没有合适的资源?快使用搜索试试~ 我知道了~
针对LTER通信系统,对快时变信道估计问题进行了研究。采用基扩展模型对高速铁路通信环境的快时变信道进行拟合,将信道冲激响应建模为基函数与系数相乘形式。通过理论推导,得到最优基函数系数。仿真结果表明,泛化复指数基扩展模型比多项式基扩展模型和复指数基扩展模型具有更好的均方误差性能。此外,随着基函数个数的增加,复指数基扩展模型的均方误差逐渐减小。在信道衰落较严重时,三种基扩展模型均表现出较好的性能。
资源推荐
资源详情
资源评论
基于基扩展模型的基于基扩展模型的LTE-R信道估计算法信道估计算法
针对LTER通信系统,对快时变信道估计问题进行了研究。采用基扩展模型对高速铁路通信环境的快时变信道进
行拟合,将信道冲激响应建模为基函数与系数相乘形式。通过理论推导,得到最优基函数系数。仿真结果表
明,泛化复指数基扩展模型比多项式基扩展模型和复指数基扩展模型具有更好的均方误差性能。此外,随着基
函数个数的增加,复指数基扩展模型的均方误差逐渐减小。在信道衰落较严重时,三种基扩展模型均表现出较
好的性能。
邓玲,陈忠辉,赵宜升
(福州大学 物理与信息工程学院,福建 福州 350108)
摘要摘要:针对LTER通信系统,对快时变
关键词关键词:信道估计;基扩展模型;LTE-R通信系统
0引言引言
基于LTE的铁路长期演进(Long Term Evolution for Railway, LTE-R)系统是极具前景的高速铁路通信解决方案[1]。
然而,列车的高速移动将引起信道状态发生动态变化,使LTER通信系统面临新的挑战[2]。因此,为了保证在高速铁路场
景下能为用户提供可靠的无线通信服务,迫切需要开展针对LTER通信系统的信道估计算法研究。
国内外研究人员在信道估计算法研究方面已取得一系列成果。根据算法是否使用辅助数据,主要分为非盲信道估计算法、
盲信道估计算法和半盲信道估计算法[3]。非盲算法即基于训练序列或导频符号的估计方法,具有抗多径衰落能力强、实现
复杂度低等优点,但辅助数据的使用占用了一定的有效带宽,降低了系统传输效率[45];盲算法无需任何辅助数据,只利
用信道的统计特性实现信道估计,故频谱利用率较高,能自适应跟踪信道动态变化,但计算复杂度大、收敛速度慢、灵活性
差,在实际应用中受到一定限制[67];而半盲算法,即非盲算法与盲算法的折中方法,其使用少量导频符号,同时充分利
用信道统计特性跟踪并优化信道参数,以获取更为准确的信道信息[8]。
然而,传统的信道估计算法主要适用于准静态信道,难以对移动速度超过300 km/h的LTER通信系统进行有效的信道估
计。基扩展模型(Basis Expansion Model, BEM)通过若干个相互正交的基函数对动态变化信道进行拟合,是估计快时变信
道的有力工具。因此,本文将引入BEM研究高速移动场景下的信道估计算法,以提高系统性能。
针对
1系统模型系统模型
LTE-R通信系统的网络结构如图1所示。为了保证高速铁路通信的可靠性,该系统由地面子系统和车载子系统组成
[9]。地面子系统主要包括室内基带处理单元(Building Baseband Unit, BBU)与射频拉远单元(Radio Remote Unit,
RRU),利用光纤连接BBU与RRU。车载子系统由车载台(Vehicular Station, VS)、中继器(Repeater, R)与用户设备
(User Equipment, UE)组成,UE通过无线方式连接到R,R通过有线方式连接到VS。此外,地面子系统与车载子系统由
RRU与VS通过无线方式建立连接。
对于高速铁路通信场景,RRU与VS间的无线信道呈现快时变特点。由于基站部署于铁路沿线附近,在发射机与接收机间
不仅存在多条间接路径,即非视距(Non LineofSight, NLOS)路径,还有一条直接的视距(LineofSight, LOS)路径,因此
本文采用莱斯衰落信道描述LTER通信系统信道特征[10]。假设RRU与VS分别配置NT根发射天线与NR根接收天线,第t时
刻的第p根发射天线与第q根接收天线间的信道冲激响应为:
资源评论
weixin_38519619
- 粉丝: 2
- 资源: 904
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功