把手，N。;普凡德，G.E。 OFDM信道的有效分析。 （英语） Zbl 1397.94029号 赫尔曼·罗林（编辑），OFDM。未来通信系统的概念。柏林：施普林格出版社（ISBN 978-3-642-17495-7/hbk；978-3-442-17496-4/电子书）。《信号与通信技术》，109-114（2011）。 关于整个系列，请参见[Zbl 1214.94004号]. MSC公司： 94甲14 信息与通信理论中的调制与解调 软件：彗星板;COLAMD公司;奎伦斯普林;图像处理工具箱;配套元件;ITE公司 PDF格式BibTeX公司 XML格式引用 \textit{N.Grip}和\textit{G.E.Pfander}，in：OFDM。未来通信系统的概念。柏林：斯普林格。109-114（2017；Zbl 1397.94029） 全文： 内政部 参考文献： [1] E.Bonek、H.Asplund、C.Brennan、C.Bergljung、P.Cullen、D.Didascalou、P.C.F.Eggers、J.Fernandes、C.Grangeat、R.Heddergott、P.Karlsson、R.Kattenbach、M.B.Knudsen、P.E.Mogensen、A.F.Molisch、B.Olsson、J.Pamp、G.F.Pedersen、I.Pederson、M.Steinbauer、M.Weckerle和T.Zwick，《天线与传播》，第3章，第77-306页，John Wiley&Sons，2001年。 [2] B.Delyon和A.Juditsky，“关于极大极小小波估计量”，应用。计算。哈蒙。分析。，3(3):215–228, 1996. ·Zbl 0865.62023号 [3] H.G.费希汀格兰德。Zimmermann，“Gaboranalysis测试功能的分析空间”，HansG。Feichtingerand ThomasStrohmer，GaborAnalysisandAlgorithms编辑，第3章，第123-170页。Birkhäuser，美国马萨诸塞州波士顿，1998.WWW:http://www.uni-hohenheim.de/～gzim/Publications/bsotffga.pdf·Zbl 0890.4208号 [4] N.Grip，《小波与Gabor框架与基础：近似、采样与应用》，博士论文2002:49，卢勒科技大学，SE-971 87卢勒，2002，WWW:http://pure.ltu.se/ws/fbsretrieve/1334581。 [5] N.Grip和G.Pfander，“有效分析时变窄带通信信道的离散模型”，Multidim。系统。签名流程。，2008年3月19日（1）:3–40。WWW：http://pure.ltu.se/ws/fbsretrieve/1329566。 ·Zbl 1167.94328号 [6] K.Gröchenig，《时频分析基础》，Birkhäuser出版社，2000年。 [7] G.Matz、D.Schafhuber、K.Gröchenig、M.Hartmann和F.Hlawatsch，“低干扰无线多载波系统的分析、优化和实现”，IEEE Trans。无线通信，6（5）：1921-19312007年5月。万维网：http://ibb.gsf.de/homepage/karlheinz.groechenig/prepints/matz_twc05.pdf。 [8] G.Matz和F.Hlawatsch，“基于广义展开理论的线性时变系统（线性算子）的时频传递函数演算（符号演算）”，J.Math。物理。，39（8）：4041–40701998年8月，（小波和时频分析专刊）·Zbl 0986.81059号 [9] G.E.Pfanderand博士。F.Walnut，“线性时变信道的测量”，IEEETrans。通知。理论，52（11）：4808–4820，2006年11月，WWW:5http://www.math.jacobs-university.de/pfander/pubs/timevariant.pdf。 ·兹比尔1323.94087 [10] G.E.Pfander和D.F.Walnut，“算子识别和Feichtinger代数”，Sampl。理论信号图像处理，5（2）：183-200，2006年5月，WWW:http://www.math.jacobs-university.de/pfander/pubs/operatoridentfei.pdf。 ·Zbl 1156.47305号 [11] S.Rickard，双扩展信道的时频和时标表示，博士论文，普林斯顿大学，2003年11月。万维网：http://spare.ucd.ie/publications/rickard03time-frequency.pdf。 [12] T.Strohmer，“移动通信中的伪差分算子和Banach代数”，应用。计算。哈蒙。分析。，20（2）：237-2492006年3月，万维网：http://www.math.ucdavis.edu/～strohmer/papers/2005/pseudodiff.pdf。4.2 MIMO-OFDM-无线传输链路的一般描述R.Amling，V.Kühn，University of Rostock，Germany 4.2.1简介随着越来越多的移动设备支持多个空中接口，有必要为所请求的服务选择最佳的无线接入系统。因此，需要几个质量参数来完成最佳接入网的自动选择。为了避免移动设备进行复杂的计算，通用模型被认为是有用的。该模型应允许根据通常不完美的信道估计和相关系统参数，尽可能可靠地预测错误率、数据率和延迟等重要参数。本项目的重点是分析结合正交频分复用（OFDM）的多输入多输出（MIMO）链路。信道编码、交织和其他系统参数均取自LTE规范。由于项目时间的前一半已经过去，本总结仅介绍编码单输入单输出（SISO）OFDM系统的结果。4.2.2系统模型dbax ENC∏MODOFDM发射机H dˆbмбay DEC∏−1DEMODOFDM−1n接收机信道图4.1:MIMO-OFDM链路的系统模型考虑图4.1所示的典型OFDM链路。二进制信息序列d{0，1}Nd×1使用以下三种前向纠错方案之一进行编码[1–3]。代码1：卷积码，约束长度Lc=3，码率Rc=1，生成器2G=[7；5]8代码2：卷积代码，约束长度Rc=9，码率R1，生成器2 G=[561；715]8码3：并行turbo码，约束长Lc=4，码率Rc=1，发生器3G=[13；15]8编码后，采用随机比特交织器。使用二进制反射灰度映射[4,5]，将编码和交织的二进制序列b{0,1}Nb×1映射到星座大小为M={4,16,64}的M-QAM符号a上。根据LTE规范[6]，OFDM符号可以由Nc=256个子载波和长度NG=20的保护间隔组成 [13] 3GPP，第三代合作伙伴项目，技术规范组无线接入网，复用和信道编码（FDD）（第9版），2009年12月，可用：http://www.3gpp.org/ftp/Specs/html-info/25212.htm。 [14] M.Bossert，Kanalcodierung，Teubner，1998年第2版。 [15] V.Kühn，《MIMO信道无线通信》，John Wiley&Sons，Ltd，2006年。 [16] C.Stierstorfer和R.F.H.Fischer，“位交织编码调制的（灰色）映射”，2007年4月。 [17] C.Stierstorfer，《基于比特级的编码多载波传输方法》，博士论文，德国埃朗根-纽伦堡大学，2009年8月。 [18] 3GPP，第三代合作伙伴项目，技术规范组无线接入网，演进通用地面无线接入（E-UTRA），物理信道和调制（第9版），2009年12月，可用：http://www.3gpp.org/ftp/Specs/html-info/36211.htm。 [19] K.-D.Kammeyer和H.Schmidt，“OFDM：旧思想解决新问题”，发表于2001年8月于奥地利林茨举行的理论电气工程国际研讨会（ISTET 01）。 [20] H.Zamiri-Jafarian、M.J.Omidi和S.Pasupathy，“使用ofdm系统的降噪改进信道估计”，第2卷，第1308-1312页，第2期，2003年4月。 [21] G.Caire、G.Taricco和E.Biglieri，“比特交织编码调制”，《IEEE信息理论汇刊》，44（3）：927–9461998年·Zbl 0912.94019号 [22] K.-D.Kammeyer，Nachrichtenübertragung，Teubner，第3版，2004年。 [23] C.Stierstorfer和R.F.H.Fischer，“位交织编码调制的自适应交织”，2008年1月。4.3使用广播技术的资源分配M.Bossert、C.Huppert、J.G.Klotz，德国乌尔姆大学4.3.1动机在下文中，我们考虑多用户通信系统的下行链路。对于此类系统中的传输，必须将可用资源（例如带宽和功率）分配给单个用户。这通常通过正交接入技术（例如，OFDMA）来实现，如在上行链路信道中。然而，下行链路信道等效于信息论广播信道，因为只有一个发送器向几个接收器发送消息。与只能建模为多址信道的上行链路信道相比，在下行链路信道中传输消息具有完美的同步和协调。所以，使用广播技术作为多址技术在可实现的速率方面是优越的。1972年，Cover在[18]首次展示了这一点。他研究了退化广播信道中的可实现速率区域，并表明通过叠加技术可以达到该区域的所有点。4.3.2资源分配算法在多用户OFDM系统中，可用子载波和发射功率必须以满足特定服务要求的方式分配给各个用户。基于广播技术相对于正交接入技术的信息论优势，我们考虑了不同需求的资源分配方案，并考虑了以下广播增益。此外，我们不仅考虑了配备单天线（SISO）的节点，还考虑了多天线系统（MIMO）。对于所有考虑的场景，最优资源分配方案都是已知的，但与正交方法相比，确定其解决方案更复杂，并且需要更大的信令开销来通知用户已确定的分配。因此，我们提出了在只需要合理复杂性的情况下实现接近最佳性能的策略。这些策略基于以下一种或多种技术：•限制每个运营商最多两个用户，以保持低开销。