微信公众号：EW Frontier
关注可了解更多的雷达、通信、人工智能相关代码。问题或建议，请公众号留言;
如果你觉得EW Frontier对你有帮助，欢迎加入我的知识星球或面包多，更多代码等你来学
知识星球：https://wx.zsxq.com/dweb2/index/group/15552518881412
面包多：https://mbd.pub/o/author-a2mYl2tsbA==/work
QQ交流群：1022600869
如有侵权请联系删除~
摘要
受挑战正交频分复用（OFDM）的使用的5G应用需求的激励，正在研究非正交多载波。与利用正交导频观测的OFDM不同，在非正交波形中，导频被来自多个维度的干扰污染，即，当多输入多输出（MIMO）也是传输的一部分时，子符号间、载波间和天线间干扰。在多载波系统中采用循环前缀（CP）不仅保护信号免受符号间干扰，而且允许对信道的循环解释，这简化了估计和均衡技术。然而，CP信息通常在接收器侧被丢弃。针对非正交波形受到多个维度干扰的情况，提出了一种基于MIMO线性最小均方误差（LMMSE）的并行干扰抵消（PIC）方法，用于非正交波形的联合信道估计和均衡。与通常的做法不同，通过在时域中适当地定位导频，我们还使用来自CP的导频信息。我们将我们提出的算法应用到一个灵活的非正交波形称为广义频分复用（GFDM）。利用GFDM的块循环性，我们研究了这种CP辅助LMMSE-PIC信道估计的复杂度方面。通过仿真结果，我们表明，使用CP信息的导频GFDM增益高达2.4 dB更好的误帧率性能比OFDM信号。
引言
预见未来无线通信系统中的垂直市场适应各种应用类型。不仅需要增加的数据速率，而且需要超可靠低延迟通信（URLLC）、异步多址、异构网络架构等。正交频分复用（OFDM）在适应不同的应用需求方面存在困难[1]。因此，学术界和工业界加强了对替代波形的研究[2]，[3]，[4]。尽管如此，OFDM已被选择用于5G标准化的早期版本[5]，因为非正交波形需要进一步的测试和硬件在环实验[6]，[7]。未来无线通信的一个重要部分是多输入多输出（MIMO）传输。与OFDM的简单和低复杂度实现相比，对于MIMO非正交多载波，接收机设计变得更具挑战性，因为接收机必须处理多个维度的干扰，即符号间干扰（ISI）、载波间干扰（ICI）和天线间干扰（IAI）。多维干扰影响接收的参考信号（称为导频），其中，它对接收（Rx）信号的信道估计（CE）和后续均衡（EQ）提出了挑战，特别是在信道双重分散的宽带类型通信中。另一方面，非正交波形中的导频的良好的时频定位允许重用来自循环前缀（CP）的导频的能量。在[8]和[9]中通过卡尔曼滤波器研究了使用CP信息进行增强信道估计的想法。然而，他们的方法仅适用于正交波形。在这项工作中，我们利用非正交波形中的符号时间定位，以提高CE性能，通过重用来自CP的导频信息。换句话说，如果我们将导频的能量适当地定位到块的末尾，则它们在复制到CP中时也将包括高能量。与[8]和[9]不同，这项工作提出了任何干扰限制线性调制的方法，包括其MIMO应用。对于非正交多载波数据符号的检测，通常采用两个独立的CE和EQ模块。虽然在文献中存在用于MIMO-OFDM的联合信道估计和均衡的许多算法，例如[10]和[11]，但是它们不直接适用于非正交多载波，因为它们不考虑干扰的多个维度，即ISI、ICI、IAI。在我们之前关于CE的工作中[12]，[13]，我们推导了非正交波形的最小二乘（LS）和线性最小均方误差（LMMSE）估计，假设ISI和ICI导致白色噪声之上的额外相关噪声。据我们所知，在文献中没有可以直接应用于MIMO干扰受限非正交波形并且还可以使用其CP信息的信道估计解决方案。我们在本文中的贡献有三个方面：·扩展我们先前的工作[12]、[13]，我们导出了用于MIMO非正交多载波的接近最佳联合信道估计和均衡的被广泛接受的LMMSE并行干扰消除（PIC）。在我们的推导中，我们考虑了整个块的飞行员的信息，包括其CP。对于非正交接收机，导频的信息被在相同子载波上发送的数据符号污染。来自数据符号的污染不容易去除，因为干扰统计与信道统计相关。因此，为了推导出MIMO LMMSE估计器与一个听话的方式计算干扰统计，我们提出了一种新的技术来简化等效信道模型。接下来，专注于GFDM波形和它的块循环结构，我们推导出的顺序LMMSE（SLMMSE）估计的信道的复杂度降低的版本。·我们通过计算浮点运算（FLOPs）的数量来彻底分析每个算法的复杂性。所提出的算法的复杂性比较，使我们能够区分和找到一个折衷的算法，为不同的应用程序。例如，在URLLC中，快速且较低复杂度的传输通常优于高数据速率，而在像视频流的应用中，复杂度不太值得注意。·通过大量的模拟，我们评估了每种算法在不同场景下的性能。给定调制和编码方案（MCS）的选择，我们根据复杂性或鲁棒性来区分最有利的算法。在我们的模拟中，我们考虑MIMO-OFDM传输作为比较的基线。文章插图
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
结论
本文提出了一种针对MIMO非正交波形的导频和CP辅助联合信道估计和均衡技术。我们进一步研究了用于干扰受限MIMO GFDM系统的算法，其中我们更多地关注复杂度方面。仿真结果表明，低复杂度的方法，即SLMMSE和CP-SLMMSE达到几乎相同的性能，其高复杂度的变化，鲁棒MCS。然而，对于高阶MCS，忽略干扰项导致显著的性能下降，这使得算法必须采用PIC。我们已经观察到，CP-LMMSE-PIC，实现了最佳性能方面的FER与相当大的SNR差距相比，OFDM系统，在成本的进一步复杂性。基于FER结果和复杂度比较，我们总结出CP-SLMMSE最适合于鲁棒MCS，即QPSK 1/3，无论是否具有移动性。CP-LMMSE应该被选择用于中间MCS，即16-QAM 2/3，无论是否具有移动性。CP-LMMSE-PIC必须被选择用于高数据速率传输，即64-QAM 3/4。
完
相关学习资料见面包多链接https://mbd.pub/o/author-a2mYl2tsbA==/work。欢迎加入我的知识星球：https://wx.zsxq.com/dweb2/index/group/15552518881412，永久获取更多相关资料、代码。
