DFT信道估计步骤及实例

在OFDM系统中，基于DFT的信道估计算法也经常被使用。DFT信道估计主要有以下几个步骤:
(1)在实载波导频处，利用已知导频符号，使用LS信道估计算法计算得到实载波导频处信道频域响应：（原理详见此处）
H^P_AC(k)=YAC(mk)XAC(mk)，k=0,1,...,NP_AC−1\hat{H}_{P\_AC}(k)=\frac{Y_{AC}(mk)}{X_{AC}(mk)}，k=0,1,...,N_{P\_AC}-1 H^P_AC(k)=XAC(mk)YAC(mk)，k=0,1,...,NP_AC−1
其中，YAC(mk)Y_{AC}(mk)YAC(mk)为实载波导频处接收频域信号，XAC(mk)X_{AC}(mk)XAC(mk)为实载波导频处发送频域信号，ACACAC是实载波的意思，P_ACP\_ACP_AC是实导频载波。
(2) 通过 IDFT 变换获得实际导频处的信道冲击响应：
h^P_AC(n)=IDFT{H^P_AC(k)}，n=0,1,...,NP_AC−1\hat{h}_{P\_AC}(n)=IDFT{\{\hat{H}_{P\_AC}(k)\}}，n=0,1,...,N_{P\_AC}-1 h^P_AC(n)=IDFT{H^P_AC(k)}，n=0,1,...,NP_AC−1
(3) 对 CP 长度后的冲击响应进行置零，对信道冲击响应进行降噪：
hP_AC(n)={h^P_AC(n)n=0,1,...,NCP−10n=NCP,NCP+1,...,NP_AC−1h_{P\_AC}(n)= \begin{cases} \hat{h}_{P\_AC}(n) & n=0,1,...,N_{CP}-1 \\ 0 & n=N_{CP},N_{CP}+1,...,N_{P\_AC}-1 \end{cases} hP_AC(n)={h^P_AC(n)0n=0,1,...,NCP−1n=NCP,NCP+1,...,NP_AC−1
(4) 在hP_AC(n)h_{P\_AC}(n)hP_AC(n)中进行插零得到hAC(n)h_{AC}(n)hAC(n)，插值后长度为实载波数量NACN_{AC}NAC，再通过DFT变换，得到实载波处的频域响应HAC(k)H_{AC}(k)HAC(k)
hP_AC(n)⟹zero_paddinghAC(n)，n=0,1,...,NAC−1HAC(k)=DFT{hAC(n)}，k=0,1,...,NAC−1h_{P\_AC}(n)\overset{zero\_padding}{\implies}h_{AC}(n)，n=0,1,...,N_{AC}-1 \\ H_{AC}(k)=DFT\{h_{AC}(n)\}，k=0,1,...,N_{AC}-1 hP_AC(n)⟹zero_paddinghAC(n)，n=0,1,...,NAC−1HAC(k)=DFT{hAC(n)}，k=0,1,...,NAC−1

