基于导频的OFDM信道估计中插值的研究论文.doc

《基于导频的OFDM信道估计中插值的研究论文.doc》由会员分享，可在线阅读，更多相关《基于导频的OFDM信道估计中插值的研究论文.doc（22页珍藏版）》请在三一办公上搜索。

1、本科毕业论文（设计）论文题目：基于导频的OFDM信道估计中插值的研究学生姓名： 所在院系： 机电学院所学专业： 应用电子技术教育导师姓名： 完成时间：摘 要正交频分复用（OFDM）技术是一种高效的数字传输技术，它可以被看作一种调制技术，也可以被当作一种复用技术，因其具有较高的频谱利用率、功率利用率，优良的抗窄带干扰和多径衰落能力而被视为下一代无线通信的核心技术。移动通信中的无线传输信道是一个时变的多径衰落信道。为了使发送数据经过信道衰落后，在接收端被正确接收，数据所经的信道衰落影响就应该被合理补偿。信道估计技术作为获得信道衰落参数的手段，是现代无线通信领域中的一个研究热点，它是接收端进行相干检

2、测、解调、均衡的基础，是提高无线数据传输接收性能的关键技术之一。在信道估计中，插值是个很重要的环节，在保证导频信号估计的正确性前提下，插值方式的好坏决定了信道估计性能的优劣。本文用数值分析的方法对基于导频的OFDM系统信道估计中的插值问题进行对比分析，并通过仿真实验，得出了科学的结论，给出了在不同的信噪比条件下应采用的导频图案及插值方法。关键词：正交频分复用，信道估计，导频，插值AbstractOrthogonal Frequency Division Multiplexing (OFDM) technology is a highly efficient digital transmissi

3、on technology, it can be seen as a modulation technique, could also be described as a kind of multiplexing, which has a higher spectrum efficiency, power efficiency, excellent narrow-band interference and multipath fading ability to be seen as the core of the next generation of wireless communicatio

4、ns technology. Channel Estimation in OFDM technology as one of the key technologies of modern wireless communications in the area of a research hot spot, it is the receiver for coherent detection, demodulation and balanced basis. In channel estimation, the interpolation is a very important aspect. P

5、ilot signals to ensure the accuracy of the estimated under the premise of quality interpolation mode determines the channel estimation performance is good or bad. In this paper, numerical analysis of the pilot-based channel estimation in OFDM systems in a comparative analysis of interpolation proble

6、m and, through simulation experiments, to draw a scientific conclusion, given the signal to noise ratio in different conditions to be used Pilot patterns and interpolation methods.Key Words: Orthogonal Frequency Division Multiplexing, Channel Estimation, Pilot, Interpolation目 录1 绪论12 OFDM原理和系统模型23 信

7、道估计43.1 信道模型43.2 基于导频的OFDM系统信道估计算法分析模型53.3 几种常用的信道估计算法53.3.1 最小二乘（LS）信道估计算法63.3.2 最小均方误差（MMSE）信道估计算法63.3.3 最大似然（ML）估计算法74 信道估计中的插值问题94.1 插值的概念94.2 线性插值94.3 二阶插值104.4 线性滤波器插值（Interp）算法104.5 基于DFT的时域插值104.6基于低通滤波的变采样率插值（Resample）算法115 数值仿真与结果分析125.1 无噪声环境下的插值精度比较125.2 有噪声环境下的插值精度比较155.3 插值算法的运算量比较156

8、结论16致谢16参考文献17附录181 绪论正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）是一种特殊的的高速传输技术，多载波调制（MCM）方式，它可以被看作一种调制技术，也可以被当作一种复用技术，它具有良好的抗多径干扰性能。它的基本原理就是在频域内将系统的总带宽划分成许多子信道，每个子信道都采用彼此正交的并行子载波来进行传输。由于各个子载波之间存在正交性，所以允许子信道的频谱相互重叠。因此与常规的频分复用系统相比，OFDM系统可以最大限度地提高了频谱资源利用率。通过将高速数据流串转换到各个子载波上，每个子载波上的比特速率大为降低，

