信道估计

重庆交通大学信息科学与工程学院综合性设计性实验报告

专业：通信工程专业11级

学号：************

*名：***

实验所属课程：宽带无线接入技术

实验室(中心)：软件与通信实验中心

****：***

2014年3月

一、题目

OFDM系统的信道估计技术

二、仿真要求

要求一：OFDM系统的数据传输

①传输的数据随机产生；

②调制方式采用16QAM；

要求二：要求对BER的性能仿真

设计仿真方案，比较两个信道估计算法（基于LS与基于DFT +LS）的性能，并画出真实估计信道幅度与信道估计的对比图。

三、仿真方案详细设计

信道估计模型:

无线传播信道具有很大的随机性，会引起传输信号幅度、相位和频率的失真。产牛符号|’HJ干扰等，对接收机的设计提出了很大的挑战．这就要求对无线信道进行估计和预测。信道估计器是接收机的一个重要组成部分。在理论研究中。为了更好地描述信道对信号的影响．引入了信道模型统计的方法．通过研究信号在特定环境下的特性来进信道建模。

根据不同的考量标准，产生了不少信道估计算法。总而言之，—个“好”的估计方法就是要使某种估计误差最小化的估计算法。但是通常考虑到具体实现，则要求算法的复杂度要低。因此在设计信道估计算法时，需要权衡算法精准度和设计复杂度间的矛盾。

信道估计一般分为非盲估计、盲估计和半肓估计。在OFDM系统中，由于传输速率较高。并且在接收端需使用相干解调技术获得较高性能，一般采用非盲估计。其基本过程是：在发送端适当位置插入导频，接收端利用导频恢复出导频位置的信道信息。

在OFDM信道估计的各种算法中，典型的有LS和DFT算法。LS的准则是求得接收与发送端的最小平方误差；而DFT算法的准则则是基于LS算法基础上在DFT变换。

如图所示：

信道LS 估计算法

换言之

11112222000000

N N N N Y X H z Y X H z Y Y X H z ⎛⎫⎛⎫⎛⎫⎛⎫ ⎪ ⎪⎪ ⎪ ⎪ ⎪⎪ ⎪

==+

⎪ ⎪⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪⎪ ⎪⎝⎭⎝

⎭⎝⎭⎝⎭

()ˆ(),1,

,()

LS Y k H k k N

X k ==

基于DFT 的信道估计算法

四、仿真结果及结论

510

1520

253035

-6-4-202subcarrier index

P o w e r [d B ]

True Channel LS 0

510

1520253035

-6-4-202subcarrier index

P o w e r [d B ]

True Channel LS with DFT

2468

101214161820

10

10

10

SNR

B E R

OFDM 系统的LS 和DFT 信道估计

结论：通过如图所示，我们可以发出现基于LS 信道估计没有给予DFT 的对信道估计性能好，同时在在相同的信噪比情况下，DFT 估计的误码率低于LS 信道估计，随着信噪比的逐渐增大，误码率会逐渐减小。DFT 也是先通过LS 在进行DFT 的，但性能却得到了提高。

五、总结与体会

通过这次实验，让我对无线信道的了解与掌握有了更加深刻的理解，本次实验通过仿真信道估计算法，用matlab 语言实现，可得出DFT 算法在性能上优于LS 算法。在这次实验过程中让我明白了信道的概念是什么，为什么要进行信道估计，即为了解调。对信道进行估计十分重要，如果能够对信道进行精确估计那么我们就能够更好的还原发射信号。在这次实验中也遇到了一些困难，通过查找资料和请教老师，解决了疑惑，这个实验不仅提高了我的编程能力，而且还锻炼了对我的分析能力，培养了我解决问题的能力。相信此次实验为以后从事相关行业打下了一定的基础，也为以后的实验做下了一个铺垫。

六、主要仿真代码

%信道估计

%基于 LS和DFT 对信道进行估计用线性插入

clear all;clc;

Nfft=32;Ng=Nfft/8;Nofdm=Nfft+Ng;

pilot_loc=[1 5 9 13 17 21 25 29 32];%l插入位置

Nps=length(pilot_loc);%每个ofdm的插入序列

Nbps=4;M=2^Nbps;%调制方式

SNR=30;

Xp=2*(randn(1,Nps)>0)-1;%插入序列的产生

msgint=randint(1,Nfft-Nps,M);%随机产生比特流

data=qammod(msgint,M);%16QAM调制

%插入导频

X=[Xp(1),data(1:3),Xp(2),data(4:6),Xp(3),data(7:9),Xp(4),data(10:12),Xp(5),d ata(13:15),Xp(6),data(16:18),Xp(7),data(19:21),Xp(8),data(22:23),Xp(9)];

%OFDM 的调制

x=ifft(X,Nfft);xt=[x(Nfft-Ng+1:Nfft) x];%傅里叶逆变换和加入循环前缀

h=[(randn+1i*randn),(randn+1i*randn)/2];%产生两径的信道

%信道的频域和长度

H=fft(h,Nfft);ch_length=length(h);

H_power_dB=10*log10(abs(H.*conj(H)));

y_channel=conv(xt,h);%通过信道的信号

yt=awgn(y_channel,SNR,'measured');

y=yt(Ng+1:Nofdm);Y=fft(y);%移去 CP 和FFTLS

%基于LS 信道估计

H_est1=LS_CE(Y,Xp,pilot_loc,Nfft);

H_est_power_dB1=10*log10(abs(H_est1.*conj(H_est1)));

%基于DFT的信道估计

h_est2=ifft(H_est1);h_DFT2=h_est2(1:ch_length);

H_est2=fft(h_DFT2,Nfft);

H_est_power_dB2=10*log10(abs(H_est2.*conj(H_est2)));

%比较LS和DFT两种估计的性能

subplot(2,1,1);

plot(1:Nfft,H_power_dB,'-',1:Nfft,H_est_power_dB1,'s');

legend('True Channel','LS');

xlabel('subcarrier index');ylabel('Power[dB]');

subplot(2,1,2);

plot(1:Nfft,H_power_dB,'-',1:Nfft,H_est_power_dB2,'s');

legend('True Channel','LS with DFT');