•引入新的指标来预测广播技术引起的干扰（例如特征值更新）结合正交接入和广播技术的混合分配策略的使用。下面简要介绍了一些提出的算法，并给出了一些仿真结果。和速率最大化首先，我们考虑这样一种情况，即在传输功率约束下，由所有可实现用户速率之和定义的总系统吞吐量最大化。所提出的算法使用特征分层和脏纸编码，参见[13]。估计用户间干扰，更新受影响光束的特征值（所谓）。然后，通过对自适应特征值进行注水来检索最佳功率分配，参见[19，20]。在图4.5中，将算法的结果与最优解进行了比较。可以看出，启发式算法的求和率高达99 [24] C.Huppert和M.Bossert，“广播频道的延迟限制容量”，第11届欧洲无线会议，第829-834页，塞浦路斯尼科西亚，2005年4月。 [25] M.Bossert，“OFDM和广播频道的编码调制-邀请”，第五届多载波扩频国际研讨会，德国Oberpfa ffe enhofen，2005年9月。 [26] C.Huppert和M.Bossert，“下行传输和广播频道邀请”，德国柏林RadioTecC，2005年10月。 [27] M.Bossert，“OFDM-ue-bertragung und der Broadcast-Kanal-invited”，《Offef entliche Diskussionsitzung》“Beyond 3G-Zukünftige Entwicklung mobiler Funksysteme”，德国乌尔姆ITG，2005年11月。 [28] Carolin Huppert和Boris Stender，“OFDM中以最低速率进行混合调度和广播”，第12届欧洲无线会议，希腊雅典，2006年4月。 [29] Boris Stender和Carolin Huppert，“并行高斯广播信道的功率分配约束”，第12届欧洲无线会议，希腊雅典，2006年4月。 [30] Carolin Huppert和Martin Bossert，“OFDM信道低复杂度广播算法的性能评估”，第11届国际OFDM研讨会，德国汉堡，2006年8月。 [31] Carolin Huppert、Boris Stender和Axel Hof，“允许用户编码的OFDM广播信道的资源分配”，第三届无线通信系统国际研讨会，西班牙巴伦西亚，2006年9月。 [32] Boris Stender、Carolin Huppert和Gerd Richter，“快速广播”，第三届无线通信系统国际研讨会，西班牙巴伦西亚，2006年9月。 [33] Carolin Huppert和Martin Bossert，“关于具有有限输入字母的双用户AWGN广播频道的可实现速率”，IEEE信息理论国际研讨会，法国尼斯，2007年6月。 [34] C.Huppert和M.Bossert，“最大化OFDM广播信道中服务用户数量的启发式方法”，第12届国际OFDM研讨会，德国汉堡，2007年8月。 [35] C.Huppert和B.Stender，“OFDM广播频道的最低速率资源分配”，《欧洲电信交易》，第18期，第6:563–5722007年10月。 [36] J.Klotz、C.Huppert和M.Bossert，“使用特征值更新的MIMO-OFDM系统中用于和速率优化的启发式资源分配”，在IEEE无线通信系统国际研讨会（ISWCS）上，2008年10月，冰岛雷克雅未克。 [37] J.Klotz、F.Knabe和C.Huppert，“MIMO-OFDM系统中最小速率调度的资源分配算法”，第七届多载波系统与解决方案国际研讨会（MC-SS 2009），德国赫尔兴，2009年5月。 [38] C.Huppert、F.Knabe和J.Klotz，“OFDM-MIMO广播系统中最低速率要求的用户分配”，IET电子快报，第45期，第12:621–623号，2009年6月。 [39] J.G.Klotz、F.Knabe和C.Huppert，“MIMO-OFDM系统中最小速率调度的资源分配算法”，《欧洲电信交易》，第21期，第5:449–4572010年8月。 [40] C.Huppert和J.Klotz，“在标量和MIMO广播系统中应用TomlinsonHarashima编码所需的发射功率”，IEEE通信事务，2010年。已接受发布。其他参考文献： [41] T.M.Cover，“广播频道”，IEEE信息理论汇刊，IT-18（1）：2-141972年1月·兹比尔0228.94008 [42] T.Michel和G.Wunder，“MIMO-OFDM广播信道的最优和低复杂度次优传输方案”，IEEE国际通信会议，韩国首尔，2005年5月。 [43] R.Böhnke、V.Kühn和K.-D.Kammeyer，“MIMO-OFDM系统下行链路的快速和速率最大化”，加拿大信息理论研讨会，加拿大蒙特利尔，2005年6月。 [44] T.Michel和G.Wunder，“OFDM广播频道的最低速率调度”，摘自2006年5月在法国图卢兹举行的IEEE声学、语音和信号处理国际会议，第4卷，第41–44页。 [45] G.Wunder和T.Michel，“并行高斯广播信道的最佳资源分配：最小速率约束和和功率最小化”，《IEEE信息理论汇刊》，53（12）：4817–48222007年12月·Zbl 1325.94024号 [46] G.Wunder和T.Michel，“MIMO-OFDM广播信道的最小速率调度”，第九届IEEE扩频技术和应用国际研讨会，巴西马瑙斯，2006年8月。 [47] D.N.C.Tse，“并行高斯广播信道上的最佳功率分配”，IEEE信息理论国际研讨会，德国乌尔姆，1997年6月。4.4采用MMSE Turbo均衡的2用户多址信道的速率分配M.Grossmann，R.Thomä，Ilmenau Technology，Germany 4.4.1简介最近，迭代（Turbo）技术被公认为编码通信系统中多用户检测/均衡问题的实用解决方案。在[1]中，考虑将最优后验概率（APP）均衡器与基于APP的解码器相结合，用于频率选择性衰落信道中的turbo均衡。在[2]中，APP检测器被一个计算复杂度较低的检测器取代，该检测器执行软抵消和最小均方误差（SC MMSE）滤波。[3]中用于多址信道（MAC）上块传输的turbo均衡技术执行频域（FD）中的等效信号处理，进一步降低了计算复杂度。turbo系统的收敛性可以通过外部信息传输（EXIT）图进行分析[4]。Ashikhmin等人[5]表明，对于任何速率为R的代码，其相应EXIT函数下的面积为1−R。根据EXIT图的面积特性，如[6]-[8]所示，单用户或等速多用户turbo情况下的速率分配问题，简化为检测器和解码器的二维（2D）EXIT曲线的简单曲线拟合问题。在本文中，我们考虑了采用低复杂度SC FD-MMSE turbo均衡器[3]的频率选择性衰落情况下2用户MAC的速率分配问题。特别地，我们表明，对于这样的turbo系统，均衡器EXIT特性由多维曲面给出，因此，用户的速率分配不再是EXIT曲线的简单二维匹配。此外，我们推导了turbo系统速率区域的上界，并研究了两个用户的和速率最大化问题。4.4.2 Turbo均衡考虑图4.9中循环前缀（CP）辅助的U用户上行链路系统，其中具有M个接收天线的基站从U个活动用户接收信号，每个用户都配备K个发射天线。为了便于分析，我们假设以下U=M=2和K=1。然而，扩展到更一般的情况（U>2、M>2、K>1）是相当简单的。第u个用户（u=1，2）的传输方案基于比特交织编码调制，其中信息比特序列由二进制编码器独立编码，随机比特交织，二进制相移键控（BPSK）调制，和分组为几个块，这些块在频率选择性多址MIMO衰落信道上传输。在接收机端，对联合均衡和解码进行迭代处理。接收机由一个SC FD-MMSE均衡器和两个单用户APP解码器组成。在迭代处理中，编码比特序列{bu（n）}的外部LLR序列{λu（n）和{ζu（n）}在ˆb1（n）b1（n）λ1（n反馈链路图4.9：带turbo均衡的编码多用户MIMO系统的结构。均衡器和两个解码器，各自在迭代循环中由交织器和解交织器分离，遵循turbo原理[2]。接收方还从可用的代码集中为每个用户选择要用于给定频道实现的代码，其中用户通过单独的反馈链接被通知所选的代码。我们假设零延迟和无错误反馈链接。4.4.3使用EXIT图进行速率分配在双用户情况下，均衡器的收敛特性由两个EXIT函数[3]定义，fe:Id→ fe≡fe，1（Id），fe，2（Id）∈[0，1]2，取决于互信息（MI）Id≡（Id，1，Id，2）∈[0，1]2Id，u是传输比特bu（n）和LLRζu（n）之间的MI。类似地，两个解码器的收敛特性由两个EXIT函数3 fd，k:Id，k定义→ fd，k（Id，k）∈[0,1]。均衡器EXIT矢量函数f和解码器EXIT函数fd，1的示例如图4.10（a）所示。还显示了迭代过程中MI交换的可能解码轨迹（绘制为平面区域U≡{Id:Id∈[0，1]2}上的投影），以及区域D，它被称为EXIT函数fe，fd，1和fd，2的可行区域。请注意，fd，2（未显示）是在Id，2坐标中绘制的。对于解码轨迹的计算，在这种情况下，假设两个用户的代码相同，因此他们的EXIT函数的形状完全相同。EXIT函数的单调性意味着解码轨迹单调收敛到唯一的极限点[9]。当解码轨迹达到最大点a2≠（1，1）时，实现了turbo均衡的收敛。如果以下两个约束成立：D是路径连通的，a2∈D。设AD≡DdId为D的面积，则对于turbo迭代次数足够大是可能的。假设现在每个解码器EXIT函数fd，kis都与相应的均衡器EXIT函数fe，kso相匹配，则四个EXIT曲面之间只剩下一个极小的开口管。请注意，此类解码器EXIT功能意味着1）为每个具有有限块长度的用户设计一个理想的代码，以实现几乎为零的误码率；2）有限个数为3。请注意，这里表示为解码器EXIT函数的f d，k对应于[4]中定义的反向解码器EXIT特性。fe，20.95 0.8fe，1 V1，20.9 0.6=1，kc]Ike，fd，1[bp0.85解码R2 0.2 a轨迹0.8V2 a11Da3Rmax=1.62 bpc 0.80.60.2000.2 0.40.750.60.650.70.750.80.85 Id，2a0Id，1R1[bpc]（a）（b）图4.10:（a）均衡器EXIT函数fe，1和fe，2用于具有L=10抽头和解码器EXIT功能fd的单个随机瑞利信道实现，1表示速率为1/2的卷积码。