9、每个子载波中的符号周期会相对增加，因此能有效抑制由于多径时延扩展造成的符号间干扰（ISI）。由于OFDM技术的良好抗符号间干扰（ISI）性能及对频谱资源的高效利用性，它已经成功地应用于欧洲数字音频广播（DAB，Digital Audio Broadcasting）、数字视频广播（DVB，igital Video Broadcasting）、基于IEEE80211标准的无线本地局域网（WLAN）以及非对称高速率数字用户线技术（ADSL）等领域。并且，世界普遍认为，OFDM将是未来第四代无线移动通信中的关键技术之一。移动通信中的无线传输信道是一个时变的多径衰落信道。为了使发送数据经过信道衰落后，在

10、接收端被正确接收，数据所经的信道衰落影响就应该被合理补偿。信道估计技术作为获得信道衰落参数的手段，是现代无线通信领域中的一个研究热点，它是接收端进行相干检测、解调、均衡的基础，是提高无线数据传输接收性能的关键技术之一。同差分解调相比带有信道估计的导频符号辅助相干解调，可增加2.53dB的信噪比增益，还可利用频带利用率高的多电平调制技术（如M-QAM）；此外，信道估计还能提供空时码解码及多用户检测、最大比分集合并等技术所需信息，尤其在无线数据分组通信中，由于常需获得每个数据包经历的信道状态，信道估计很重要。鉴于传输速率较高，所以在基于OFDM的新一代无线通信系统中要使用相干解调（Coherent

11、 Detection）技术获得较高的性能。因此信道估计成为完全实现OFDM系统优良性能的关键技术之一。信道估计有利于消除信道对OFDM系统性能的影响，是进行相关检测、解调、均衡的基础。传统的无线通信系统中信道估计方案已经较成熟，而对于OFDM的移动通信系统的信道估计方法尚处于研究和探索阶段。信道估计的方法总体可分为时域信道估计算法和频域信道估计算法两大类，又可分为基于导频或训练符号的辅助信息信道估计算法和盲信道估计算法两大类。盲估计基于子空间算法及高阶统计量，其运算量大、灵活性差，在实时系统中的应用爱到很大限制。导频辅助估计通过在时域和频域插入导频，先进行导频位置的估计，再根据不同的导频图案对

12、信道的全响应做出估计。对导频位置估计的准则有最小平方（LS）、最小均方误差（MMSE）、最大似然估计（MLE）等。在正交频分复用（OFDM）系统中常通过插入已知的导频信号进行信道粗估计，然后通过插值方法求出信道的全响应。在信道估计中，插值是个很重要的环节。在保证导频信号估计的正确性前提下，插值方式的好坏决定了信道估计性能的优劣。常用的插值方法有：线性插值（Linear）、二阶插值、线性滤波器插值（Interp）、基于DFT的时域插值、基于低通滤波的变采样率插值（Resample）等。而在基于导频的OFDM系统信道估计中，至今尚未见相关文献对其中的插值问题进行科学分析。2 OFDM原理和系统模型

13、正交频分复用（OFDM）是一种特殊的多载波调制（MCM）方式，它可以被看作一种调制技术，也可以被当作一种复用技术。它的主要思想就是在频域内将总的信道分成很多个子信道，每个子信道上使用一个子载波进行调制，各个子载波之间相互正交，而且并行传输。这样，通过将高速串行数据流转化为低速并行数据流，尽管总的信道是非平坦的，具有频率选择性，但是每个子信道是相对平坦的（频带窄），信号带宽小于信道的相干带宽，就有效地消除了总的信道的频率选择性，对各路正交子载波的调制就用快速傅立叶反变换（IFFT）来实现。为了消除多径效应带来的码间干扰（ISI），在每个OFDM符号前面插入了循环前缀（CP），将OFDM每个符号最