经过上述步骤，即可得到DFT优化结果。
以下为实际操作例子

clc;clear all; close all; figure(1), clf, figure(2), clf
Nfft=1024;  Ng=Nfft/8;  Nofdm=Nfft+Ng;  Nsym=100;
Nps=4; Np=Nfft/Nps; Nd=Nfft-Np; % 导频间隔、每个 OFDM 符号的导频数和数据
Nbps=4; M=2^Nbps; % 每个（调制）符号的位数
Es=5; A=sqrt(3/2/(M-1)*Es); % 信号能量和 QAM 归一化因子
SNRs = 30;
for i=1:length(SNRs)SNR = SNRs(i); rand('seed',1); randn('seed',1);MSE = zeros(1,6); nose = 0;for nsym=1:NsymXp = 2*(randn(1,Np)>0)-1;    % Pilot sequence generationmsgint=randi([0,M-1],1,Nd);    % bit generationData = qammod(msgint,M)*A;%Data = modulate(mod_object, msgint); Data = modnorm(Data,'avpow',1)*Data;   % normalizationip = 0;    pilot_loc = [];for k=1:Nfftif mod(k,Nps)==1X(k) = Xp(floor(k/Nps)+1); pilot_loc = [pilot_loc k]; ip = ip+1;else       X(k) = Data(k-ip);endendx = ifft(X,Nfft);                            % IFFTxt = [x(Nfft-Ng+1:Nfft) x];                  % Add CPh = [(randn+j*randn)*3 (randn+j*randn)*0.7 (randn+j*randn)*0.2 (randn+j*randn)*0.01];     % generates a  channelH = fft(h,Nfft); channel_length = length(h); % True channel and its time-domain lengthH_power_dB = 10*log10(abs(H.*conj(H)));      % True channel power in dBy_channel = conv(xt, h);                     % Channel path (convolution)yt = awgn(y_channel,SNR,'measured');  y = yt(Ng+1:Nofdm);                   % Remove CPY = fft(y);                           % FFTfor m=1:1if m==1H_est = LS_CE(Y,Xp,pilot_loc,Nfft,Nps,'linear'); method='LS信道估计'; % LS estimation with linear interpolationelseif m==2H_est = LS_CE(Y,Xp,pilot_loc,Nfft,Nps,'spline'); method='LS-spline'; % LS estimation with spline interpolationelse  H_est = MMSE_CE(Y,Xp,pilot_loc,Nfft,Nps,h,SNR); method='MMSE'; % MMSE estimationendH_est_power_dB = 10*log10(abs(H_est.*conj(H_est)));h_est = ifft(H_est); h_DFT = h_est(1:channel_length); H_DFT = fft(h_DFT,Nfft); % DFT-based channel estimationH_DFT_power_dB = 10*log10(abs(H_DFT.*conj(H_DFT)));if nsym==1
%            figure(1), subplot(319+2*m), plot(H_power_dB,'b','linewidth',1); grid on; hold on;
%            plot(H_est_power_dB,'r+','Markersize',4,'linewidth',1);
%            title(method); xlabel('子载波编号'); ylabel('功率[dB]');
%            legend('True Channel',method);  set(gca,'fontsize',9)
%            subplot(320+2*m), plot(H_power_dB,'b','linewidth',1); grid on; hold on;
%            plot(H_DFT_power_dB,'r+','Markersize',4,'linewidth',1);
%            title([method ' with DFT']); xlabel('子载波编号'); ylabel('Power[dB]');
%            legend('True Channel',[method ' with DFT']);  set(gca,'fontsize',9)figure(1),subplot(1,2,1)plot(H_power_dB,'b','linewidth',1); grid on; hold on;plot(H_est_power_dB,'r+','Markersize',4,'linewidth',1); title(method); xlabel('子载波编号'); ylabel('功率[dB]');legend('True Channel',method);  set(gca,'fontsize',9)subplot(1,2,2)plot(H_power_dB,'b','linewidth',1); grid on; hold on;plot(H_DFT_power_dB,'r+','Markersize',4,'linewidth',1); title([method ' +  DFT']); xlabel('子载波编号'); ylabel('Power[dB]');legend('True Channel',[method ' with DFT']);  set(gca,'fontsize',9)endMSE(m) = MSE(m) + (H-H_est)*(H-H_est)';MSE(m+3) = MSE(m+3) + (H-H_DFT)*(H-H_DFT)';endY_eq = Y./H_est;Y_eqDFT = Y./H_DFT;if nsym>=Nsym-10figure(2)subplot(221), plot(X,'.','Markersize',5),title('原星座图');axis('equal'), set(gca,'fontsize',9), axis([-5 5 -5 5]),hold on,subplot(222), plot(Y,'.','Markersize',5),title('信道补偿前星座图');axis('equal'), set(gca,'fontsize',9), axis([-20 20 -20 20]),hold on,       subplot(223), plot(Y_eq,'.','Markersize',5),title('信道补偿后星座图');axis('equal'), set(gca,'fontsize',9),axis([-5 5 -5 5]), hold on,       subplot(224), plot(Y_eqDFT,'.','Markersize',5),title('信道补偿后星座图（DFT）');axis('equal'), set(gca,'fontsize',9), axis([-5 5 -5 5]),hold on,       endip = 0;for k=1:Nfftif mod(k,Nps)==1, ip=ip+1;  else  Data_extracted(k-ip)=Y_eq(k);  endendmsg_detected = qamdemod(Data_extracted/A,M);nose = nose + sum(msg_detected~=msgint);end   MSEs(i,:) = MSE/(Nfft*Nsym)
end
Number_of_symbol_errors=nose% figure(3), clf, semilogy(SNRs',MSEs(:,1),'-x', SNRs',MSEs(:,4),'-o')
% legend('LS-linear','LS_DFT')
% xlabel('SNR(dB)')
% ylable('MSE')
% legend('LS-linear','MMSE')
% fprintf('MSE of LS-linear/LS-spline/MMSE Channel Estimation = %6.4e/%6.4e/%6.4e\n',MSEs(end,1:3));
% fprintf('MSE of LS-linear/LS-spline/MMSE Channel Estimation with DFT = %6.4e/%6.4e/%6.4e\n',MSEs(end,4:6));function H_LS = LS_CE(Y,Xp,pilot_loc,Nfft,Nps,int_opt)
% LS channel estimation function
% Inputs:
%       Y         = Frequency-domain received signal
%       Xp        = Pilot signal
%       pilot_loc = Pilot location
%       N         = FFT size
%       Nps       = Pilot spacing
%       int_opt   = 'linear' or 'spline'
% output:
%       H_LS      = LS channel etimate%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%?2010 John Wiley & Sons (Asia) Pte LtdNp=Nfft/Nps; k=1:Np; LS_est(k) = Y(pilot_loc(k))./Xp(k);  % LS channel estimation
if  lower(int_opt(1))=='l', method='linear'; else method='spline';  end
H_LS = interpolate(LS_est,pilot_loc,Nfft,method); % Linear/Spline interpolation
endfunction [H_MMSE]= MMSE_CE(Y,Xp,pilot_loc,Nfft,Nps,h,SNR)% MMSE信道估计
%输入:
% Y 频域接收信号
% Xp 导频信号
% pilot_loc:导频位置
% Nfft  FFT大小
% Nps 导频间隔
% h 信道脉冲响应
% SNR:信噪比[dB]
%输出:
% H_MMSE :MMSE信道估计
snr = 10^(SNR*0.1);
Np=Nfft/Nps; k=1:Np; H_tilde = Y(1,pilot_loc(k))./Xp(k);  % LS estimate
k=0:length(h)-1; %k_ts = k*ts;
hh = h*h'; tmp = h.*conj(h).*k; %tmp = h.*conj(h).*k_ts;
r = sum(tmp)/hh;    r2 = tmp*k.'/hh; %r2 = tmp*k_ts.'/hh;
tau_rms = sqrt(r2-r^2);     % rms delay
df = 1/Nfft;  %1/(ts*Nfft);
j2pi_tau_df = j*2*pi*tau_rms*df;
K1 = repmat([0:Nfft-1].',1,Np); K2 = repmat([0:Np-1],Nfft,1);
rf = 1./(1+j2pi_tau_df*(K1-K2*Nps));
K3 = repmat([0:Np-1].',1,Np); K4 = repmat([0:Np-1],Np,1);
rf2 = 1./(1+j2pi_tau_df*Nps*(K3-K4));
Rhp = rf;
Rpp = rf2 + eye(length(H_tilde),length(H_tilde))/snr;
H_MMSE = transpose(Rhp*inv(Rpp)*H_tilde.');  % MMSE channel estimateendfunction H_interpolated = interpolate(H_est,pilot_loc,Nfft,method)
% Input:        H_est    = Channel estimate using pilot sequence
%           pilot_loc    = location of pilot sequence
%                Nfft    = FFT size
%              method    = 'linear'/'spline'
% Output: H_interpolated = interpolated channel%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%?2010 John Wiley & Sons (Asia) Pte Ltdif pilot_loc(1)>1slope = (H_est(2)-H_est(1))/(pilot_loc(2)-pilot_loc(1));H_est = [H_est(1)-slope*(pilot_loc(1)-1)  H_est]; pilot_loc = [1 pilot_loc];
end
if pilot_loc(end)<Nfftslope = (H_est(end)-H_est(end-1))/(pilot_loc(end)-pilot_loc(end-1));  H_est = [H_est  H_est(end)+slope*(Nfft-pilot_loc(end))]; pilot_loc = [pilot_loc Nfft];
end
if lower(method(1))=='l', H_interpolated = interp1(pilot_loc,H_est,[1:Nfft]);   else      H_interpolated = interp1(pilot_loc,H_est,[1:Nfft],'spline');
end
end