（b） 通过生成大量不同的允许收敛曲线（一个灰点对应于一条曲线），对单随机信道实现的2用户MAC（带有SC FD-MMSE turbo均衡）的速率区域进行数值计算，Es/N0=5 dB。turbo迭代。在这种假设下，面积AD的大小接近于零，可行区域D可以用一条曲线来表示，这条曲线称为收敛曲线。设P为平面区域U中的容许收敛曲线集，如[10]所定义。利用EXIT函数[5]的面积特性，我们直接导出了两个用户的速率区域的上界，如R≡（R1，R2）：Rk<fe，l（Id）dId，k，k=1，2，2已经使用[3]中的算法计算了随机信道实现。注意，（4.10）中的速率区域通常是非凸的，其中该区域的主要面强烈依赖于均衡器EXIT向量函数fe的特定实现。使用（4.10）中的速率边界，最大化两个用户的和速率的问题可以公式化为Rmax lect maxp∈P 2k=1 pfe，k（Id）dId，k。具体地，我们在[10]中表明，使用欧拉-拉格朗日形式[11]可以有效地解决这个优化问题。结果，得到了两个用户相对于turbo系统最大和速率的最优解码器EXIT曲线。然而，由于实际原因，每个发射机仅限于具有固定速率的有限数量的代码。对于这种场景假设，我们在[10]中提出了一种简单的码率分配代码选择算法，该算法在满足成功解码的约束条件的情况下，根据（4.10）获得的最佳解码器EXIT曲线，最大化每个用户的编码率。图4.11显示了在L=32抽头的频率选择性瑞利衰落信道中，采用所提出的代码选择方法的2用户turbo系统的平均总吞吐量。我们假设块间干扰的有效长CP可以忽略不计。2用户系统的二进制输入和容量如参考所示。图中还显示了两个用户的固定编码率的自动重复请求方案的平均总吞吐量性能。为了清楚起见，所示的速率不包括CP产生的分数速率损失。如图4.11所示，在固定速率的情况下，使用建议的代码选择算法可以获得显著的吞吐量增益。此外，我们发现吞吐量性能与理论极限仅相差2 dB（在高Es/N0区域）。2提出的方法1.8BPSK容量1.6 1.4 1.2 1 0.8 0.6 0.4平均吞吐量[bpc]0.2 0−6−4−2024681012 Es/N0[dB]图4.11：使用[12]中的速率兼容屏蔽串行级联卷积码的拟议速率分配方案，两个用户的平均总吞吐量与Es/N0，对于具有固定编码率的自动重复请求，r1/2=0.1·n，n=1。。，9（虚线曲线，从下到上）。4.4.4总结在本文中，我们考虑了采用低复杂度MMSE turbo均衡器的频率选择性2用户高斯多址衰落信道中的速率分配问题。我们推导了turbo系统速率区域的上界，并研究了两个用户的和速率最大化问题。此外，给出了一种简单的码率分配算法的数值结果。参考文献 [48] C.Douillard等人，“符号间干扰的迭代校正：Turbo均衡”，欧洲Trans。电信。，第6卷，第5期，第507-511页，1995年9月。 [49] X.Wang和H.V.Poor，“编码CDMA的迭代（turbo）软干扰消除和解码”，IEEE Trans。社区。，第47卷，第7期，第10461061页，1999年7月。 [50] K.Kansanen和T.Matsumoto，“MMSE MIMO涡轮均衡器EXIT图计算的分析方法”，IEEE Trans。无线通信。，第6卷，第1期，第59-63页，2007年1月。 [51] S.ten Brink，“迭代解码并行级联码的收敛行为”，IEEE Trans。社区。，第49卷，第10期，第1727-1737页，2001年10月·Zbl 1013.94546号 [52] A.Ashikhmin、G.Kramer和S.ten Brink，“外部信息传输函数：模型和擦除通道属性”，IEEE Trans。通知。《理论》，第50卷，第11期，第2657-2673页，2004年11月·Zbl 1247.94065号 [53] S.ten Brink、G.Kramer和A.Ashikhmin，“调制和检测用低密度校验码的设计”，IEEE Trans。社区。，第52卷，第4期，第670-678页，2004年4月。 [54] A.Sanderovich、M.Peleg和S.Shamai（Shiz），“LDPC编码MIMO多址迭代联合解码”，IEEE Trans。通知。《理论》，第51卷，第4期，第1437-1450页，2005年4月·Zbl 1309.94115号 [55] A.Roumy和D.Declercq，“2用户高斯多接入信道的LDPC码的特征和优化”，《欧洲无线通信协会杂志》。和Netw。，2007年第7卷，文章编号74890，10页，2007年·Zbl 1275.94023号 [56] F.Brännström、L.K.Rasmussen和A.J.Grant，“多级联码的收敛分析和优化调度”，IEEE Trans。通知。《理论》，第51卷，第9期，第3354-3364页，2005年9月·Zbl 1283.94141号 [57] M.Grossmann，T.Ortlepp，T.Matsumoto，“MMSE Turbo Equalization的2用户MAC速率分配”，IEEE Trans。无线通信。，第5卷，第1033-1043页，2010年3月。 [58] J.Jost和X.Li-Jost，“变分法”，《剑桥高等数学研究》，第64卷，剑桥大学出版社，剑桥，1998年·Zbl 0913.49001号 [59] M.Tüchler，“根据块长度设计串行级联系统”，IEEE Trans。社区。，第52卷，第2期，第209-218页，2004年2月。4.5系统共存F.K.Jondral，U.Berthold4，Karlsruhe Institute of Technology（KIT），Germany M.Schnell，S.Brandes，DLR，German采用固定带宽的无线电通信系统的频谱使用效率是以特定区域内每秒和每赫兹传输的平均比特数来衡量的。为了简单起见，我们将在这里使用频谱效率的概念，而不是频谱使用效率。最近完成的测量活动的结果指出，即使在占用率很高的频段中，通常也不会有效地使用超过百分之五的频谱资源。这导致了一个合理的假设，即对传输资源的动态访问将至少有助于减少频谱稀缺。TakeOFDM内的TAKOKO5项目处理的是二级用户覆盖系统分配给授权用户主系统（即时频规划中的所谓频谱空洞）的频带中剩余空闲资源的利用。研究了一种共存策略，该策略明确利用了正交频分复用（OFDM）方法在频谱利用方面的灵活性。即，安装基于OFDM的覆盖系统，以提高分配给授权主用户系统的频域内的频谱效率。作为我们调查的起点，我们确定了能够被覆盖系统额外使用的频率区域和主要用户系统。这些基本上是通过FDMA（频分多址）或TDMA（时分多址）使用资源的系统。表4.2概述了所采用的场景。表4.2：场景1场景2场景3频率区域高频频带960-1215 MHz1800 MHz主系统飞机无线电距离测量GSM设备（DME）覆盖系统用于机场灵活移动通信的WLAN城域网（MAN）特殊方面干扰支持频谱检测利用检测孔，抑制干扰孔在时频平面上可靠检测空闲资源，即通过叠加系统检测主要用户信号，以及覆盖系统内结果的信号化对于主要用户接受覆盖系统至关重要。4年-Ing.Ulrich Bertold现在是卡尔斯鲁厄COMSOFT GmbH的员工。5TAKOKO是OFDM系统的技术、算法和概念的首字母缩写，该系统与授权系统在同一频带许可系统频谱空闲时间内共存图4.12：频谱空闲表示的空闲资源覆盖对主系统的影响必须保持最小。因此，推导了覆盖系统检测主用户信号的检测概率和虚警概率。在工作过程中，很明显，只有应用分布在覆盖系统站点上的检测算法才能保证足够高的检测概率，同时导致可容忍的虚警率。此外，为了最佳地利用频谱空洞，在覆盖系统中有效地发送信号，以确保主系统的频谱利用率非常重要。当然，在覆盖系统中使用OFDM也会带来一些缺点。这些缺点包括强杂散传输，其可能导致主系统中的干扰。为了减少它们，除了众所周知的方法外，如时域中发射信号的加窗或引入保护带、子载波加权、抵消载波的应用以及加窗和抵消载波的组合，在TAKOKO中进行了研究。例如，在场景1中，已经表明，该组合的应用可以将次波瓣中包含的能级降低到比OFDM信号能级低50dB的值。将新的干扰抑制技术集成到自适应OFDM发射机的仿真模型中。在叠加系统用户的接收器侧，所需信号被主系统产生的干扰叠加。虽然覆盖系统通常不使用主系统用户占用的信道，但覆盖系统的性能受这些干扰的影响。在这方面，针对场景1研究了有关窄带干扰源的干扰抑制方法。这里应用了接收信号的时域加窗和干扰信号的频域估计。结合时域加窗和频域泄漏补偿，获得了高质量的结果。干扰最小化技术被集成到覆盖系统的接收机中。为了便于动态适应不同的干扰情况，必须通过引入观测载波来修改OFDM帧结构，以便根据实际频谱占用情况调整其位置。TAKOKO项目的另一个重要方面是调查MAC（介质访问控制）层的要求以及适当MAC协议的规范。这里的基本假设是，覆盖系统作为一个自组织网络运行，即没有中央协调。因此，所有单个站点都是平等的，MAC协议必须包含系统的分布式特性。为了能够启动数据传输，电台基本上需要a）关于主系统频率占用的知识（覆盖特性）和b）关于其环境中可能建立连接的电台的信息（特殊特性）。为了确定主系统的频率占用，定期进行测量。覆盖系统站点的测量周期必须进行协调，因为覆盖系统的任何站点都不应辐射信号，从而确保可靠检测主系统信号。正是这种协调由TAKOKO项目中开发的AHO-MAC（临时覆盖MAC）协议承担。与PRMA（数据包预约多路访问）类似，提供了与确认小时隙一样多的数据传输时隙。此外，还定义了占用率测量和叠加站相互同步的特殊时隙。以占用向量的形式表示主系统的频率利用率在覆盖系统中起着重要作用，并影响物理层和MAC层。因此，选择了一种跨层优化方法。这里保留了分层模型，但通过定义更详细和更具体的参数，层之间的界面得到了扩展。总之，TAKOKO开发了有前途的方法，这表明原则上可以实现基于OFDM的覆盖系统。尽管考虑了TAKOKO方法的最佳现实覆盖场景（表4.2），但在实际实施基于OFDM的覆盖系统之前，必须进行进一步的调查。由于给定的时间和工作限制以及超出项目目标，这些调查无法在项目内完成。