A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Bayesian Learning-Assisted Joint Frequency Tracking and Channel Estimation for OFDM Systems Rastreamento de Frequência Conjunta Assistida por Aprendizagem Bayesiana e Estimativa de Canal para Sistemas OFDM

Hong-Yu LIU

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

A multiplexação por divisão de frequência ortogonal (OFDM) é muito sensível ao deslocamento de frequência da portadora (CFO). A precisão da estimativa do CFO tem grande impacto no desempenho do OFDM. Neste artigo, é proposto um novo rastreamento de CFO conjunto bayesiano assistido por aprendizagem e estimativa de resposta ao impulso do canal. O algoritmo proposto é modificado a partir de um algoritmo Bayesiano de estimativa assistida por aprendizagem (BLAE) da literatura. O BLAE é baseado na maximização da expectativa (EM) e exibe o erro quadrático médio (MSE) do estimador inferior ao limite de Cramer-Rao (CRB) quando o valor do CFO está próximo de zero. No entanto, o seu valor MSE pode aumentar rapidamente à medida que o valor CFO se afasta de zero. Assim, o estimador CFO do BLAE é substituído para resolver o problema. Originalmente, o critério de projeto do estimador CFO de amostra única (STS) na literatura é baseado em máxima verossimilhança (ML). Seu desempenho MSE pode chegar ao CRB. Além disso, sua faixa de estimativa de CFO pode atingir a faixa mais ampla necessária para um estimador de rastreamento de CFO. Para um CFO normalizado pelo espaçamento da subportadora, a faixa de rastreamento mais ampla necessária é de -0.5 a +0.5. Aqui, aplicamos o método de design do estimador STS CFO à estrutura de aprendizagem bayesiana baseada em EM. O algoritmo STS Bayesiano assistido por aprendizagem resultante exibe o desempenho do MSE inferior ao CRB, e sua faixa de estimativa do CFO está entre ± 0.5. Com esse critério de projeto de aprendizagem Bayesiano, a potência adicional de ruído do canal e o perfil de atraso de potência devem ser estimados, em comparação com o critério de projeto baseado em ML. Com as informações estatísticas adicionais do canal, o algoritmo derivado apresenta desempenho do MSE melhor que o CRB. Dois canais seletivos de frequência são adotados para simulações computacionais. Um tem pesos fixos e o outro é o desvanecimento Rayleigh. Também são fornecidas comparações com os algoritmos mais relacionados.

Publicação
IEICE TRANSACTIONS on Fundamentals Vol.E106-A No.10 pp.1336-1342
Data de publicação
2023/10/01
Publicitada
2023/03/30
ISSN online
1745-1337
DOI
10.1587/transfun.2022EAP1167
Tipo de Manuscrito
PAPER
Categoria
Teoria da Comunicação e Sinais

autores

Hong-Yu LIU
  Fu Jen Catholic University

Palavra-chave