论文部分内容阅读
基于直接变频的发射接收机具有结构简单,可实现多标准、多频段发射／接收等优点,是未来无线收发机的发展方向,但是会存在严重的IQ不平衡问题,IQ不平衡会破坏正交频分复用(OFDM, Orthogonal Frequency Division Multiplexing)系统子载波间的正交性,产生镜像干扰并造成OFDM系统的误码性能下降。因此,关于如何高精度估计IQ不平衡OFDM系统信道参数与有效地抑制和补偿IQ不平衡产生的干扰成为了OFDM系统的两个非常重要的研究课题。本文着重研究了IQ不平衡的OFDM系统的信道参数估计和补偿算法研究,主要内容安排如下：(一)针对发射端和接收端均有IQ不平衡的OFDM系统,传统的频域最小二乘信道估计算法(LS, Least square)所需导频OFDM符号较多,浪费资源,于是我们对该方法进行了改进,提出了基于时域最小二乘的信道参数估计方法,该算法最少需两个OFDM训练符号。通过仿真和理论分析表明：由于挖掘无线信道的时域特性,时域LS信道估计方法仅需两个OFDM训练符号可达传统频域16个OFDM训练符号相同的误码性能。(二)由于实际的多种无线信道比如中短波信道、山区信道和海底水声信道均呈现稀疏性,为了充分挖掘信道稀疏特性,进一步提高信道估计性能,重点研究基于压缩感知思想的信道估计算法。首先建立IQ不平衡时域信道估计模型,然后提出了基于时域(TD, Time domain)仅需单个OFDM训练符号的LS信道估计算法,在此基础上引入迭代收缩(IS, Iterative Shrinkage)算法和平行协调下降算法(PCD, Parallel Coordinate Descent),最后形成两个联合信道估计器TD-LS-IS和TD-LS-PCD。仿真和分析表明：TD-LS-IS与TD-LS-PCD算法的估计性能几乎相同,均优于LS和匹配追踪算法,另外,TD-LS-PCD算法复杂度低于TD-LS-IS计算复杂度。(三)考虑到IQ不平衡OFDM系统的传统的线性补偿算法如LS等距离最优的最大似然(ML, Maximum likelihood)检测性能还有较大差距而ML复杂度高,于是重点专注于构造逼近最优ML补偿性能且拥有较低复杂度的算法,在对传统的最大似然补偿算法进行研究的基础上提出了两个逼近ML的亚最大似然补偿方法。仿真结果表明：与传统的LS和最小均方误差相比,提出改进的亚ML补偿方法优于现有的线性补偿方法如LS和最小均方误差算法,与经典的ML算法具有近似相同的误码性能,但是其计算复杂度明显低于后者。