此外，基于OFDM的覆盖系统的实际实施需要在政治和监管领域做出基本决策，以确定原则框架。TAKOKO项目中获得的科学成果基本上总结在博士论文[1]和[2]中。参考文献 [60] U.Berthold，《使用基于OFDM的覆盖系统的动态频谱接入》，论文，德国卡尔斯鲁厄大学（TH）Forschungsberichite aus dem Institute für Nachrichtentechnik der Universityät Karlsruhe，Band 21，卡尔斯鲁埃，2009年。 [61] S.Brandes公司。基于OFDM的覆盖系统中相互干扰的抑制，论文，德国卡尔斯鲁厄大学（TH）第22波段Nachrichtentechnik研究所，卡尔斯鲁赫，2009年。6两篇论文均可从www.cel.kit.edu 4.6《时变信道系统设计》下载。P.Klenner、S.Vogeler、K.-D.Kammeyer、不来梅大学、德国L.Reichardt、S.Knörzer、J.Maurer、W.Wiesbeck、卡尔斯鲁厄大学，德国以下两个小节概述了不来梅大学的Arbeitsbereich Nachrichtentechnik（ANT）与卡尔斯鲁厄大学的Ferror Hochfrequenztechnik und Elektronik（IHE）研究所之间的合作。这两个合作伙伴都参与了DFG项目“TakeOFDM”中的两个项目。项目标题与以下章节的名称一致。第4.6.1节重点介绍了快速衰落信道中的SIMO（单输入-多输出）-OFDM和第4.6.2节MIMO（多输入-多输入）-OFDMA，这两种方法通过光线光学方法进行建模，以包括真实的传播效果。4.6.1用于快速移动接收器的多载波系统在本节中，考虑使用多载波系统，尤其是OFDM来进行高速无线数据传输，以及用于安装在高速列车、汽车或飞机上的快速移动接收器。在高移动性的同时实现高数据速率对任何通信系统来说都是一项艰巨的任务。如果高数据速率的宽带信令导致采样持续时间小于信道的最大回波持续时间，那么OFDM可以简化产生的均衡效果。但是，在时不变信道的情况下，即，如果信道在一个OFDM符号期间保持不变，则频率选择性信道仅被分离成正交并行子载波。然而，高移动性环境的特点是具有时不变信道，这会导致子载波正交性的损失。出现载波间干扰（ICI），相当于时域中的符号间干扰。在最简单的情况下，ICI可以建模为除热噪声外的噪声源。忽略它会导致可实现的比特错误率降低。更引人注目的是，如果信道变化如此之快，则违反采样定理会妨碍可靠的信道估计。这种情况不一定由于极端速度而发生，但也由于导频符号间距较大。此处进行的观测是指单频网络中的高速列车系统。第2.2.2节中描述的信道模型适用于不同频率，并可转移到其他类型的手机。同样，这些考虑也适用于其他类型快速移动接收机的多普勒效应。对于实际信道条件下的广泛调查，该项目基于通过射线追踪方法建模传播条件，通过该方法计算一系列信道脉冲响应。随后，将讨论三种主要策略，以解决传输信道的高时间选择性和频率选择性之间的冲突：应用预均衡器来缩短信道脉冲响应，对非正交多载波系统使用软脉冲整形，和多天线概念来减少多普勒扩展。在项目期间，考虑到射线追踪模拟确定的信道主要特征，确定了OFDM系统的参数。通过蒙特卡罗模拟确定了系统的性能极限。对系统参数进行了尺寸标注，使得干扰引起的时间带宽冲突完全集中在频域，同时避免了时域符号间干扰。因此，可以在接收器中的DFT之后执行对抗多普勒效应的程序。通过以信道矩阵的形式合并多径和多普勒扩展的影响，可以根据MMSE准则对这两种影响进行线性均衡。然而，该程序的缺点是计算量相对较高，而信号字母表的知识没有得到利用。因此，实现了两种著名的低复均衡算法：连续线性MMSE均衡器和具有判决反馈结构的连续均衡器，并根据场景的要求进行了修改。然而，这两种方法都没有提供令人满意的仿真结果，这在决策反馈方法中是由于检测序列次优造成的。这需要在VBLAST中使用排序QR分解（SQRD）来改进检测序列。这导致了最佳的检测性能，但代价是计算量相对较高。通过对子矩阵中的信道矩阵进行逐步分解，可以显著降低效率，从而在高性能均衡和低复杂度均衡之间取得平衡。这一连续的SQRD详见[11，12]。作为替代多载波概念研究的一部分，OFDM的子载波频谱被软非正交脉冲形状（即时限高斯脉冲）取代。在频域中，这导致干扰功率集中在信道矩阵主对角线附近。这反过来又对上述均衡方法的性能产生积极影响，尤其是对于低复杂度变量，如连续SQRD。软脉冲整形还允许以合理的力度进行最大似然检测，因为干扰功率的集中允许使用状态数较少的时变Tailbiting-MaxLogMAP算法。该程序在传输系统的复杂性和性能之间实现了最佳折衷[13]。缩短信道脉冲响应可能会缩短OFDM符号，这在快速变化的环境中非常有用。研究了许多著名的计算均衡器系数的非盲和盲算法在这些场景中的适用性。结果表明，这些方法要么产生病态的频率响应，要么在盲方法的情况下收敛速度不够快。多天线概念打开了空间域以获得多普勒扩展补偿。扇形天线利用冲击波的入射角与其产生的多普勒频移之间的关系。与无任何入射角限制的全向天线相比，扇形天线通过限制入射角的范围，同时降低了有效的多普勒扩展。一种实际实现是通过均匀线性阵列（ULA）进行波束形成，波束的形成使得多普勒扩展在所有波束中均匀分布[2]。此外，ULA可用于称为空间插值的方法，其中单个天线元件的信号通过时变插值器进行滤波，从而使滤波器输出类似于时不变信道的输出[3]。声屏障和植被这两种情况被视为典型的高速线路。无线信道具有非常不同的属性，因此，这些场景用作参考。详细信息见[6，8，9]。为了模拟波的传播，采用了三维射线传播模型。它为每个多径提供特征参数，从中提取信道脉冲响应序列和信道特性。波传播模型考虑了反射、散射和散射的传播现象。植被分布建模方法见2.2.2。图4.13显示了在快速衰落信道中具有接收分集的SIMO-OFDM系统的误码率性能（一个发射天线和两个或四个接收天线，Nt=1，Nr=2,4）。对于全向接收，使用宽间隔天线，每个天线产生完全不相关的信道。如果没有任何多普勒补偿手段，这将导致性能最差。基于天线间距为d/λ的ULA对天线进行分段和空间插值可以获得更好的性能。扇形化是通过在运动方向上和运动方向上形成两个梁来实现的。空间插值是通过计算两个几乎不移动的天线来实现的，这两个天线将信道固定在各自接收到的OFDM信号的中间。所得虚拟天线上的接收信号相互关联。通过白化匹配滤波器（WMF）将这种相关性考虑在内，可以提高匹配滤波器（MF）的性能。4.6.2真实传播场景中的高移动MIMO-OFDM传输接收机处的多普勒扩频补偿天线结构提供了一种有效的方法来解决时域中信道的时间方差问题。现在的重点是第4.6.1节中讨论的双天线配置，其功能最终是在DFT之前影响衰落速度较慢的信道。与之前使用单个发射天线的讨论不同，在下文中，焦点转移到发射机侧。MIMO原理基于两大支柱：空间传输分集由空时码提供，空间复用允许通过传输独立的数据流来提高数据速率。这些技术的发展是由时不变信道的假设决定的，大多数方法甚至都要求这样。下文描述了MIMO信令和多普勒扩频补偿措施的互利性。如果多普勒扩展很小，那么时间分集的损失可以通过空间分集来弥补，如果多普勒扩展很大，那么多普勒补偿天线可以影响较小的时不变信道，从而使MIMO信号处理保持其有效性[1,4]。与多个发射天线相结合的快速信道衰落形成了a）Nt=1，Nr=2b）Nt=1，Nr=4 100100 10−110−1 R10−2R10−）2 BEBE omni，MFomni，NF-sec，MFsec，MF 10−3sec，WMF10−3sec，WMF SI，MFSI，MF-SI，WMFSI，WMF 10−410−4 0510 15 20 25 30 35 400510 15 20 25 35 40 Eb/N0in dBEb/N0in-dB图4.13:SIMO-OFDM在单发射天线和不同接收机配置下的误码率性能：具有宽间距天线的全向天线、扇区化天线和基于ULA的空间插值，参数：256子载波、16QAM、，exp.功率延迟系数，天线间距d/λ=0.25，多普勒扩展fDTs=0.2，升余弦滤波器（r=0.18），迫零信道est。带宽效率降低的可能缺点是需要频繁的训练。然而，由于多普勒补偿措施迫使信道衰落速度变慢，时间方向上的导频间隔可能会变大。类似地，非相干ST码可以从在信令间隔期间变化不大的信道中获益。在项目过程中，研究了如何将多普勒补偿和使用多个接收天线分离数据流的功能结合起来。一种可能性是使用多个空间分离的天线阵列，每个阵列用于多普勒补偿，然后恢复传输的数据流。参数估计是另一个重要问题。特别是，需要估计信道的自相关函数，因为接收机需要它来执行空间插值。贝塞尔函数作为自相关的理想假设仅适用于各向同性散射环境。其他散射条件和相互天线耦合导致不同的相关性。已经研究过的实际信道会导致信噪比损失。可以基于循环OFDM信号结构确定ACF的估计值，而无需花费额外的训练数据[5]。此外，还考虑了以最小化天线互耦为目标的天线结构优化。如果用于扇区化或空间插值的各个天线解耦，用于基带数据处理的算法将产生更好的性能。在实际系统中违反了这一条件，因为各个天线元件的位置非常接近，因此不可避免地会发生天线的串扰。研究了互耦的影响及其最小化和补偿，以便维持基带处理的理想假设。考虑将实际渠道模型作为这些方法的基准，代表了该项目的进一步重点。考虑了两种情况，高速列车和车对车环境。在前者中，传播条件由主要入射方向（由沿着铁轨的基站）主导，而在后者中，原则上，所有入射方向都是可能的。关于汽车到汽车的场景，另一个挑战是确定多普勒补偿天线结构，这些天线结构不会受到汽车结构的影响。图4.14显示了采用图4.13中已知的接收机配置的（2×2）-MIMO OFDM系统的误码率性能。图4.14a中，发射分集由Alamouti时空码提供，而图4.14b中采用了V-BLAST，即，独立的数据流从两个发射天线传输。为了进行公平比较，使用了相同的数据速率，即Alamouti方案使用16QAM，V-BLAST使用QPSK。将图4.14a中的双发送分集方案与图4.13a中的单发送分集情况进行比较，结果表明，除了空间插值外，双发送分分集所带来的增益很小。这可以归因于需要确定两倍多的信道参数的信道估计。另一方面，在采用多普勒补偿天线结构时，VBLAST的增益更令人印象深刻。