移动无线信道中MIMO OFDM系统的优化训练设计（Matlab代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

---

💥1 概述

文献来源：

摘要：

本文介绍了一种基于导频音的多输入多输出（MIMO）正交频分复用（OFDM）系统的最小二乘（LS）信道估计方案。我们首先计算LS通道估计的均方误差（MSE）。然后，我们推导出与该 MSE 相关的最佳导频序列和导频音的最佳位置。结果表明，最优导频序列是等功率、等距和相移正交的。为了降低训练开销，还讨论了一种基于多个OFDM符号的LS信道估计方案。此外，为了增强信道估计，该文提出一种递归LS（RLS）算法，并推导了最优遗忘或跟踪因子。发现该因子是噪声方差和信道多普勒扩散的函数。通过仿真表明，本文推导的最优导频序列优于正交导频序列和随机导频序列。

📚2 运行结果

部分代码：

    % other parameters of ofdm can also be set. see help of MIMO_OFDM_LSE_CHAN_EST
%% Outputs
    MSE_CHAN_SIM = zeros(nMonteCarlo,SNR_dBVL);     % MSE of LSE channel estimation in simulation
    MSE_CHAN_THR = zeros(nMonteCarlo,SNR_dBVL);     % MSE of LSE channel estimation in theory
    MSE_CHAN_BER = zeros(nMonteCarlo,SNR_dBVL);     % BER of the MIMO OFDM with LSE channel estimation
%% Loop
cnt3 = 0;
for cnt1 = 1 : SNR_dBVL
    chanIn.SNR_dB              = SNR_dBV(cnt1); % load the SNR value    
    for cnt2 = 1 : nMonteCarlo
        [ofdm chan] = MIMO_OFDM_LSE_CHAN_EST(ofdmIn,chanIn);
        MSE_CHAN_SIM(cnt2,cnt1) = chan.MSE_Simulation;
        MSE_CHAN_THR(cnt2,cnt1) = chan.MSE_Theory;
        MSE_CHAN_BER(cnt2,cnt1) = ofdm.BER;
        
        % update the loop counter
        cnt3 = cnt3 + 1;
        disp([num2str(round(cnt3/(SNR_dBVL*nMonteCarlo)*1000)/10),' is done...'])        
    end   
end
%% Figures
    figure(1)
    clf
    semilogy(SNR_dBV,mean(MSE_CHAN_THR),'-r.',...
             SNR_dBV,mean(MSE_CHAN_SIM),'bx ')
    xlabel('SNR [dB]')
    ylabel('MSE of LSE channel estimation')
    grid on
    legend('Simulation','Theory')
    title(['Nt = ',num2str(ofdm.Nt),', Nr = ',num2str(ofdm.Nr)])
    figure(2)
    clf
    semilogy(SNR_dBV,mean(MSE_CHAN_BER),'b')
    xlabel('SNR [dB]')
    ylabel('Bit error rate (BER)')
    grid on

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

🌈4 Matlab代码实现