MIMO-OFDM 系統的盲信噪比估計＊

洪順利 徐建衛 李亮

1.浙江交通職業技術學院智慧交通學院；2.熵時代（北京）科技有限公司

基于對信號循環平穩特性的分析，本文提出一種MIMO-OFDM 系統的盲信噪比估計方法。首先，通過在發送端做預處理，使各發送信號循環自相關函數擁有不同的零點，將多用戶問題轉化成多個單輸入輸出的單用戶問題，然后，結合發送信號循環自相關函數的能量分布規律，提出了一種信噪比估計方法。計算機仿真結果驗證了本算法可以有效估計信噪比。

準確的通信信道信噪比值是反映通信質量，實現高速、高可靠性傳輸的重要指標。在通信信號處理的很多研究領域，功能強大的信號處理算法在運行過程中都需要將信噪比信息作為必不可少的先驗信息。因此快速準確的信噪比估計算法有重要的應用。

目前的研究工作主要集中在單用戶情形。信噪比估計方法分為兩類：數據輔助的信噪比估計和非數據輔助的盲信噪比估計。前一種估計需要已知發送端的先驗值，而盲信噪比估計方法無需知道發送信息，傳輸速率高而逐漸受到重視。利用OFDM 信號的循環平穩特性，已有多篇論文研究了盲信道估計及單用戶環境下的盲信噪比估計。然而關于多用戶MIMO-OFDM 系統的盲信噪比估計還未有相關報道。

本文提出一種MIMO-OFDM 系統中多用戶環境下的盲信噪比估計方法。首先利用各個發送信號循環自相關函數擁有不同的零點，把多用戶的問題轉化成多個單輸入輸出的單用戶問題；其次分析發送信號和噪聲循環譜函數的能量分布規律，估計信號功率和噪聲功率。計算機仿真驗證了新方法的有效性。

1 系統模型

本文基于MIMO-OFDM 系統，有

M

個發射天線，

M

個接收天線，而在接收端，一個接收天線由多路信號組成，每路接收信號是由不同時延的發送信號合成的，采用多徑衰落模型，則第

t

(0 ≤

t

≤

M

-1)個接收天線的接收信號可以表示為：

2 MIMO-OFDM 系統中盲信噪比估計

本文OFDM 符號塊不僅引入循環前綴，使得具有循環平穩特性，同時還引入了循環后綴(CS)。其中，M表示OFDM 符號塊中的數據長度；L 表示循環前綴與循環后綴的長度之和；P=M+L 表示一個OFDM 符號的長度。若在一個OFDM 符號內信道是不變的，則可以證明接收信號仍然具有循環平穩特性。

本文算法的核心是如何將MIMO 信道轉化為多個單輸入單輸出信道。為了方便分析，以2×2 系統為例介紹多信道分離方法。

第0 個接收天線接收信號為：

第0 個接收信號的周期自相關函數分別為：

若需要對

h

信道進行盲信噪比估計，首先，必須知道第0 個天線的接收信號自相關函數，表達式為：

對式(4)做傅里葉變換，得到接收信號的循環自相關函數，進一步利用兩徑之間時間間隔相等與否，可得如下表達式：

3 仿真與性能比較

本文采用2×2 系統，4QAM 調制技術；子載波數M=30；循環前綴CP=8，循環后綴CS=2，則L=10，周期P=40；而采用的信道沖擊響應

h

=[1-0.8+0.2j0.6-0.3j0.8-0.5j]，

h

=[1-0.5+0.3j0.6-0.3j0.7-0.5j]，

h

=[1-0.5+0.2j0.6-0.3j0.8-0.4j]，

h

=[1-0.8+0.2j0.6-0.3j0.8-0.5j]；符號數N=1024，并進行1000 次的蒙特卡羅平均試驗。如圖1 所示給出了新方法的信噪比估計值與實際值隨SNR 變化曲線圖。新方法的

h

，

h

信道的SNR 估計值非常接近于SNR 真實值。

圖1 信噪比估計值與實際值的比較圖Fig.1 Comparison of the estimated value of SNR with the actual value

如圖2 所示給出了新方法的NMSE 隨SNR 的變化曲線圖。由圖可以看出，

h

，

h

信道的信噪比估計的NMSE 值隨著SNR 變大而變小，趨勢一致。

圖2 新方法SNR 估計的NMSE 隨SNR 變化曲線圖Fig.2 The curve of NMSE with SNR estimated by the new method

如圖3 所示是在不同符號數下，該信噪比估計方法的歸一化均方誤差值變化曲線圖。

圖3 新方法SNR 估計的NMSE 隨符號數變化曲線圖Fig.3 The curve of NMSE with the number of symbols for the SNR estimation of the new method

從仿真結果中可以看出，該盲信噪比估計方法能夠有效地估計MIMO-OFDM 系統各個信道的信噪比值，且精確度較高。

4 總結

本文提出了一種基于MIMO-OFDM 系統中多徑衰落信道的盲信噪比估計方法。該算法首先在發送端適當選取OFDM 信號循環后綴的長度，在接收端選取合適的循環頻率，使得各發送信號循環自相關函數擁有不同的零點，達到從循環譜分布上分離信號和噪聲的目的，然后利用發送信號循環平穩特性，提出一種估計信噪比的新方法。從仿真結果中可以看出該方法得出的信噪比估計值十分接近于真實信噪比值，有較高的準確性及有效性。

引用

[1] WANG J,LI B,LIU M,et al.SNR Estimation of Time-Frequency Overlapped Signals for Underlay Cognitive Radio[J].IEEE Communications Letters,2015,19(11):1925-1928.

[2] LI Y,LIU R,WANG R.A Low-Complexity SNR Estimation Algorithm Based on Frozen Bits of Polar Codes[J].IEEE Communications Letters,2016,20(12):2354-2357.

[3] TIAN J,ZHOU T,XU T,et al.Blind Estimation of Channel Order and SNR for OFDM Systems[J].IEEE Access,2018(6):126648-126656..

[4] RAZA M A,HUSSAIN A.Maximum Likelihood SNR Estimation of Hyper Cubic Signals Over Gaussian Channel[J].IEEE Communications Letters,2016,20(1):45-48.

[5] ZHANG J,ZHAO N,LIU M,et al.Blind Parameter Estimation of M-FSK Signals in the Presence of Alpha-Stable Noise[J].IEEE Transactions on Communications,2020,68(12):7647-7659.

[6] CHANG L,LI J,LI G Y.Blind Parameter Estimation of GFDM Signals over Frequency-Selective Fading Channels[C]//Signal & Information Processing.IEEE,2016.

[7] HUA M,ZHU J K,GONG M.Blind SNR Estimation Based on Cyclostationarity[J].Journal on Communications,2006,27(9):6-12.

[8] BEDI A S,AKHTAR J,RAJAWAT K,et al.BER-Optimized Precoders for OFDM Systems With Insufficient Cyclic Prefix[J].IEEE Communications Letters,2016,20(2):280-283.