a） Nt=2，Nr=2，Alamoutib）Nt=2，Nr=2，VBLAST 100100 10−110−1 BEomni，ZFRBE10−2 omni，ZFomni，MLomni，ML 10−3sec，ZFsec，ML10−3sec，ZFsec，ML SI，ZFSI，ZFSI，MLSI，ML 10−410−4 0510 15 20 25 30 35 400510 15 20 25 30 35 40 Eb/N0in dBEb/N0in dB图4.14：（2×2）的误码率性能-OFDM和差分接收机配置：具有宽间距天线的全向天线，扇区化天线和基于ULA的空间插值，参数：256个子载波，16QAM（a）和QPSK（b），扩展PDP，d/λ=0.25，fDTs=0.2，RC滤波器（r=0.18），ZF信道估计。参考文献 [62] K.-D.Kammeyer和P.Klenner，“严重多普勒扩频情况下空间插值的空时编码OFDM传输”，第三届通信、控制和信号处理国际研讨会（ISCCSP 08），马耳他圣朱利安，2008年3月。 [63] P.Klenner和K.-D.Kammeyer，“分段天线接收对OFDM传输的多普勒补偿”，第六届多载波扩频国际研讨会（MCSS 07），德国赫尔兴，2007年5月。 [64] P.Klenner和K.-D.Kammeyer，“带快速衰落信道信道估计的空间插值OFDM”，2007年4月于爱尔兰都柏林举行的IEEE 2007年车辆技术会议（VTC2007-Spring）。 [65] P.Klenner和K.-D.Kammeyer，“分段天线接收的空时编码OFDM性能”，国际ITG/IEEE智能天线研讨会（WSA 08），德国达姆施塔特，2008年2月。 [66] P.Klenner和K.-D.Kammeyer，“OFDM的时间自相关估计及其在空间插值中的应用”，载于《信号、系统和计算机的Asilomar Conf.》，加利福尼亚州蒙特雷，2008年10月。 [67] S.Knörzer，Funkkanalomodellierung für OFDM-Kommunikationssysteme bei Hochgeschwindigkeitszügen，博士论文，德国卡尔斯鲁厄大学，2009年。 [68] S.Knörzer、J.Maurer、T.Fügen和W.Wiesbeck，“运动车辆之间通信的波传播建模”，美国博尔德国家无线电科学会议，2005年1月。 [69] S.Knörzer、J.Maurer、S.Vogeler、K.-D.Kammeyer和W.Wiesbeck，“高速列车OFDM系统的信道建模和特性”，载于COST 273 TD（05）086，比利时鲁汶，2005年6月。 [70] S.Knörzer、J.Maurer、S.Vogeler、K.-D.Kammeyer和W.Wiesbeck，《支持高数据速率的高速列车ofdm通信链路的信道建模》。ITS电信第五届国际会议。2005年，第333–336页，法国布雷斯特，2005年6月。最佳学生论文奖。 [71] J.Maurer、S.Knörzer和W.Wiesbeck，《移动到移动链接的丰富分散环境中的光线追踪》。2005年9月在意大利举行的高级应用电磁学国际会议上发表。 [72] S.Vogeler，Verfahren zur Kompeteration von Doppler-Ein fluussen in Mehrträgerübertragungssystemen，博士论文，德国不来梅大学，2006年。 [73] S.Vogeler、L.Brötje、P.Klenner、V.Kühn和K.-D.Kammeyer，“甚高速OFDM传输的载波间干扰抑制”，第九届国际OFDM-Workshop（InOWo 2004），德国德累斯顿，2004年9月。 [74] S.Vogeler、P.Klenner和K.-D.Kammeyer，“高多普勒影响场景的多载波传输”，第十届国际OFDM-Workshop（InOWo 2005），德国汉堡，2005年8月。4.7在存在依赖用户的不完善CSI A.Kühne，A.Klein，德国达姆施塔特科技大学4.7.1简介正交频分多址（OFDMA）传输方案是未来移动网络的一个很有希望的候选方案。它通过对不同用户执行不同子载波的时频调度，有效适应信道条件。然而，为了以最佳方式执行这种自适应调度，发射机需要信道状态信息（CSI）。频率自适应OFDMA方案对基站（BS）的所有用户都具有完美的CSI，利用多用户分集可以获得非常好的性能。在BS中根本没有CSI，使用独立于任何CSI的频率分集的频率非自适应OFDMA方案是最好的策略，但是，没有达到具有完美CSI的自适应方案的性能。对于不完全CSI的情况，文献中只研究了纯自适应OFDM系统，而没有研究自适应和非自适应传输模式的组合。在假设每个用户的CSI不完美程度相同的情况下，研究了存在不完全信道知识的自适应和非自适应多用户OFDMA方案的比较[1]-[5]。似乎在CSI不完善的一定程度上，从自适应传输切换到非自适应传输是有益的，即，根据信道知识的质量，所有用户都可以应用自适应或非自适应传输模式。然而，在实际场景中，CSI的不完善程度因用户而异，即对于某些用户而言，CSI只是轻微损坏，而对于其他用户来说，CSI完全不准确。因此，我们提出了一种混合OFDMA方案，其中自适应和非自适应传输方案同时存在，并展示了如何在用户相关的不完美CSI存在的情况下优化组合这些传输方案[6]。4.7.2组合传输方案在考虑的混合OFDMA方案中，不同用户可以自适应或非自适应地共享可用带宽。应用非自适应OFDMA传输方案，执行固定的调制和子载波分配。该方案不依赖于瞬时CSI，而是利用频率分集。应用自适应OFDMA传输方案，执行自适应子载波分配以及基于瞬时CSI的自适应调制。目标是在最小用户数据速率和目标误码率（BER）的约束下实现最大系统数据速率。因此，出现了一个问题，考虑到用户相关的不完美CSI，以及如何选择信噪比（SNR），应自适应或非自适应地为哪个用户服务所应用调制方案的阈值，以便在保证一定的最小用户数据速率和目标误码率的同时，最大化系统数据速率。由于选择过程和涉及的多用户多样性，自适应用户的性能在很大程度上取决于系统中自适应用户的总数，用户是自适应服务还是非自适应服务的决定不能独立于其他用户而由用户来决定，而必须考虑到所有用户，从而导致一个组合问题。对于将可用子载波分配给自适应和非自适应用户的顺序，考虑了两种可能性。首先，在第一步中分配非自适应用户的子载波，然后在第二步中将剩余的子载波分配给自适应用户，称为非自适应第一步（NAF）。其次，首先分配自适应用户的子载波，然后分配非自适应用户的副载波，称为自适应优先（AF）。为了解决所描述的优化问题，在不失去最优性的情况下，将其分解为两个子问题，即SNR阈值问题和用户服务问题。利用拉格朗日乘数法可以解决信噪比阈值问题，从而为不同用户提供每种可能组合的最佳用户数据速率。为此，考虑到用户相关的不完美CSI，推导了用户数据速率和误码率的解析表达式。在解决组合用户服务问题时，似乎没有必要检查所有2Uppossible用户服务组合，其中U表示用户数量，以便根据上述数据速率和BER约束找到最大化系统性能的最佳组合。利用自适应用户的数据速率不依赖于自适应服务的用户，而仅依赖于自适应用户的总数这一事实，可以在不失最优的情况下将复杂度降为O（U3）。考虑到用户数据速率的特性是自适应用户数UA的函数，复杂度可以进一步降低到O（U2）。4.7.3数值结果在图4.15a中，下行链路中N=125子载波和U=25用户的单小区OFDMA系统的系统数据速率被描述为不同传输方案下小区中移动台平均速度的函数。目标误码率设置为10−3，而每个用户应至少达到应用纯非自适应传输方案（PNTS）可实现的数据速率。可以看到，PNTS实现了恒定的系统数据速率，因为它不依赖于CSI的可靠性。在？v=0 km/h的情况下，纯自适应传输方案（PATS）和混合传输方案实现了相同的系统数据速率，并优于PNTS。然而，当小区电压增大，从而导致CSI的不可靠性增加时，PATS的性能急剧下降，特别是对于朴素方法，即假设所有用户的CSI都是完美的，计算SNR阈值，因为现在，由于CSI不完美，选择了错误的用户和调制方案进行传输。这导致误码率不再满足目标误码率要求。对于意识到CSI不完善的PATS，4.5 4 3.5 3 2.5 2 1.5 1系统数据速率（bps/Hz）0.5 0 0510 15 20 25 30 35 40 45 50 55平均MS速度（km/h系统数据速率和（b）自适应用户数UA与？v的减少不太明显。然而，在某些情况下，系统性能不如使用PNTS。应用混合方案NAF和AF以增加小区电压，系统性能始终等于或优于PNTS和PATS，其中AF由于更排他性的资源选择而优于NAF。对于速度较大的情况，混合方案的性能收敛到PNTS的性能，因为现在由于CSI完全过时，混合方案中的所有用户都是非自适应服务的。图4.15b也显示了这一影响，其中自适应服务用户的UA数量表示为？v的函数。可以看出，对于低速率，几乎所有用户都能自适应地得到服务。当增大？v时，越来越多的用户得到了非自适应服务。参考文献 [75] A.Kühne和A.Klein，“对多用户OFDM系统性能的不完美CQI反馈的分析考虑”，见Proc。第十二届国际OFDM-Workshop（InOWo'07），德国汉堡，2007年8月。 [76] A.Kühne和A.Klein，《多用户OFDM系统中不完善信道知识的自适应子载波分配与分集技术》。程序。个人、室内和移动无线电通信国际研讨会（PIMRC'07），希腊雅典，2007年9月。 [77] A.Kühne和A.Klein，“使用不完善的CQI反馈和分集技术的多用户OFDMA系统吞吐量分析”，IEEE通信选定领域期刊，第26卷，第8期，第1440-1451页，2008年10月。 [78] A.Kühne和A.Klein，《使用OSTBC和不完美CQI反馈的自适应MIMO-OFDM》。2008年2月，德国达姆施塔特，ITG智能天线国际研讨会（WSA'08）。 [79] A.Kühne、A.Klein、X.Wei和T.Weber，“多用户OFDMA系统中具有不完美CQI反馈的发射天线选择”，Proc。程序。第13届国际OFDM研讨会（InOWo'08），汉堡，2008年8月。 [80] A.Kühne和A.Klein，“在存在依赖于用户的不完美信道知识的情况下，将自适应和非自适应多用户OFDMA方案相结合”，IEEE无线通信汇刊。（提交）4.8 COFDM系统与多天线的集成和自适应媒体接入协议的设计D.Martini、B.Wolz、B.Rembold、B.Walk、RWTH Aachen University，Germany 4.8.1摘要除了时域和频域的媒体接入外，还可以使用多天线（MIMO）利用空间和极化域空分多址系统。SDMA与OFDM相结合是IEEE 802.16d、IEEE 802.11n和3GPP LTE等标准中规定的未来无线和移动通信系统的关键技术。本工作的重点是使用多天线的演示系统的媒体访问控制（MAC）协议的开发和原型实现。目标是通过考虑所有用户终端（UT）的瞬时信道条件，为其提供最佳服务。在基于openWNS工具的随机事件驱动模拟器中，设计了多个候选信道自适应MAC协议。所研究的协议栈在多媒体负载生成器和干扰引擎之间运行，干扰引擎根据到达方向（DoA）计算接收器处的当前SINR。IEEE 802.16特定收发器链的贡献来自链路级仿真结果，提供了DoA特定的比特错误特性。openWNS工具主要用于比较MAC协议的性能、MAC和PHY之间接口的有用性以及支持SDMA的调度器的约束。除了进行仿真研究以了解性能关键参数外，还对所用模拟器进行了分析验证，并对许多基于SDMA的服务规程进行了复杂性分析。演示系统完全使用模块化FPGA系统和两台实时执行MAC的高性能功率PC来实现。通过研究天线配置得出的SINR值，评估了MIMO技术对提高系统容量的贡献。虽然FPGA硬件取自以前的项目，但包括多端口天线的双向收发器链是新设计和实现的，从而形成了实时4x4双向MIMO测试台。4.8.2 SDMA操作和空间分组的MAC帧120服务的多细胞场景◦每根天线服务15个UT，选择一根重复使用的天线。发射功率为1 W，UT将其功率控制在200 mW到1 W之间。调度器根据MAC和PHY层中的数据量、UT的每个UT和SINR的信令开销（根据波束形成算法信息估计）来决定。图4.16显示了一个为两个空间分离的数据流提供服务的二维MAC帧示例。在MAC帧上方，使用抽象天线图显示传输情况。帧的第一部分被全向传输，以实现广播模式。DL-MAP（蓝色）和UL-MAP（绿色）以及箭头均指向MAP中包含的时间瞬间，其中最多可以传输四个无线突发信号，且在空间上是分开的。类似情况也适用于UL-MAP。UT不能被任意调度为并发SDMA传输，因为波束形成天线阵列的空间可分性取决于它们的相对空间位置。不能假设空间分离的并发传输是正交的。因此，引入了一种分层调度算法，该算法首先计算UT的空间分组，UT可以被基站（BS）波束形成天线很好地分离。这种分组的结果是一组UT。同一空间组的用户可以被分开，从而同时得到服务。不同组中的用户必须在时域中分开。将调度过程分为两个层次步骤，增加了调度过程的灵活性和简单性。分组过程独立于TDMA调度，反之亦然。因此，空间分组和组调度程序可以根据系统的特定需求自由组合和交换。早些时候[2]提出了UT的空间分组，[4]首先提出了SDMA增强IEEE 802.16系统中的分层分组和调度。由于最优分组过于复杂，无法应用，因此使用了一种贪婪算法，根据可实现的吞吐量对空间组进行排序，导致分组增益略低于最优分组器的增益。基于树的启发式算法只估计最有希望的空间组，似乎非常适合降低实时条件下的运行时复杂性，其分组增益与贪婪算法相当。模拟结果（图4.17）显示了DL单元总吞吐量与提供的传输容量。当吞吐量偏离并随提供的流量线性增长时，达到饱和。显然，全向传输比SFIR或SDMA传输更低。在具有多达4个并行传输的SDMA下，吞吐量曲线从第一个UT达到饱和时的约22 MBit/s的值攀升至最终的最大值30 MBit/s。具有多达4个波束的SDMA传输达到约440 [81] L.Bruehl，Parallele Prozessoracitektur fuer die Raum Zeit Entzerung in breitbandigen Funksystemen mit adaptive Gruppenatennen，博士论文，亚琛工业大学，2005年，Shaker ISBN 3-8322-4523-5。 [82] M.Fuchs、G.Del Galdo和M.Haardt，《采用ZF波束形成的多用户MIMO系统下行的新型基于树的调度算法》。IEEE国际。声学、语音和信号处理会议。（ICASSP，2005年。 [83] C.Hoymann，IEEE 802.16城域网与SDMA增强，博士论文，亚琛RWTH大学通信网络系，第6学院，2008年7月，http://www.comnets.rwth-aachen.de。 [84] C.Hoymann、H.Meng和J.Ellenbeck，“SDMA特定MAC调度对IEEE 802.16网络性能的影响”，《2006年第12届欧洲无线会议论文集》，希腊雅典，2006年4月，http://www.comnets.rwth-aachen.de。 [85] C.Oikonomopoulos-Zachos和B.Rembold，“MIMO信道的四端口天线”，收录于IEEE天线与传播（EUCAP）会议，第1-4页，2007年。4.9多载波多用户多天线系统中近最佳低复数波束形成的大系统分析C.Guthy，W.Utschick，德国慕尼黑理工大学4.9.1概述，多输入多输出（MIMO）广播信道（BC）中平均和速率的解析表达式，由于信号处理算法要求发射机具有完美的信道状态信息，因此很难获得。对于最优和容量[11]以及近似最优算法，如连续编码连续分配方法（SESAM）[9]及其与最小均方误差（MMSE）传输滤波器的变体[8，第4.2章]，情况也是如此。因此，只有通过仿真结果才能对这些算法进行性能评估。然而，在大系统极限中，即当至少两个系统参数以固定和有限的比率[6,10]达到确定性时，尽管使用了随机变量，但许多算法的性能变得具有确定性。这是因为随机矩阵的特征值通常收敛到一个渐近极限，该极限可以从渐近特征值分布（a.e.d.）中获得，并且与随机矩阵的当前实现无关。最突出的例子是Wishart矩阵的Marčenko-Pastur分布[5]。此外，大系统极限中的解析表达式通常可以很好地近似系统性能，也可以确定系统参数，这使得大系统分析成为分析信号处理算法的一个有趣工具。在本章中，我们将基于使用高斯i.i.d.信道矩阵和有限数量的发射和接收天线的大型系统结果，给出使用MMSE发射滤波器[8]和零频发射滤波器[9]的SESAM可实现的遍历和速率的解析近似值。结果表明，这些结果也可以作为具有有限参数系统中平均和速率的良好近似值。4.9.2系统模型我们考虑一个具有C载波的多用户多载波MIMO系统，一个基站具有N个天线，K个非合作用户具有R个天线。载波c上第k个用户的信道矩阵，表示为Hk，c∈CR×N，由均值为零且方差为1/R的不相关高斯项组成。假设发射机对矩阵Hk，cat有很好的了解。假设每个接收机处的加性噪声是具有零均值和单位协方差矩阵的高斯白噪声。4.9.3算法描述作为最佳解决方案，SESAM的两种变体都依赖于脏纸编码（DPC）的原理。此外，他们还陆续将数据流分配给用户，在每个步骤中，过滤和用户分配之前分配的数据流是固定的，而下一个数据流则分配给该用户，从而使目标函数的增加达到最大。如果新分配不可能增加目标函数，则分配停止。用Mc表示载波c上完全分配的子信道数，可实现和速率根据c Mc Rsum=log2（1+pi，cλi，c）计算。c=1i=1在下文中，我们将简要描述子信道如何为这两种算法计算pi，c和信道增益λi，c。为了方便记法，我们假设用户分配如下所示，其中πc（i）表示在第i个位置编码的数据流在载波c上分配给的用户。当然，当运行算法时，必须为每个用户和载波计算潜在的子信道增益，以便为每个数据流选择最合适的用户和载波。带有MMSE滤波器的SESAM使用MMSE滤波器，在总功率约束下最大化和速率的问题可以以几乎最优的方式解决，同时大大降低了计算复杂性。在这种情况下，假设简化的功率分配为pi，c=PTx7，CMc，其中PTx表示可用的发射功率。当根据H i−1λi计算时，子信道增益λi，c=ρ1πc（i），c⎝i+PTxHHt CMcπc，c表示载波c上第j个数据流在双上行链路中的传输滤波器，并等于属于矩阵⎝-1 i−1 Hπc（i）、c \9117»i+PTxHHt j=1CMcπc，与双上行链路中的功率相对应。由于广播和双上行链路中的速率相同[8]，我们在本章中考虑SESAM MMSE算法的上行链路速率。具有迫零滤波器的SESAM具有迫零滤波器的子信道增益λi，由⎛⎛⎞i−1λi，c=ρ1⎝Hπc（i），c⎝i−tj，ctHj，c⎠HπH⎠，（4.13）c（i）j=1给出，其中thetj，注意载波c上第j个数据流的下行链路传输滤波器，其等于与矩阵j−1j−1、cπc（j）、c∏c（j）、c、ctH、c⎠的主特征值相对应的单位形式特征向量=1=1每个矩阵I−j=1−1t，ctH，c投影到载波c上先前分配的数据流的波束形成器的零空间中，因此确保thetj，cto不会干扰载波c上先前分配的子信道。DPC抑制了对稍后分配的子信道的干扰。通过这种零强制，可以在降低计算复杂度的情况下解决几个受服务质量（QoS）约束的优化问题，其中可以非常接近地实现优化。这种优化问题可以是在具有发射功率约束的最小和最大速率要求下的加权和速率最大化，也可以是满足最小速率要求的发射功率最小化。由于零滤波滤波器与DPC一起应用，子信道无干扰，最佳功率pi可以通过类似注水的解决方案确定。关于功率和用户分配的详细信息，读者可以参考文献[9]了解纯和速率最大化，参考文献[4]了解功率约束下的加权和速率最大，参考文献[1]了解QoS约束优化问题。4.9.4大系统分析遍历和速率的近似在本节中，我们将给出子信道增益λi的近似值，以及大系统分析的结果。对于大型系统分析，发射天线和接收天线的数量以固定比率β（即N）来确定→ ∞, R（右）→ ∞, β=NR，有限。然后，（4.13）和（4.11）中矩阵的经验特征值分布几乎必然收敛到渐近极限。对于有限系统，我们建议使用矩阵a的a.e.d.fA（x）来确定第i个最强特征值的近似值，如下所示。设a是一个具有有限L的L×L矩阵，则该矩阵的第i个特征值由这两个隐式方程近似。m mρi（A）=LixfA（x）d x，其中A（x”d x=L−i+1。