21世纪以来，随着互联网的迅猛发展和各种实时多媒体业务需求的增加，宽带无线技术将呈现巨大的发展潜力。而IEEE802．16d标准作为一种面向无线城域网(WMAN)固定宽带无线接入方案，以其优异的性能和广阔的前景而倍受关注。IEEE802．16于2004年出版了IEEE802．16d的固定宽带无线接入系统的标准。该标准的物理层定义了4种传输模式，分别是10～66 GHz频率范围内的Wireless MAN—SC，以及应用于2～1l GHz下的三种非视距(NOLS)模式：Wireless MAN—Sca，Wireless MAN—OFDM，Wire—less MAN—OFDMA。本文只讨论分析WirelessMAN—OFDM。由于无线信道不像有线信道那样固定并可预见，无线OFDM通信系统受无线信道的阴影衰落和频率选择性衰落影响比较严重，因此必须努力降低无线信道的影响，这就对无线OFDM系统的信道估计技术提出了很大的挑战，信道估计的好坏将直接影响到整个系统的性能优劣。本文在基于IEEE802．16d下分别以前导以及导频作为训练符号在SUI信道模型下进行了估计性能的仿真，并对仿真结果进行了分析研究。1 Wireless MAN—OFDM中的帧结构??? 由于OFDM调制可以有效地抵抗无线信道的多径衰落，因此它被用于低于11 GHz的NLOS应用的Wireless MAN—OFDM和Wireless—OFDMA的物理层技术。OFDM物理层支持基于帧的传输，图1给出了其下行链路的帧结构示意图。

??? 从图1可知，一个下行链路物理层的通信数据单元(PDU)分别由前导码，帧控制头(FCH)以及突发OFDM数据构成。前导码(preamble)主要用来做各种估计，它由两个连续的特殊OFDM符号组成，第一个OFDM符号仅使用序号是4的倍数的子载波，它的时域波形包括四个重复的64样值，前面是CP。第二个OFDM符号仅使用偶数子载波，它的时域波形包括两个重复的128样值，前面是CP。其时域结构图如图2所示。

??? 在频域中，第一个OFDM符号频域数据由全频带prearnble的4倍数子载波数据得出，4次64序列的频域定义为：???

??? 其中全带宽前导的频域序列由协议中给出。在突发0FDM数据中，每个OFDM符号数据的IFFT点数为256点，即有256个子载波，分为三种类型的子载波，分别是：数据子载波用于传输数据。导频子载波(pi1ot)，每隔25个数据子载波有一个导频子载波，共8个，主要用于各种估计。空子载波，即直流子载波和保护频带，该类子载波不传输任何数据。OFDM符号的频域结构如图3所示。


                          
                       
                          
                                2 IEEE802．16d下的信道估计算法??? 信道估计就是估计从发送天线到接收天线之间的无线信道的频率响应。根据接收的经信道响应产生了幅度和相位畸变并添加了白高斯噪声的接收序列来准确辨识出信道的时域或频域传输特性。OFDM系统中常用的信道估计算法有基于导频符号和插值技术以及基于判决反馈和盲信道估计三种类型。该文分析基于IEEE802．16d系统下的导频符号信道估计。该类算法的原理是利用接收机已知的信息来进行信道估计。导频的插入方式有两类：分别为块状导频(block—type)以及梳妆导频(comb—type)。不难发现在IEEE802．16d中不管是每个数据OFDM符号中的导频还是一帧前的前导码都是按梳妆形式插入导频的。常用的信道估计算法有基于最小方差准则的LS算法以及基于最小均方误差准则的LMMSE算法。2．1 LS算法??? 若假设H为信道的频域响应向量，X和Y分别为发送和接收信号向量的频域表示，n为高斯白噪声，则有Y=XH+n。LS算法就是使式(1)平方误差最小：

从上式可看出LS算法受噪声影响比较大。2．2 LMMSE算法??? LMMSE 算法就是使式 HLMMSE=argminE[(HLMMSE—H)(HLMMSE—H)H]的均方误差最小。LMMSE算法可以在LS算法的基础上得到：????

