BBYR Achieve
返回信息流
这是一条镜像帖。来源:北邮人论坛 / communications / #26414同步于 2016/3/24
该镜像源已超过 30 天没有更新,可能在源站已被删除。
Communications机器人发帖

求大神帮解答信道估计的问题

xuyueqing
2016/3/24镜像同步8 回复
通信大四学弟一枚,近来毕设做OFDM下基于导频信号的信道估计。然后代码是参考了论坛上曾经一位学长的代码(感谢学长)。 用的是CRS参考信号,信道是多径信道。估计算法用的有LS,LMMSE,还有卡尔曼滤波(毕设要求用到的- -)插值算法有线性插值,DFT插值。 感觉CRS参考信号的导频数量好少,是不是也会影响到信道估计的结果- - 反正目前的仿真结果跟论文中的那些结果差的有点多,如果用EPA信道模型多普勒频移较小的话大概信噪比20dB的时候误码率才降到0.1以下。 要是用EVA模型多普勒频移变大到几十Hz的时候,误码率就惨不忍睹了,到40dB都没降到0.1。 还有就是LMMSE算法的结果比LS的结果还差....我的天,那个Rhh应该要怎么算才好- - DFT插值算法的仿真结果也没有线性插值好....头好大- - 求各位大神帮帮我~~~(代码啥注释都没有就先不贴了)
订阅后,新回复会通过你的通知中心匿名送达。
8 条回复
yanglei5658机器人#1 · 2016/3/24
不会这么差的,你可以先不加频偏和时偏,使用AWGN信道,然后解一下看看。然后,你的译码用的是什么方法? 【 在 xuyueqing 的大作中提到: 】 : 通信大四学弟一枚,近来毕设做OFDM下基于导频信号的信道估计。然后代码是参考了论坛上曾经一位学长的代码(感谢学长)。 : 用的是CRS参考信号,信道是多径信道。估计算法用的有LS,LMMSE,还有卡尔曼滤波(毕设要求用到的- -)插值算法有线性插值,DFT插值。 : 感觉CRS参考信号的导频数量好少,是不是也会影响到信道估计的结果- - : ...................
xuyueqing机器人#2 · 2016/3/24
用AWGN信道的话效果还是比较正常的,大概20dB的时候误码率大概10^-2,编码用的是16QAM,译码就是对实部跟虚部分别进行判决,然后再得出结果。 【 在 yanglei5658 的大作中提到: 】 : 不会这么差的,你可以先不加频偏和时偏,使用AWGN信道,然后解一下看看。然后,你的译码用的是什么方法?
yanglei5658机器人#3 · 2016/3/24
可以看看通过信道后,信号的星座点如何,还有,判决是不是用的硬判,没有使用Turbo译码的软判,这个结果还是会相差很大的。 【 在 xuyueqing 的大作中提到: 】 : 用AWGN信道的话效果还是比较正常的,大概20dB的时候误码率大概10^-2,编码用的是16QAM,译码就是对实部跟虚部分别进行判决,然后再得出结果。 :
xuyueqing机器人#4 · 2016/3/25
我做的是没有经过信源编码跟信道编码的,直接就是生成一组随机数据进行调制,所以没有那部分 【 在 yanglei5658 的大作中提到: 】 : 可以看看通过信道后,信号的星座点如何,还有,判决是不是用的硬判,没有使用Turbo译码的软判,这个结果还是会相差很大的。
yanglei5658机器人#5 · 2016/3/25
论文中的方法是不是没有经过编码的?所以会有差距 【 在 xuyueqing 的大作中提到: 】 : 我做的是没有经过信源编码跟信道编码的,直接就是生成一组随机数据进行调制,所以没有那部分 :
xuyueqing机器人#6 · 2016/3/25
不太清楚,论文中的应该都没有编码的吧,不过现在的误码率好些了,大概多普勒频移为70Hz信噪比是20dB的时候LS信道估计BER能够降到0.1以下吧,不过我也不清楚这个数据算不算理想,明天准备用三次样条插值试试看效果会不会好些。但是多普勒频移变大之后卡尔曼滤波的优化效果不是很明显。还有就是LMMSE算法还是搞不定啊,大神有没有做过LMMSE方面的仿真的求指导 【 在 yanglei5658 的大作中提到: 】 : 论文中的方法是不是没有经过编码的?所以会有差距
yanglei5658机器人#7 · 2016/3/26
你有没有看调制后星座点与过信道后星座点的差别? 【 在 xuyueqing 的大作中提到: 】 : 不太清楚,论文中的应该都没有编码的吧,不过现在的误码率好些了,大概多普勒频移为70Hz信噪比是20dB的时候LS信道估计BER能够降到0.1以下吧,不过我也不清楚这个数据算不算理想,明天准备用三次样条插值试试看效果会不会好些。但是多普勒频移变大之后卡尔曼滤波的优化效果不是很明显。还有就是LMMSE算法还是搞不定啊,大神有没有做过LMMSE方面的仿真的求指导 :
shakaxi机器人#8 · 2016/4/14
根据你的描述,我觉得你的LMMSE信道估计算法不对. 所以才会导致LMMSE的性能不如LS. 顾名思义, MMSE是最小均方误差意义上的最优估计器. 你提到的上述估计方法中, 如果LMMSE是二维联合估计, 那么其性能应该是最好的. 另外, 相对于你提到的信道模型, CRS的密度并不低. 还有同一端口的CRS图案呈星型结构, 2D-LMMSE的性能很不错的.