mi−10L因此x域被划分为L区间，其中在每个区间[m i−1；mi]中积分mmifA（x）d x等于1/L。每个区间的质心代表一个特征值。使用这些近似值计算（4.11）和（4.13）中的特征值，然后按照最初提出的有限系统的方式进行用户和功率分配。a.e.d.s fA（x）可以根据Stieltjes变换SA（z）计算，如[10]所述。因此，在下文中，我们将介绍Stieltjes变换的方程式。带MMSE滤波器的SESAM由于直接计算（4.11）接缝中矩阵的Stieltjes变换比较困难，我们首先介绍以下子信道增益的近似值。−1λi，c≈ρni，c+1Hπc（i），cI+PTxVnVHHH，（4.14）CMci，cni，cπc。因此，矩阵Vni，c考虑了分配给其他用户的干扰子信道的影响，该矩阵由与分配给用户πc（i）以外的其他用户的子信道一样多的正交列组成干扰载波c上的第i个子信道。分配给同一用户的子信道的干扰影响通过取（4.14）中的第ni，c+1个最大特征值来考虑，表示为ρni，c/1。由于矩阵Hπc（i）、candVn之间的独立性，矩阵ГAi、c=i、ci、c Hπc（i），ci+CMPTxcVni、cVnHi、c−1HπHc（i（z）N1+CMcPTx+SAi，c⁄（z）N有关详细信息，请参阅[3]。带ZF滤波器的SESAM作为矩阵Hπc（i），cI−ij=1−1tj，ctHj，cHπH具有与c（i后面的矩阵。SAi，c（z）的计算是递归的，因为它需要a.e.d.fA（x），其中i，cdenotes i，c，c是步骤i之前的最后一步，其中子信道已分配给载波c上的用户πc（i）。0 i，c，cN−i，c有关详细信息，请参阅[2]。4.9.5数值结果图4.20显示了1000个信道实现的平均和速率与发射天线数量的关系，其中考虑了发射功率约束下的和速率最大化。比率β已固定为β=2。SESAM方法的每个交叉对应于通过一个信道实现实现的和速率，线路通过平均和速率。图4.20（a）com12040渐进计算100平均增益35 30 80 25 6020 15总和速率（bpcu）40总和速率（bpcu）SESAM 10 SESAM大型系统20 5BD DPC大型系统BD大型系统00 01020304050600102030405060发射天线数（a）1000信道上平均的总和速率re-（b）在K=2个用户，5，PTx=10，β=2β=N/R=2的系统中，与K=速率的不同算法的渐近求和相比，求和的大系统近似值图4.20：数值结果将近似求和速率与带有MMSE滤波器的SESAM在2个用户，一个载波，发射功率为PTx=100，对应于20dB的发射信噪比。在图4.20（b）中，对SESAM和ZF滤波器进行了相同的比较，它们分别为10 dB和5个用户的系统。此外，图4.20（b）显示了带和不带DPC的块对角化[7]的平均和容量和大系统近似值，这些也已在[2]中导出。从这两个图中，我们可以得出结论，所提出的近似值与平均和速率非常匹配，已经有了合理数量的发射和接收天线。参考文献 [86] C.Guthy、W.Utschick和G.Ditel，《多用户多载波MIMO广播信道的空间资源分配——QoS优化视角》，Proc。2010年，国际声学、语音和信号处理会议（ICASSP）主席。 [87] C.Guthy、W.Utschick和M.L.Honig，“MIMO广播信道基于投影算法的大系统分析”，提交给国际信息理论研讨会（ISIT），2010年。 [88] C.Guthy、W.Utschick和M.L.Honig，“MIMO BC的连续编码连续分配方法的大系统分析”，Proc。ITG/IEEE智能天线研讨会，2010年。 [89] C.Guthy、W.Utschick、R.Hunger和M.Joham，“线性预编码的有效加权和速率最大化”，接受于2009年12月IEEE《信号处理学报》出版·Zbl 1392.94761号 [90] V.Marčenko和L.Pastur，“一些随机矩阵集的特征值分布”，苏联斯博尼克数学，1:457-4831967·Zbl 0162.22501号 [91] M.J.M.Peacock、I.B.Collings和M.L.Honig，“多用户检测的进展”，《电信和信号处理威利系列》第1卷，第4章随机签名性能。John Wiley&Sons，2009年。 [92] Q.H.Spencer、A.L.Swindlehurst和M.Haardt，“多用户MIMO信道下行空间复用的迫零方法”，IEEE信号处理事务，52（2）：461-4712004年2月·Zbl 1369.94294号 [93] P.Tejera，《多输入多输出系统中传输的原理和算法》，慕尼黑理工大学博士论文，2008年。 [94] P.Tejera、W.Utschick、G.Bauch和J.A.Nossek，“多用户多输入多输出系统中的子信道分配”，IEEE信息理论汇刊，52（10）：4721–47332006年10月·Zbl 1320.94010号 [95] A.M.Tulino和S.Verdu，《随机矩阵理论与无线通信》，《通信与信息理论基础与趋势》第1期。现在是Publishers，2004年·Zbl 1133.94014号 [96] H.Viswanathan、S.Venkatesan和H.Huang，“具有已知干扰消除的蜂窝网络下行链路容量评估”，IEEE通信选定领域期刊，21（6）：802–8112003年6月。4.10使用OFDM的组合雷达和通信系统M.Braun，C.Sturm，F.Jondral，T.Zwick，Karlsruhe Institute of Technology（KIT），Germany 4.10.1引言在当前的技术发展中，雷达和数字通信技术中使用的射频前端架构越来越相似。在这两种应用中，越来越多传统上由硬件组件完成的功能现在被数字信号处理算法所取代。此外，今天的数字通信系统使用微波范围内的频率进行传输，该频率接近传统上用于雷达应用的频带。这一技术进步为实现联合雷达和通信系统提供了可能性，该系统能够通过一个单一平台甚至通过一个公共发射信号支持两种应用。此类系统的典型应用领域是智能交通网络，它需要车辆间通信能力以及可靠的环境感知需求。联合雷达和通信系统的最初概念主要基于扩频技术。近年来，OFDM信号在这方面获得了很大的吸引力。这是由两个事实驱动的：首先，当前发布的大多数通信标准，例如IEEE 802.11p，都使用了OFDM信号。其次，在雷达界，OFDM信号最近引起了人们的普遍兴趣，并且其在雷达应用中的适用性已经被证明。因此，OFDM信号目前似乎是联合雷达和通信实现的理想基础。基于OFDM的联合雷达和通信系统的可能应用场景如图4.21所示。OFDM信号（绿色）从左侧的汽车发送，并将信息传输到远处的接收器。同时，该信号会反射到附近的物体和汽车上（反射信号用灰色表示）。OFDM系统观察自身发射信号的回波，并应用适当的处理算法计算雷达图像。此外，与基站的通信也可以包括在这个概念中。在下文中，将讨论有关同步雷达和通信操作的OFDM信号的最佳参数化以及最佳雷达处理策略的详细考虑。此外，还将展示全面运行的系统演示和验证测量结果。4.10.2信号设计一个主要挑战是OFDM信号的设计。必须保证通信链路在衰落严重的移动通信信道上是可靠的，并且雷达成像算法不会受到信号的负面影响表4.3：OFDM参数的信道限制PropertyUrbanAutobahn RMS过量延迟0.102μs0.122μs最大多普勒扩展7.24 kHz5.23 kHz相干带宽2246.1 kHz1269.53 kHz RMS相干时间0.401 ms0.46 ms设计。可以改变从子载波距离到信道编码的各种参数。本节将解释最重要的参数。有关更详细的描述，请参阅[1，2]。物理参数OFDM帧的物理参数包括子载波距离、保护间隔持续时间、总带宽和帧持续时间。它们的选择取决于所需的雷达精度和移动传播信道的质量。在[1]和[2]中，我们分析了移动传播信道的影响。分析的基础是光线追踪信道，即通过光学方法获得发射机和接收机之间信道的真实传输场景模拟[3]。共有8个城市交通和2条高速公路（“高速公路”）场景的10567个通道的数据库用于测试和评估参数化。对这些信道进行时间和频率方差分析，以获得物理OFDM参数的限制。特别是，子载波间隔受到相干时间和多普勒扩展的限制；保护长度持续时间取决于过度延迟[1]。表4.3显示了分析结果。雷达精度的要求也对信号的参数化施加了约束。特别是，距离域和多普勒域的分辨率设置了带宽B和帧长TF的最小限制，可以通过以下等式估计图4.21：组合雷达和通信系统的应用场景：c0c0 B≥，TF≥（4.15）2Δdmax2Δvmaxfc对于1.5 m的距离分辨率，因此带宽必须在100 MHz左右。这反过来又有其他方面的影响，例如低功率密度。一个不太明显的设计标准是参数化对OFDM雷达处理算法的影响。下一节中介绍的最大似然估计量容易受到阈值影响。在[4]中，我们提出了一种方法来测试给定参数集在没有阈值影响的情况下工作的范围。信道编码合适的信道编码是帧设计过程中的一个重要选择。特别是车载应用对数据传输的可靠性有很高的要求。同时，信号的低功率密度和高频时变信道使得无差错数据传输非常困难。另一方面，大带宽允许高数据速率，这可能是不必要的。因此，通过使用低编码率的健壮代码来牺牲原始数据率以降低误码率是有意义的。尽管有几种类型的代码可以满足这些要求，但Reed-Muller代码似乎特别适用。它们的最大优点是可以使用具有低峰均功率比（PAPR）的子码集[5,6]。这为整个系统提供了新的自由度，因为低PAPR值对放大器的要求更少。仿真表明，这些代码在不利信道影响下表现良好，固定PAPR为3 dB[5]。4.10.3雷达子系统雷达子系统负责估计附近其他物体的距离和相对速度。在传输时，它接收并分析后向散射信号，并对其进行处理，以获取有关周围物体的信息。为了确定合适的估计算法，我们必须首先分析后向散射对OFDM帧的影响。在下文中，一个OFDM帧将由N×M矩阵FTx∈CN×M来描述，其中每个元素（FTx）k，l）=±1是来自BPSK调制字母表的调制符号。FTx中的每一行对应于一个OFDM子载波；每列对应一个OFDM符号。s（t）表示传输的时域信号，由FTx通过通常的OFDM调制过程创建，该过程计算每列的IFFT，并在结果前加上循环前缀。在传输过程中，接收器处于活动状态。