??? 在式(2)中，RHH=E[HHH]为信道冲激响应的自相关矩阵，可以根据信道的统计特性得到。σ2n为加性高斯噪声的方差。2．3 插值算法??? 在IEEE802．16d下，不管是基于导频符号的还是基于前导码的信道估计，LS和LMMSE算法一样，都存在信道估计的内插问题，即非导频点的信道响应值只有通过导频点的信道响应值内插得到，本文主要应用和比较了简单的线性插值和二维线性插值的性能。2．3．1 线性插值??? 线性插值是插值算法中最简单的一种算法。非导频点上的信道响应值可由下式：???

得到，其中mL≤k<mL+L；L为相邻两导频之间的间隔距离点；HN(k)代表第K个子载波上的信道传输函数；HN(mL)和HN(mL+L)为两相邻导频点的信道响应值。 2．3．2 二维线性插值??? 和线性插值相比较，二维线性插值(Gauss插值)是用二次多项式来拟合信道曲线。二维插值的表达式为：???

其中：C0=一(α一1)(α+1)；Cl=α(α一1)／2；α=l／N。二维插值减少了插值误差，可以获得比较好的性能。3 仿真参数的设置及结果分析??? 这里的仿真平台是基于IEEE802．16d系统的下行链路端，OFDM符号参数及系统信道带宽分别如表1所示。


                          
                       
                          
                                ??? 取仿真帧长为5 ms，一帧中包含69个OFDM符号。系统采用16QAM调制，没有考虑协议中的RS—CC编码和交织。整个系统的搭建和信道估计算法的仿真均是通过Matlab中的M文件来实现的。仿真结果均以系统的误码率(BER)作为评价其性能标准。所得的仿真结果分别如图4～图7所示。

??? 从图4很容易可以看出Gauss插值要优于线性插值，所以后面的仿真都采用了Gauss插值以提高系统性能。图5为前导估计下的LS以及LMMSE在SUI3信道下的性能仿真图，从图上可以看出LMMSE算法性能要优于LS，与LS算法相比其性能要提高3 dB左右，这反映了LS算法易受噪声的影响，但同时LMMSE的运算复杂度要比LS大。图6为导频(pilot)和前导(preamble)在SUI3下的LS估计性能，从该图能清晰地看出前导估计性能要导频估计，当信噪比低于15 dB时，两者的性能差距还不大，但这种差距随着信噪比的提高就越发明显了。这主要是由于SUI3为慢衰落信道，不用导频来进行信道跟踪，且又由于前导中的导频点要远大于OFDM符号中的导频点，自然前导估计性能就优于导频了。当信道为SUI4时，从图7看出，二者之间的性能差异就更大了，甚至于此时导频估计完全不可用，远没达到IEEE802．16d所规定的性能要求，所以此时系统只能采用前导估计。分析原因发现，在SUI4信道下最大多径时延为4μs，则此时系统的相干带宽B=O．25 MHz，而此时OFDM符号中的导频间隔为O．375 MHz，可见导频之间的间隔要大于系统的相干带宽，导致了导频估计性能的恶化。进一步也可得出系统导频估计的适用条件是要必须保证系统导频间隔不大于系统带宽，否则导频估计不可取。

4 结语 ??? IEEE802．16d固定无线宽带接入系统在传输速度，建网距离以及成本投入方面都有很大的优势，是目前发展和主推关于无线接入的理想解决方案。当然作为一种新技术，其必然还有很多难点需要解决优化，信道估计技术就是其中重要方面之一。该文仿真了在SUI信道模型下基于该系统的信道估计性能。仿真结果表明前导估计性能要优于导频，在SUI4时只能考虑前导估计，也从理论上分析了性能差别原因所在，给出了导频估计的适用条件，其中的一些结论和仿真结果对进一步研究IEEE802．16d系统有较大的参考意义。