LMMSE信道估计算法如何求自相关矩阵
目录
- 前言
- 方法一
- 方法二
- 仿真结果
前言
在学习了LMMSE算法后,只了解其公式
H ^ L M M S E = R H H ( R H H + β S N R ) − 1 H ^ L S \hat{H}_{LMMSE}=R_{HH}(R_{HH}+\frac{\beta}{SNR})^{-1}\hat{H}_{LS} H^LMMSE=RHH(RHH+SNRβ)−1H^LS
对于如何复现这一经典算法真是毫无头绪。问题的关键在于:
我们只知道 R h h R_{hh} Rhh是真实信道h的自相关矩阵,但是网上找不到可靠的求自相关矩阵的代码。
虽说 R H H = E { H H H } R_{HH}=E\{HH^H\} RHH=E{HHH},但是具体实现的时候这么做是做不出来的。 H H H HH^H HHH明显是一个方阵嘛,怎么对其求均值呢?直接用corr函数显然也是不行的
在此,我为大家提供两种复现方法,参考了很多论文,懒得写引用了。望理解。
已知信道先验信息:信道的时延功率谱,即时域信道矩阵h
方法一
将h通过fft变换到频域,得到H,然后利用如下代码即可计算出H的自相关矩阵:
function Rhh = cor(H)
len = length(H);
temp=xcorr(H,H)/len;
temp=fliplr(temp);
H_cor_l=round(length(temp)/2);
Rhh=complex(zeros(H_cor_l, H_cor_l),zeros(H_cor_l, H_cor_l));
for i=1:H_cor_lRhh(i,:)=temp(H_cor_l+1-i: length(temp)+1-i);
end
end
方法二
方法二是MMSE信道估计的实现,主要理论参考
《基于OFDM的无线导频信道估计和信道均衡算法研究_陈博》
稍微改一下就是LMMSE了,就是最后一步的Rhp改成rf2,改一下就行了,相信大家能看懂,不懂的可以评论。(不改是为了大家能顺便实现MMSE)
function [H_MMSE]= MMSE_CE(Y,Xp,Nfft,Nps,h,SNR)% MMSE信道估计
% Y是接收导频,Xp是已知导频,Nfft是fft点数,Nps是导频间隔,h是信道矩阵,SNR是信噪比
snr = 10^(SNR*0.1);
Np=Nfft/Nps; H_tilde = Y./Xp; % 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.');
end
仿真结果
如下图是我搭建了一个简易的OFDM传输系统,比较了经典的LS算法和LMMSE算法的性能。因为LS忽略噪声,所以在高信噪比的时候,他的性能会逐渐变好。
创作不易,知识无价,望大家点赞收藏,转载注明出处。
LMMSE信道估计算法如何求自相关矩阵相关推荐
- matlab求自相关矩阵,【求助】MMSE信道估计时如何计算信道自相关矩阵Rhh?
困惑很久的问题了,请大家指点一下 在LMMSE信道估计的最终表达式为下面的式子,其中P为LS估计出来的频率响应,Rhh是信道响应的自相关矩阵. Hmmse = Rhh ( Rhh + B/SNR * ...
- m基于rbf神经网络和遗传算法优化的MIMO-OFDM系统信道估计算法matlab仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB部分代码预览 4.完整MATLAB程序 1.算法描述 MIMO-OFDM的信道估计:时,频,空三个域都要考虑,尤其是在空域,不同天线发射的导频序列 ...
- 大规模MIMO基于EVD的信道估计算法
大规模MIMO(多输入多输出)基于EVD(特征值分解)的信道估计算法是一种用于估计MIMO系统中信道状态的技术.该算法通过对信道矩阵进行特征值分解,从而获得信道状态.在某些情况下,该算法在信道估计精度 ...
- 【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 ...
- m基于OFDM的OMP压缩感知信道估计算法误码率仿真,对比传统的LS,MMSE以及LMMSE信道估计性能
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 正交频分复用技术(orthogonalfrequencydivisionmultiplexing,o ...
- m基于深度学习的OFDM信道估计和均衡算法误码率matlab仿真,对比了LS,MMSE以及LMMSE等传统的信道估计算法
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 随着无线通信的快速发展,5G正逐渐成长为支撑全社会各行业运作的大型基础性互联网络,其服务范围的大幅扩 ...
- 信道估计算法误码率仿真,对比不同导频长度,对比不同信道估计算法包括CS-OMP,LS,MMSE
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 所谓信道估计,就是从接收数据中将假定的某个信道模型的模型参数出来的过程.如果信道是线性的话,那么信道 ...
- m基于机器学习MLP的OFDM信道估计误码率matlab仿真,对比LS和MMSE两种信道估计算法
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 信道估计器是接收机一个很重要的组成部分.在OFDM系统中,信道估计器的设计上要有两个问题:一是导频信 ...
- 基于RBF和BP神经网络的信道估计算法的仿真与分析
使用神经网络进行信道估计构架 整个仿真系统的结构如上所示. 这里,我们主要是通过对导频序列和已知的导频序列进行神经网络训练,得到一个神经网络,对输入的新号进行实时的预测和估计.最后得到所要的接受信号. ...
最新文章
- 漫漫运维路——基于CentOS6平台软件包管理2
- 一些常用黑客工具的初步使用
- linux看缺省的编译器,修改Linux系统默认编辑器
- [前台]---ajax返回200成功,却进入error函数的解决方法
- 西南大学计算机与信息科学学院陈武,学院副院长——陈武 - 计算机与信息科学学院 - Powered by 西南大学...
- 基因大数据:一面是科技,一面是责任
- 加密软件漏洞评测系统_调查:加密货币挖矿仍居恶意软件威胁前列
- JAVA解决实例问题_解决java方法
- 微软官方确认!要在Edge中采用Chromium,还会带到Mac上
- ORACLE忘记用户名密码
- Unity使用fungus插件实现对话系统
- webrtc QOS方法四(Sender Side BWE)
- mq使用replyto队列进行消息回复
- 爬取boss直聘岗位数据进行数据分析
- 833 计算机专业基础综合,西安电子科技大学833计算机专业基础综合2021年硕士研究生招生考试自命题科目考试大纲...
- xp系统禁止开机启动服务器,Window XP 开机启动超慢,哪些系统服务和进程可以禁用?...
- Python Parser的用法
- 网络:以太网类型(EthernetType)整理
- html div布局位置横,div位置布局 CSS实现DIV居中对齐 div居右对齐 div居左对齐
- level2买股技巧_谈谈LEVEL2