14、后一段波形复制到该符号前面。CP作为一种保护间隔，它使ISI几乎完全消除。图1 OFDM系统原理框图OFDM系统原理框图如图1所示，信源发出的二进制信息经过多进制调制成组地映射成QPSK或QAM信号，经过串并变换再插入导频之后，频域信号经过IDFT变换成为时域信号，然后插入保护间隔（CP），得到(1)式（1）中是子载波数，是保护间隔（即CP）所含的采样点数。接着发送信号通过具有加性高斯白噪声的频率选择性多径衰落信道后到达接收端，则接收信号的表达式为(2)式（2）中，是信道的脉冲响应，是加性高斯白噪声，符号“”表示卷积运算。无线移动信道通常采用广义静态非相关散射（WSSUS）信道模型，所以信道脉

15、冲响应可表示成(3)式（3）中，表示传播路径总数，是第径上的复脉冲响应，是第径上的多普勒频移，表示时延扩展索引，是第径由采样时间归一化的延时。从上去掉保护间隔得到序列，再经过DFT变换，得到频域序列。假设保护间隔长度大于信道的脉冲响应长度，那么OFDM符号之间不存在ISI，因此(4)式（4）中，是的傅立叶变换，而是由多普勒频移引起的载波间干扰。然后就可以从中提取接收导频信号，从而得到导频子载波上的信道响应，再经过插值得到完整的信道响应。这样，发送数据就可以通过在每个子载波上作一个单抽头的复数除法而简单地恢复出来。即(5)式（5）中，是的估计值。从式（5）中也可以看出OFDM系统相对于单载波系统

16、而言，其均衡复杂度要低得多。在OFDM的实际应用中，由于载波频率偏移、定时偏差以及信道的频率选择性衰落等的影响，信号会受到破坏，导致相位偏移和幅度变化等。为了准确恢复信号，接收端存在两种信号检测方法，差分检测和相干检测，也因此就有了非相干（差分）OFDM系统和相干OFDM系统之分。在非相干（差分）OFDM系统中，发射机对连续传输的OFDM码字中对应子载波上的符号进行差分编码后，再送入IFFT处理并加入循环前缀。接收端通过差分解调的方法获得对传输符号的估计。这种方法的最大优点是，不需要信道的状态信息，因此接收机比较简单，但为了提高系统的频谱利用率，OFDM系统需要采用幅度非恒定的调制方式，在这种

17、情况下，接收机需要知道信道状态信息进行相干解调，事实上即使对于正交相移键控这样幅度恒定的调制方式，利用信道状态信息进行相干解调也要比差分解调提高系统的性能3-4dB，所以总体上相干解调的性能要优于非相干解调，也正因此相干解调在OFDM接收系统中被广泛采用，而相干解调的核心思想就是通过信道估计得到OFDM符号子载波的绝对参考相位和幅度，因此，在相干OFDM接收机中，进行信道估计是其最重要的一个任务。3 信道估计信道估计是现代无线通信领域中的一个研究热点，它是接收端进行相干检测、解调、均衡的基础。在理论研究中，为了更好地描述信道对信号的影响，我们引入信道模型的概念。无线通信系统的性能主要受到无线信

18、道的制约，而无线信道的建模通常采用统计的方法进行。绝大多数的信道模型是通过研究信号在特定环境下的特性来设定的。无线移动信道是时变的多径衰落信道，在时间轴和频率轴上都呈现选择性衰落。由于在移动通信中信道的特性随时间变化，为了提高通信效率和通信质量，增强OFDM系统的抗噪性能，非常有必要对信道的当前特性进行估计。信道估计实际上可以定义为描述物理信道对输入信号的影响而进行定性研究的过程，是信道对输入信号影响的一种数学表示，它的主要任务就是根据接收到的经信道影响在加幅度上和相位上产生了畸变并叠加了噪声的接收序列，辨识信道时域或频域的传输特性。对OFDM系统而言，即估计每个子载波上的频率响应值。由于OF

19、DM对各个子载波间的正交性要求，使得OFDM系统的收发双方必须严格同步（包括载波同步和采样时间同步等），同时必须有足够精确的信道估计。在OFDM通信中，信道估计的算法很多，可分为时域信道估计算法和频域信道估计算法两大类，又可分为基于导频或训练符号的辅助信息信道估计算法和盲信道估计算法两大类。基于导频插入的信道估计是指在发送信号中插入导频信号，接收端通过对导频信号的处理进行信道估计。因其能够有效地减轻和补偿无线信道多径衰落的影响而成为最常用的方法。3.1 信道模型假设信道是缓慢变化的，即认为在一个OFDM符号内信道不发生变化。考虑有个冲激的多径信道衰落模型(1)式（6）中，为零均值复高斯随机变量

