MU-MIMO-OFDM上行频偏与信道联合跟踪

王旭; 何凡; 冯辉; 杨涛; 胡波

doi:10.3969/j.issn.0372-2112.2014.07.002

您当前的位置：

首页 >

文章列表页 >

MU-MIMO-OFDM上行频偏与信道联合跟踪

学术论文 | 更新时间：2025-07-16

- MU-MIMO-OFDM上行频偏与信道联合跟踪
- Joint Carrier Frequency Offset and Channel Tracking for MU-MIMO-OFDM Uplink Systems
- 电子学报 2014年42卷第7期页码：1256-1261
- 作者机构：
  
  复旦大学,上海,200433
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.60972024）;国家重大专项 (No.2012ZX03001007-003，No.2013ZX03003006-003）
- DOI：10.3969/j.issn.0372-2112.2014.07.002
  中图分类号： TN911.3
- 纸质出版：2014
- 稿件说明：
移动端阅览
王旭, 何凡, 冯辉, 等. MU-MIMO-OFDM上行频偏与信道联合跟踪[J]. 电子学报, 2014,42(7):1256-1261.

WANG Xu, HE Fan, FENG Hui, et al. Joint Carrier Frequency Offset and Channel Tracking for MU-MIMO-OFDM Uplink Systems[J]. Acta Electronica Sinica, 2014, 42(7): 1256-1261.
王旭, 何凡, 冯辉, 等. MU-MIMO-OFDM上行频偏与信道联合跟踪[J]. 电子学报, 2014,42(7):1256-1261. DOI： 10.3969/j.issn.0372-2112.2014.07.002.

WANG Xu, HE Fan, FENG Hui, et al. Joint Carrier Frequency Offset and Channel Tracking for MU-MIMO-OFDM Uplink Systems[J]. Acta Electronica Sinica, 2014, 42(7): 1256-1261. DOI： 10.3969/j.issn.0372-2112.2014.07.002.

摘要

本文提出了一种在MU-MIMO-OFDM （Multiple-User Multiple-Input-Multiple-Output Orthogonal-Frequency-Division-Multiplexing）上行链路中，联合跟踪残留频偏（Residual Carrier Frequency Offset，RCFO）和信道的算法.本算法采用EM （Expectation Maximization）方法求解该非线性问题，并使用变分推断来近似原来复杂的隐变量的后验概率.在估计RCFO时，考虑了信道估计误差的概率分布，从而降低了信道估计误差对跟踪性能的影响.仿真中，本算法达到了较高的跟踪精度，尤其是在高信噪比时没有误差平台问题.

Abstract

A joint carrier frequency offset (CFO) and channel tracking method for multiple-user multiple-input-multiple-output orthogonal-frequency-division-multiplexing (MU-MIMO-OFDM) uplink systems is proposed in this paper.We use the expectation maximization (EM) algorithm to solve the nonlinear problem

and use variational inference to approximate the posterior distribution of the latent variable.Besides

to reduce the impact of channel estimation deviation

we consider its distribution when estimating the RCFO.Simulation results show that the proposed algorithm obtains high tracking accuracy

and there is no error floor problem in the high SNR region.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于物理可解释自编码模型的雷达目标方位稳健识别算法

基于条件变分推断与内省对抗学习的多样化图像描述生成

基于特征蒸馏的变分编码器交通流预测模型

有限贝塔刘维尔混合模型的变分学习及其应用