1 信道估计

    1.1 时变信道模型

    3 时变信道BEM系数估计方法

    4 实验仿真

    观察仿真结果可以明显看出，最优训练序列下z的估计值的MSE能达到最好的性能，而且是很接近理论值的。

    时域和频域方法下不同SNR时λ的信道估计的MSE实验。估计值的MSE随着SNR变化的曲线如图2和3所示。

    对比时域和频域两种方法恢复BEM系数λ和μ的性能，如图4和5所示。

    根据时域和频域两种方法求出的MSE随着SNR变化的曲线图如图5所示。与图4比较可知，时域和频域两种方法得出的μ、λ估计值的性能差不多，但是μ估计值的误差较大。这是因为估计μ时用到了λ的估计值，造成了误差的积累和传播。

    5 结论

    本文主要内容是基于放大转发模式的双向中继网络的时变信道参数估计。信道参数估计是研究网络其他技术的基础，所以至关重要。要进行参数估计，首先要建立时变信道模型。先根据复指数基建立CE-BEM时变信道；然后运用导频码元辅助传送的策略分析整个网络的信息传送和接收过程；再采用最小二乘法估计信道，通过最小化信道估计的平均MSE分析最优训练序列满足的条件以及参数值的选取范围；最后用时域和频域两种方法从信道估计值中恢复出信道参数，结合迭代算法提高信道参数估计值的精度。此章节只是应用时变信道参数估计的方法，本文的重点是在应用这一方法的基础上进行参数估计结果的仿真。

    参考文献

    [1] C. E. Shann on, “Two-way communication channels,” in Proc. 4th Berkeley Symp. Math.Stat. Prob., 1961, pp. 611644.

    [2] G. B. Giannakis and C. Tepedelenlioglu,“Basis expansion models and diversity techniques for blind identification and equalization of time varying channels,” Proc. IEEE, Nov. 1998, vol. 86, pp. 19691986.

    [3] X. Ma and G. B. Giannakis, “Maximum-diversity transmissions over doubly-selective wireless channels,” IEEE Trans. Inf.Theory, Jul. 2003, vol.49, pp. 1832-1840.

    [4] S. M. Kay, Fundamentals of Statistical Signal Processing: Estimation Theory. Englewood Cliffs, NJ: Prentice-Hall, 1993.