20、，其功率延迟谱为。指数衰减功率延迟谱为(2)式（7）中在CP上均匀分布，为均方根时延扩展，为常数。3.2 基于导频的OFDM系统信道估计算法分析模型图2 基于梳状导频分布的信道估计框图基于导频的OFDM系统信道估计算法的基本过程地：在发送端适当位置插入导频，接收端利用导频恢复出导频位置的信道信息，再利用某种处理手段（如内插，滤波，变换等）获得所有时段的信道信息。插入的导频有块状和梳状之分，基于梳状导频分布的信道估计框图如图2所示，假设导频序列是等间隔插入到发送序列中，每个OFDM符号中插入个导频，则导频符号所在子载波的频率响应为：(3)接收到的导频序列为：(4)则有：(5)其中为导频所在子信道

21、的高斯噪声，是以为主对角线的对角阵。至此，对以上导频所在的子信道的频率响应进行算法分析。3.3 几种常用的信道估计算法在OFDM系统中，常用的信道估计算法有最小二乘（LS）信道估计算法、最小均方误差（MMSE）估计算法、最大似然（ML）估计算法等，下面分别对其进行分析。3.3.1 最小二乘（LS）信道估计算法最小二乘（LS）信道估计是最简单的信道估计方法。通过在发送信号中插入导频信号，接收端通过对导频信号的处理获得信道估计，也就是信道的冲激响应（或冲激响应的傅立叶变换），然后再通过插值方法获得信道在所有时刻的冲激响应（或冲激响应的傅立叶变换）。采用梳状导频分布的插入方案，导频在时域周期性地分配

22、给OFDM符号，所有的子载波均携带导频信息。当输入矩阵X为导频信号时，LS信道估计算法就是要使最小，导频符号所在子载波的频率响应为：(6)接收到的导频序列为：(7)上式中，是导频数，是以为主对角线的对角阵，和分别表示导频载波上的载波间干扰（ICI）和高斯噪声矢量，那么基于最小平方（LS）准则的导频信号估计可以表示为(8)式中是由一个OFDM符号解调后的输出信号组成的向量。该算法的优点是思路简单，有需要任何的信道统计特性，具有非常低的计算复杂度，便于实现。缺点是估计准确度不高，其性能易被高斯白噪声和子载波间干扰（ICI）恶化，尤其是信噪比低时更为明显。数据载波上的信道响应是由相邻导频载波上的信道

23、响应插值得到的，所以基于梳状导频分布的OFDM的性能很大程度上依赖于导频信号估计的精确性。3.3.2 最小均方误差（MMSE）信道估计算法最小均方误差（MMSE）信道估计算法是在LS估计的基础上进行的，它的结构与LS所采用的结构相同，但它对ICI和高斯白噪声有很好的抑制作用。频域信道响应的MMSE估计值为：(9)式（14）中(10)为频域信道矢量的自协方差矩阵，为加性高斯噪声的方差。上式所示的估计器相当复杂，因为当插入导频每次变化时都需要矩阵求逆，当维数增加时，这个求逆运算有很大的计算量，导致系统效率很低，在实际应用中受到了限制。为了降低运算量，对发送数据求平均，用代替，仿真结果表明，这种近似

24、带来的性能恶化可以忽略。简化后的MMSE估计表达式为：(11)式（16）中，(12)代表平均信噪比，(13)是取决于调制方式的常数，为单位矩阵。如果能事先知道或者设定信道自相关矩阵的话，改进后的估计算法只与导频的统计特性有关，而与其具体取决值无关，所以只需计算一次就可以了，从而大大降低了运算量，而估计的性能较MMSE估计算法却没有明显的恶化。若系统采用梳状导频分布，时域上是连续估计的，可以不考虑时域的相关性，仅考虑频域的相关性就行，因此这里的信道自相关矩阵只和载波间的频率差有关。3.3.3 最大似然（ML）估计算法最大似然（ML）估计算法是最常用和最有效的信道估计方法。基本思想是：在对被估计的

