宽带无线通信中的信道预测研究

《宽带无线通信中的信道预测研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、山东大学硕士学位论文宽带无线通信中的信道预测研究姓名：郭飞申请学位级别：硕士专业：通信与信息系统指导教师：杜岩20090428山东大学硕士学位论文中文摘要随着宽带无线通信的发展和人们对移动通信的需求，极大促进了人们对通信系统的研究。SC．FDE和OFDM都是基于循环前缀(CP)的分块传输技术，具有相同的抗多径传输的能力、基本相同的系统复杂度和频谱效率，被认为是未来移动通信中的两种主要支撑技术。在移动通信的过程中，恶劣的无线信道环境会导致系统性能的降低，而自适应传输技术可以根据时变信道的特性随时调整传输系统的调制方式，发射功率，编码方式等，能够大大

2、提高系统性能。在宽带无线通信系统中使用自适应传输技术，需要预先知道信道变化信息。信道预测可以在快变信道环境中预测得到比较准确的CSI，为采用自适应传输技术提供可靠的数据。本文首先对时变信道进行介绍。其中包括时变信道主要特征的描述及多径信道的频率选择特性和衰落特性。然后，以大家熟悉的OFDM系统为参照介绍了SC．FDE系统，并简要介绍最优信号子空间理论，自适应传输技术对无线通信系统的意义和作用以及一些现有信道状态利用的方法。并仿真分析在时变信道中自适应OFDM和SC．FDE的性能。最后，介绍本文的重点——信道预测。文中总结了现有的几种信道预测方法，

3、并主要讨论了MMSE自适应信道预测方法。然后分析信道长期预测的意义：长期预测可以比较准确的预测信道长期变化信息，为传输系统利用自适应传输技术提供了所需的数据。本文介绍了目前流行的长期预测算法思想，并以此为基础，提出一种新的信道长期预测算法，该算法是基于短期预测方法并对预测结果进行修正，能够达到较好的长期预测效果，而不会增加系统负担。仿真结果表明，本文提出的算法在预测效果上与前人的方法性能相当，但是，本算法不需要在采样点上发送训练帧或者导频，大大提高数据传输效率。在本章节最后，分析了结合长期预测的自适应bit-loading算法，该算法利用信道预测

4、得到的未来信道的信道状态信息，提前对调制方式做出适应性调整，使均衡后信噪比尽量控制在要求的范围内，进而使系统误码性能满足要求，减少重选信道次数，并使系统达到较好的性能。仿真结果表明，该算法可以大大改善系统的山东大学硕士学位论文性能。关键词：正交频分复用(OFDM)、单载波频域均衡(SC．FDE)、信道状态信息(CSI)、时变信道、信道预测。II山东大学硕士学位论文ABSTRACTThedevelopmentofwidebandwirelesscommunicationandhuman-being’Srequirementofwirelesscom

5、municationgreatlypromotestheresearchofcommunicationsystem．Singlecarrierwithfrequencydomainequalization(sc-FDE)andorthogonalfrequencydivisionmultiplexing(OFDM)arebothblock—wisetransmissionschemesbasedoncyclicprefix(CP)，whichbothhaveimmunitytomulti-pathfadingandalmostthesamesys

6、temcomplexityandspectrumefficiency．Theyareregardedastwomainsupportivetechniquesofphysicallayerofwidebandwirelesscommunications．Intheprocessofmobilecommunication,badwirelesschannelenvironmentCanreducetheperformanceofthesystem，however,adaptivetransmissiontechniqueCanmomentarily

7、adjustthemodulation,transmissionpowerandcodingmethod,andthelike，ofthetransmissionsystemaccordingtothecharacteristicsofthetime-varyingchannel，whichCangreatlyimprovessystemTheapplicationtheadaptivetransmissiontechniqueinwidebandwirelesscommunicationsystemneedstheinformationofch

8、annelchangesinadvance．channelpredictionCanpredictcomparativelyaccura