DFT信道估计步骤及实例相关推荐

【学习笔记】OFDM中信道估计技术分析与实现
目录一.信道估计概念二.信道估计作用三.相干检测与非相干检测 (一)非相干检测 (二)相干检测 (三)注意四.影响信道估计算法性能的重要因素五.信道估计方法的划分 (一)根据处理域的不同, ...
利用卷积定理进行信道估计 + 深入探究 DFT 与 matlab 中的 fft 用法
文章目录 1 背景 2 DFT & FFT 公式级别解析 2.1 DFT / IDFT 2.2 FFT 3 利用卷积定理进行信道估计 1 背景最近尝试用时域卷积定理来进行信道估计假设 TX ...
混合波束成形| 高速铁路通信系统的信道估计：Location-Aided mMIMO Channel Tracking and Hybrid Beamforming for High-Speed
关于 <Location-Aided mMIMO Channel Tracking and Hybrid Beamforming for High-Speed Railway Communica ...
OFDM系统中的信道估计基础知识（一）
OFDM完整仿真过程及解释(MATLAB) 参考二调制与变频.基带信号与射频信号中的IQ调制(又称矢量调制) 目录一.OFDM系统接收机的典型结构图问题: 二.OFDM调制与解调三.过程中涉及 ...
AI赋能5G，利用神经网络进行信道估计
随着5G和AI技术不断成熟和发展,如今基于AI辅助的无线通信正逐步从学术界走向产业界落地. 1 2022MWC上的5G+AI 近日举行的2022年世界移动通信大会(MWC)上,各大通信玩家纷纷拿出自己 ...
【OMP信道估计】基于OMP压缩感知的信道估计算法的MATLAB仿真
1.软件版本 MATLAB2021a 2.本算法理论知识 3.核心代码 clc; clear; close all; warning off; addpath 'func\'CYC = 20; for ...
人工智能信道估计深度学习_深度学习人体姿态估计算法综述
作者 | Bharath Raj 译者 | 李志编辑 | Vincent AI 前线导读:人体姿态估计的任务是从包含人体的图片中检测出人体关键点,并恢复人体位姿.随着深度学习的发展,越来越多的深度学 ...
第7章：OFDM 信道估计与均衡（4）
第7章(4)内容如下: 一.导频结构与图案二.基于导频的信道估计算法和插值方法本文所有可运行代码下载地址是:123kevin456/OFDM- 一.导频结构与图案前三讲介绍了OFDM经过AWGN ...
从简单的信道估计说起
前面写了关于CP在OFDM中的应用,主要是记录一点零星的想法而已,今天突然想写点关于信道特性方面的东西.原因有以下几点: 1)信道在仿真中的地位不容置疑,不同信道的条件下的仿真是许多课题的重点,自己几 ...
第7章：OFDM 信道估计与均衡（1）
第7章(1)内容如下: 一.OFDM相关书籍二.OFDM基本原理三.OFDM经过高斯白噪声信道的误码率分析三.总结本人最近搞懂了OFDM的一些知识,便给本章取名为第7章--OFDM信道估计.均 ...

DFT信道估计步骤及实例

DFT信道估计步骤及实例相关推荐

最新文章

热门文章