25、未知量（或参数）没有任何先验知识的情况下，利用已知的若干观测来估计该参数。因此，在使用最大似然估计时，被估计的参数在观测期间是未知的随机变量。令是随机变量的个观测值， 是给定参数情况下观测样本的联合条件概率密度函数，假设联合条件概率密度函数存在，且有界，我们来考虑未知（固定）参数的估计问题。当把联合条件分布密度函数视为真实参数的函数时，我们称之为似然函数，它是包含未知参数住处的可能性函数。最大似然估计就是求出使似然函数最大化的估计值，数学公式：(14)因此最大似然估计也可以看作是联合条件密度函数的全局最大值。设单一用户的发送信号(15)其中：(16)式中：单用户发送的第p个符号；单用户的扩频码

26、序列；扩频码片宽度；扩频增益；高斯脉冲波形。总的接收信号(17)式中为加性高斯白噪声。因此有(18)信号的估计值为：(19)对数似然函数：(20)对于超宽带信号，时，(21)代入得：(22)其中，(23)(24)为了使最大化，分别求对和的偏导数，并分别令其为0，便可得到最大似然估计算法的信道冲激响应的均方误差估计值和信道时延估计值。4 信道估计中的插值问题在信道估计中，插值是个很重要的环节。在保证导频信号估计的正确性前提下，插值方式的好坏决定了信道估计性能的优劣。考虑梳状导频分布的情况，信道估计中常用的插值方式主要有线性多项式插值、线性滤波器插值、基于DFT的时域插值、基于低通滤波的变采样率插

27、值等。4.1 插值的概念为定义在上的函数，为上个互不相同的点，为给定的某个函数类。若上有函数，满足(1)则称为关于节点在上的插值函数。点称为插值节点，可用简单表示，而称为被插函数。根据插值定义，插值函数实际上是一条经过平面上点的曲线，这条平面曲线函数，就可作为的逼近函数。4.2 线性插值线性插值（Linear）的原理就是利用前后相邻导频位置上的信道响应，线性计算出数据载波上的信道响应。设OFDM系统的子载波数为，个导频均匀分布，则导频间隔为：(2)对于子载波，其中是导频索引，即，用线性插值得到的信道响应为：(3)4.3 二阶插值采用更高阶的多项式插值比线性插值得到的信道响应更接近于实际值。当然

28、，计算复杂度也是随着阶数的增大而增加。二阶插值由于其好的逼近性能和不算太高的复杂度而颇有实用价值。其插值器的表达式为：(4)上式中(5)(6)(7)(8)4.4 线性滤波器插值（Interp）算法基于线性滤波器的插值算法（Interp）的基本过程如下：（1）构造一个插值滤波器；（2）对原始信号的插值点进行补零，构造新的信号序列(9)（3）用对滤波得到原始信号的插值序列(10)4.5 基于DFT的时域插值基于DFT的时域插值法根据信号处理过程中在时域补0等效于在频域进行内插的原理恢复出信道的频率响应，是一种比较有效的插值算法，它可为分以下几个步骤实现：（1）对得到导频信道响应进行IFFT(11)

29、（2）进行0补值(12)（3）对所有子信道估计结果为(13)4.6 基于低通滤波的变采样率插值（Resample）算法基于低通滤波的变采样率插值算法（Resample）可以描述如下：（1）通过IDFT计算的变换域：(14)式（43）中，(15)下标表示按点的运算。（2）然后对作点DFT即可得到的插值序列：(16)其中的为导频数目，为插值得到的样点数（即DFT点数），且(17)为整数，为补零后的序列；表示循环右移。上述的算法描述的一个等价形式时把其中的DFT和IDFT运算互换，即先进行DFT再进行IDFT。可以证明，当信道的时域冲激相应的有效持续时间满足(18)时，则插值精度只与计算精度有关，其