接收到的信号r（t）由多普勒频移和延时反射信号组成。在H反射目标的情况下，发射和接收信号之间的关系为H−1 r（t）=bhs（t−τH）ej2πfD，ht+wσ2（t）。（4.16）h=0第h个目标的多普勒频移和往返传播时间分别表示为fD和handτh。bh=| bh | ej ~Γhis为相应的复数衰减因子。接收到的信号是来自每个目标的反射信号的线性叠加，加上具有方差σ2的复高斯白噪声wσ2（t）。对于估计算法的开发，分析多普勒频移和时间延迟对FTx的影响是有用的。为了简单起见，我们将分析多普勒频移为fD、往返延迟为τ的单个反射目标的影响。在这种情况下，多普勒频移通过ej2πlTOfD引起矩阵行的振荡。这假设所有频率上的多普勒频移都是恒定的，如果带宽远小于信号的中心频率，这是一个有效的近似值。该延迟导致e−j2π（f0+kΔf）τ0的每个子载波上发生相移。在不损失通用性的情况下，可以假定|b0|是单位值。因此，用与FTx相同的矩阵表示法表示接收信号可以这样做：（FRx）k，l=（FTx）k、l·ej2πlTOfD、0e−j2∏kτ0Δfej0+（W）k，l。（4.17）W是加性高斯白噪声（AWGN）的矩阵表示；它的条目是来自方差σ2的圆形、复的零均值正态分布的i.i.d.随机值。对于整个帧来说，所有恒定的相移都被总结为相位项。在估计之前，FTx中已知的调制符号可以通过简单的元素分割从FRx中消除。因此，得到的矩阵为（F）k，l==ej（2π（lTOfD，0−kτ0ΔF）+0）+（W）k，l.（4.18）（FTx）k，l（FTx。必须注意的是，如果BPSK符号不相关，则噪声的统计数据不受除法的影响，因为在这种情况下，除法只不过是旋转不变噪声的π或零的随机相位旋转。因此，fD和τ的估计相当于估计矩阵F中两个正交振荡的频率，因此与谱分量的识别非常相似。最后，必须从F估计目标参数。我们选择了最初在[7]和[8]中介绍的最大似然估计（MLE）方法。MLE通过计算[4]快速傅里叶变换（m）！“#{F}（4.19）F的每一行的FFT！”“#）FFT结果的所有列的IFFT，并确定使C（m，n）最大化的值ˆm，\710]n。多普勒频移和传播时间的MLE是τ=\710'，F \710,D=m \710,1;，（4.20）NIFFTΔfMFFTTO，其中NIFFT和MFFT分别是IFFT和FFT的长度。必须注意的是，这种方法的复杂度小于频域和时域相关的经典方法。此外，还对使用多天线接收机估计到达方向（DoA）进行了额外的研究。已经表明，标准的DoA估计技术可以直接应用于等式（6）中距离和速度估计器的输出。详细结果已在[9]中公布。4.10.4测量演示器设置演示器系统由三个主要硬件组件组成：Rohde&Schwarz（R&S）SMJ100A矢量信号发生器、R&S FSQ26信号分析仪和可选的R&S SMR40微波信号发生器。SMJ100A的最大载频限制为6 GHz，但输出功率高于SMR40。因此，已决定实施两种不同的配置，一种仅使用SMJ100A以实现6 GHz的高输出功率，另一种使用SMJ1100A和SMR40以产生24 GHz的预期载波频率但发射功率较低的信号。所有仪器都通过以太网链路连接，并通过MatLab仪器控制工具箱从计算机进行控制。所有信号均在MatLab中生成和处理。表4.4总结了用于测量的OFDM系统参数。这些参数是通过[10]中描述的理论研究获得的，并通过[1]中的光线跟踪模拟进行验证。表4.4:OFDM系统参数符号数量值f载波频率6 GHz/24 GHz Nc子载波数量1024Δf子载波间隔90.909 kHz T辅助OFDM符号持续时间11μs Tp循环前缀长度1.375μs B总信号带宽93.1 MHz系统设置的第一种配置如图4.22所示。发射信号在MatLab中生成，传输到信号发生器，转换为载波频率并辐射。信号分析仪通过10 MHz参考信号进行相位同步，并通过触发信号进行时间同步。信号分析仪对转换后接收信号的I和Q分量进行采样图4.22:OFDM系统设置为基带的最大载波频率为6 GHz，并将其传输回计算机。信号发生器提供6 GHz的最大载波频率和20 dBm的最大峰值功率。由于在选择的参数下，OFDM信号的PAPR相对稳定，约为10 dB，因此，对于非编码传输，最大平均传输功率为10 dBm。在发射机和接收机处采用的喇叭天线的增益分别为18.5dBi。为了用24GHz的载波频率进行测量，需要额外的混频器。在这种情况下，使用稍微不同的第二设置，其中SMJ100A信号发生器的输出信号被馈送到SMR40信号发生器的外部调制信号输入。SMR40的输入中频为200 MHz，本振频率为23.85 GHz，上边带的中心频率为24.05 GHz。在这种配置中，无法抑制下边带的辐射，但接收器仅调谐到24.0 GHz到24.1 GHz的上边带。SMR40的外部调制输入不允许输出功率控制。当以0 dBm的平均输入信号功率驱动SMR40时，上边带中的总平均输出功率仅为-12 dBm。使用额外的中等功率放大器，输出功率可以增加到10 dBm。在此设置中，还使用了喇叭天线，每个天线的增益为22 dBi。测量结果为了验证所开发的算法，需要至少有一个移动对象的动态场景。因此，在图4.23a所示的场景中，使用系统演示器进行了测量。该场景包括一个角反射器，雷达截面积σRCS=16.3 dBm2，24 GHz，一辆汽车以大约25 km/h的速度向雷达移动。测量是在汽车与反射器处于相同距离R=20 m时进行的。多普勒估计算法的结果如图4.23b所示。在FFT处理中，汉明窗应用于多普勒和距离处理。可以观察到，在（a）调查场景（b）测量的雷达图像（归一化，单位dB）的距离内，图4.23：动态场景20m的验证测量中，图像中出现了零速度下反射面的峰值和对应于汽车速度的大约7 m/s的附加峰值。汽车反射比反射散射的信号弱约15 dB。在雷达图像中，地面杂波和背景中物体的附加反射以零速度出现。测量结果证明，使用所提出的处理算法可以清楚地识别和分离这两个对象。为了全面表征系统性能，还必须分析处理后雷达图像的信噪比。等式（4.20）中描述的估计器提供的SNR增益等于子载波数N与评估的OFDM符号数M的乘积。预期雷达图像信噪比等于PT xN M GT xGRxλ2σRCS SNRimage=（4.21）PN（4π3）r4，其中PT x是发射信号功率，GT x和GRx是发射和接收天线增益，λ是波长，σRCS表示反射器的雷达横截面。为了验证此关系适用于使用所建议估计器的实际OFDM雷达测量，已使用24GHz ISM频段的系统设置进行了额外的测量。在这些测量中，在不使用放大器的情况下，对r=4、10、20 m的三个不同距离拍摄了三面体反射器的雷达图像。对于每个测量结果，假设该值代表SN Rimage from（4.21），则已确定反射引起的峰值与平均背景噪声级之间的比率。考虑到制造商规定的接收机噪声功率级为-143 dBm/Hz，对应于-64 dBm的总噪声功率，将测量值与理论预期值进行了比较。结果见表4.5。随着距离的增加，测量的信噪比值接近预期值。表4.5：PT x的雷达图像信噪比=-12 dBm到反射面的距离（单位：m41020）测量信噪比（单位：dB49.841.430.8预期信噪比，单位：dB60.744.532.8对于4m的距离，差异是由于反射面尚未到达远场。对于反射器的更高距离，测得的信噪比与预期信噪比之间只有微小的差异，这是由汉明窗引起的信噪比降质造成的。从测量结果来看，很明显，拟议估计器提供了（4.21）中所述的增益。有关测量的详细报告，请参阅[11]。4.10.5总结在本项目中，已详细阐述并评估了基于OFDM信号的雷达和通信组合系统的详细概念。已经开发出一种合适的估计器，可以使用OFDM信号进行距离和多普勒测量，而不会对同时传输的用户信息产生任何负面影响。测量和仿真都表明，OFDM雷达是一种有趣且可行的新技术，具有一些有趣的特性。感谢Rohde&Schwarz提供测量设备。参考文献 [97] M.Braun、C.Sturm、A.Niethammer和F.K.Jondral，“车辆应用基于OFDM的联合雷达和通信系统的参数化”，第20届IEEE个人室内和移动无线电通信研讨会，2009年。 [98] M.Braun、C.Sturm和F.K.Jondral，“关于联合OFDM雷达和通信的帧设计”，第15届国际OFDM研讨会，汉堡，2010年。 [99] C.Sturm、M.Braun和W.Wiesbeck，“联合雷达和通信系统的确定性传播建模”，2010年8月，《2010年国际电磁理论研讨会论文集》。 [100] M.Braun、C.Sturm和F.K.Jondral，“OFDM雷达的最大似然速度和距离估计”，雷达会议，IEEE国际，2010。 [101] M.Braun、Y.Koch、C.Sturm和F.K.Jondral，“车对车通信中高带宽OFDM的信号设计和编码”，车载技术会议，2010年。第72届IEEE，2010年9月。 [102] J.A.Davis和J.Jedwab，“OFDM中的峰均功率控制，Golay互补序列和Reed-Muller码”，IEEE信息理论汇刊，45（7），1999年11月·Zbl 0960.94012号 [103] C.Sturm、E.Pancera、T.Zwick和W.Wiesbeck，“OFDM雷达处理的新方法”，雷达会议，IEEE，2009年5月。 [104] C.Sturm、M.Braun、T.Zwick和W.Wiesbeck，“基于OFDM的智能雷达系统的多目标多普勒估计算法”，第七届欧洲雷达会议，2010年。 [105] C.Sturm、L.Reichardt、T.Zwick和W.Wiesbeck，“汽车OFDM信号雷达波束形成算法的评估”，《2009年欧洲雷达会议论文集》，第141-144页，罗马，2009年9月。2009.09.30. [106] C.Sturm、T.Zwick和W.Wiesbeck，“联合雷达和通信操作的OFDM系统概念”，车辆技术会议，2009年。第69届IEEE，2009年4月。 [107] C.Sturm、M.Braun、T.Zwick和W.Wiesbeck，“基于符号的OFDM雷达处理的性能验证”，雷达会议，IEEE国际，2010年。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。