| 【中文题名】 | 无线区域网与认知无线电中的信道估计技术研究 |
| 【英文题名】 | |
| 【学科专业】 | 通信与信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-8 |
| 【中关键词】 | 认知无线电,无线区域网,信道估计,贝叶斯方法,空时分组码, |
| 【英关键词】 | Cognitive Radio,Wireless Regional Area Network,Channel Estimation,Baiyesian Method,Space Time Block Code, |
| 【分类导航】 | 工业技术>无线电电子学、电信技术>无线通信>无线电中继通信、微波通信>> |
| 【论文摘要】 |
认知无线电技术可以有效缓解频谱分配与利用之间的矛盾,随着频谱资源日趋紧张,认知无线电技术成为无线通信领域新的研究热点。目前,认知无线电技术已经在IEEE 802.22无线区域网中得到应用,该系统利用认知无线电技术在电视频段中寻找空闲频谱进行通信,可与电视、无线麦克风等已有设备共存,提高了频谱资源的利用率。
信道估计技术是决定认知无线电能否实现的关键技术之一,因此本文的研究集中在两个方向:(1)为了获得基于OFDM的变换域通信系统(OFDM-TDCS)应用于无线区域网时在低信噪比时的良好性能,研究如何提高系统在低信噪比时的信道估计性能;(2)为了提高认知无线电系统中信道估计的准确性,同时节省频谱资源和发射功率,研究更加有效的贝叶斯半盲信道估计方法。
本文的主要内容根据两个研究方向分为如下两部分:
针对OFDM-TDCS在低信噪比时由于噪声的影响很难获得准确的信道估计问题,采用时域和离散傅里叶逆变换(IDFT)域级联降噪的方法降低导频信号的噪声来提高信道估计的准确性。时域利用无线区域网信道环境下信道系数变换缓慢的特点,提出了时间滑动平均、时间遗忘、时间平均与时间遗忘结合等几种降噪... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-15 |
|
第一章 绪论 |
15-25 |
|
1.1 研究背景和意义 |
15-19 |
|
1.1.1 认知无线电研究的背景和意义 |
15-17 |
|
1.1.2 认知无线电系统中信道估计研究的意义 |
17-18 |
|
1.1.3 无线区域网系统中的信道估计研究的意义 |
18-19 |
|
1.2 信道估计技术研究和发展现状 |
19-23 |
|
1.2.1 基于导频符号的信道估计 |
19 |
|
1.2.2 基于叠加序列的信道估计 |
19-20 |
|
1.2.3 盲信道估计 |
20-22 |
|
1.2.4 半盲信道估计 |
22 |
|
1.2.5 小结 |
22-23 |
|
1.3 本文主要工作与贡献 |
23-24 |
|
1.4 论文结构与内容安排 |
24-25 |
|
第二章 无线区域网系统的信道建模与仿真 |
25-34 |
|
2.1 IEEE 802.22 无线区域网络简介 |
25-26 |
|
2.2 WRAN 系统的信道模型 |
26-30 |
|
2.2.1 传播环境和传输类型 |
26 |
|
2.2.2 功率延迟分布 |
26-27 |
|
2.2.3 参考信道模型 |
27-30 |
|
2.3 WRAN 系统的信道模型的COSSAP 仿真设计 |
30-33 |
|
2.3.1 仿真模块的搭建与处理过程 |
30-31 |
|
2.3.2 WRAN 系统的信道仿真测试与分析 |
31-33 |
|
2.4 本章小结 |
33-34 |
|
第三章 基于OFDM 的TDCS 中的信道估计技术 |
34-45 |
|
3.1 OFDM 系统模型 |
34-35 |
|
3.2 基于OFDM 的TDCS 简介 |
35-36 |
|
3.3 OFDM 系统中基于导频符号的信道估计 |
36-39 |
|
3.3.1 导频图案的设计 |
36-38 |
|
3.3.2 接收机导频位置信道状态信息获取的方式 |
38 |
|
3.3.3 通过导频位置获取的信道信息如何较好的恢复出所有时刻信道的信息 |
38-39 |
|
3.4 基于降噪的信道估计 |
39-43 |
|
3.4.1 最小二乘估计 |
40 |
|
3.4.2 时域降噪方法 |
40-42 |
|
3.4.3 IDFT 变换域降噪 |
42-43 |
|
3.5 仿真结果与分析 |
43-44 |
|
3.6 本章小结 |
44-45 |
|
第四章 半盲信道估计技术 |
45-63 |
|
4.1 贝叶斯序贯状态估计 |
46-56 |
|
4.1.1 状态空间模型 |
46-47 |
|
4.1.2 卡尔曼滤波 |
47-48 |
|
4.1.3 序贯重要性抽样 |
48-55 |
|
4.1.4 混合卡尔曼滤波 |
55-56 |
|
4.2 信道预测模型 |
56-62 |
|
4.2.1 序贯更新先验信息的序贯可信度最大化 |
58-60 |
|
4.2.2 估计信道预测模型参数 |
60-62 |
|
4.3 本章小结 |
62-63 |
|
第五章 Alamouti 空时分组码系统的自适应卡尔曼信道估计 |
63-72 |
|
5.1 概述 |
63 |
|
5.2 系统模型 |
63-65 |
|
5.3 自适应卡尔曼信道估计 |
65-68 |
|
5.3.1 测量方程 |
65 |
|
5.3.2 改进测量方程后的卡尔曼信道估计复杂度分析 |
65-68 |
|
5.3.3 系统方程 |
68 |
|
5.4 估计信道预测模型参数 |
68-69 |
|
5.5 仿真结果与分析 |
69-71 |
|
5.6 本章小结 |
71-72 |
|
第六章 结束语 |
72-74 |
|
6.1 全文总结及主要贡献 |
72-73 |
|
6.2 下一步研究计划 |
73-74 |
|
致谢 |
74-75 |
|
参考文献 |
75-80 |
|
个人简历 |
80-81 |
|
攻读硕士学位期间的研究成果 |
81-82 |
|
| 【DOI】 | LunWen.ID:2.2008.354520 |