30、中(19)为采样频率。5 数值仿真与结果分析以上介绍了几种常用的插值算法及其误差来源，为了直观地比较它们，我们分别在无噪声精度、有噪声精度、算法的运算量三个方面作了数值仿真。同时，为了客观地进行对比分析，对导频载波上的信道估计全部采用最小均方误差（MMSE）估计算法进行估计，只是在对数据载波上的估计时采用不同的插值算法。数值仿真的数据条件：（1）子载波数目；（2）信道的冲击响应抽头个数分别为，每个抽头系数均为零均值方差为1的复高斯变量；（3）插值倍数（基于2的次幂的DFT算法）。下面的数值仿真均以信道响应的FFT变换结果（）：作参考，计算出插值误差信号功率(20)用参考信号功率与插值误差信号功

31、率的比值(21)作为衡量标准（单位为dB）。5.1 无噪声环境下的插值精度比较图3中的9幅子图分别表示了当冲激响应长度为时，四种线性插值和两种滤波器插值方法的误差性能对照。之所以没有列出基于FFT的插值算法的情形，是因为数值仿真证实了FFT算法确实只与计算精度有关（在MATLAB环境下测试结果为：对不同和，均在以上）。其中Llinear、Interp、Resample分别为一阶线性插值、插值滤波法和基于低通滤波的变采样率算法。从图中可以明显看出：（1）线性插值方法性能最差，其上限为左右；基于低通滤波的变采样率算法其次，其上限为左右；插值滤波法的性能稍好，其上限可以在左右。（2）基于滤波器的两种

32、算法随着信道冲激响应时间的变长，都迅速劣化，而对线性插值算法影响不大。图3 无噪声环境下的插值精度比较图4 不同信噪比条件下的插值精度损失5.2 有噪声环境下的插值精度比较为了更全面地对比插值算法的性能，我们以冲激响应时长为，插值倍数的情形为例对噪声对插值精度的影响进行了仿真实验，结果如图所示，其中的纵轴表示有噪声时插值精度的损失（dB）。同图3这里也没有给出基于DFT（FFT）的插值算法情形，是因为其插值精度仅与噪声功率有关，无对照性可言。从图中可以看出：（1）线性插值本身的精度所造成的插值误差远大于噪声所带来的插值误差；（2）虽然Resample的精度劣于Interp，但图3显示出Inte

33、rp比Resample对噪声的影响更为敏感（为了获得与无噪声条件下相当的性能，Resample只要求信噪比达到以上，而Interp则要求高达）；但另一方面，虽然按图4，Interp在时，的条件下有近精度损失，但由于Interp在和的无噪声条件下比Resample的精度高左右（由图3），从而插值精度和Resample仍然相当，所以在时Interp算法比Resample更优。但二者本质上都是滤波器算法，图3中也显示了二者随插值倍数增加误差性能渐趋一致；只是Interp对原数据点作了适当补偿，使之和原数据点一致，即在这些点处的噪声没有作处理，故而对噪声敏感；而Resample则用了线性相位的线性均方

34、FIR滤波器（其精度与阶数有关，图中均为10阶）处理，不对原数据点作上述修正，所以其误差略大同时受噪声影响较小。（3）当，Interp误差精度劣化左右，又由图3，时Interpr的无噪声精度均在附近，而此条件下，FFT的误差精度也只有左右，即此时二者的性能相当。5.3 插值算法的运算量比较（1）算法运算的复杂度用每个子载波上的信道频率响应所需要进行的乘法次数和加法次数衡量，各插值算法的计算复杂度见表所列。表插值算法的计算复杂度算法线性插值12二阶插值32基于DFT的时域插值（2）FFT算法运算量与插值倍数无关，因为FFT算法的运算量仅与FFT点数有关；Interp和Resample的运算量与插

35、值倍数成指数增长；而对于线性插值，因为参与运算的数据量与插值倍数成倒数关系，故运算量是线性下降。（3）Interp的运算量在本文的实验条件（）下均高于FFT法，而Resample则低于FFT法。但对运算量的绝对值需要指出的是，MATLAB给出的结果仅具参考意义，不能完整说明其效率的优劣，因为其中的函数实现对某些系统不一定是最优的。6 结论本文通过数值仿真对基于导频的OFDM系统信道估计中的几种插值算法进行了对比分析，得出了以下结论：（1）线性插值算法仅对具有大致斜面特性的函数有效，不能用于本文所讨论的OFDM系统的信道估计或类似的系统；（2）基于插值滤波的方法随着无线信道中多径效应的加剧和导频

36、数目的减少，其插值精度逐渐劣化。对于常见的无线环境，此时为了达到以上的插值精度，要求，即：导频数目不得小于子载波总数的十分之一；（3）FFT法在无噪声条件下的插值精度仅与计算精度有关，在有噪声条件下其误差功率近似等于噪声功率；（4）FFT必须严格保证FFT点数与导频数目为整数倍关系且必须是等间隔分布，而基于插值滤波方法则没有这个限制；（5）在某些信噪比条件下，FFT法与插值滤波法的误差性能相当，甚至在低信噪比下劣于插值滤波法；（6）从运算量角度看，FFT法与插值倍数无关，即不随导频数的减少而变化，而插值滤波法则随之指数增长。归纳起来，在高信噪比条件下FFT法优于其它任何插值算法，但在某些信噪比

37、条件下，低于插值滤波法，同时它严格要求插值倍数与子载波总数成整数倍关系，所以FFT法并不是最优的，必须根据系统的信号环境决定采用哪种插值方法或合理设计导频图案。致谢本课题是在指导老师的精心指导下完成的。在整个研究过程中，得到了指导老师的全力支持和帮助。导师在学术上理论的渊博和对科学研究精益求精的工作态度与风格不但使我受益非浅，也深深地感染了我，在此对指导老师表示诚挚的感谢！同时也感谢本组同学在我做课题的过程中给予我的巨大帮助和鼓励，还要特别感谢本班的一些同学在我写论文期间给我提出的宝贵意见和关心支持。在此，对导师给我提供的良好学习和实验环境致以真诚的谢意！参考文献1彭铃.OFDM系统中基于导频

38、的信道估计及其MATLAB仿真J.井冈山学院学报（自然科学），2008，29（2）2刘军峰，马海武.基于导频符号的信道估计算法研究J.通信技术，2008，41（01）3李冬霞，王高虎，刘海涛.基于导频的OFDM信道估计算法性能分析J.中国民航大学学报，2007，25（5）4张学毅，梁建华，周春临.多带OFDM超宽带系统信道估计的研究J.通信技术，2008，41（07）5刘岚，王蓬.基于MATLAB的移动通信信道建模与仿真J.中国科技论文在线6刘钧雷，叶芳，朱琦.OFDM系统中基于导频的信道估计J.重庆邮电学院学报，2004，16（4）7邝育军，乐光新.基于导频的OFDM信道估计中几种插值算法性

39、能比较分析J8王跃.OFDM系统信道估计算法研究J.中国科技论文在线9沈若聘，李健.基于梳状导频的OFDM信道估计算法J.电力系统通信，2008，29（187）10韩丹夫，吴庆标.数值计算方法M.杭州：浙江大学出版社，200611万永革.数字信号处理的MATLAB实现M.北京：科学出版社，200712leve B.Moler美著，喻文健译.MATLAB数值计算M.北京：机械工业出版社，200613张宝刚，夏靖.OFDM的研究与仿真J.通信技术14蒋涛.OFDM系统中的信道估计技术J.四川师范大学学报（自然科学版），2007，30（1）15叶晟.基于导频的OFDM系统信道估计J.中山大学研究生学

40、刊（自然科学、医学版），2007，28（2）附录信道模型的建立MATLAB程序function rx_signal=channel(tx_signal,cir,sim_options);golbal sim_consts;rx_signal=zeros(1,size(tx_signal,2)+size(cir,2)-1);rx_signal=conv(tx_signal,cir);len=size(rx_signal,2);noise_var=64/52/(10(sim_options. SNR/10)/2;noise=sqrt(nose_var)*(randn(1,len)+j*randn(1,len);end_noise=sqrt(noise_var)*(randn(1,170)+j*randn(1,170);rx_signal=rx_signal+noise;rx_signal=rx_signal end_noise;rx_signal=create_freq_offset(rx_siignal,sim_options. FreqError);