论文部分内容阅读
由于频谱检测技术的不完善,认知无线电系统中主要用户和次要用户的共存可能会引起严重的窄带干扰。因此,为了抑制基于OFDM的认知无线电系统中的窄带干扰,本文提出了一种基于EM算法的联合干扰估计和解码的方法,利用解码的结果改进噪声和干扰的功率估计精度,同时提高解码性能,降低误码率。随后我们给出了分别使用SISO译码器和维特比译码器实现算法的方案。在没有任何关于窄带干扰的先验信息的情形下,这两种算法实现都能达到较高的噪声加干扰功率估计精度,并很好地逼近最佳的误码率性能。为了减少估计所需要的OFDM符号数,我们提出了一种频域部分平均的方法。虽然该方法从理论上需要已知被干扰的子载波的个数,但是仿真结果表明只需要已知被干扰的子载波的数目上界,因而该方法有很好的实用性。仿真结果也表明本文提出的方法能逼近已知窄带干扰的位置和功率的最佳接收机(MLD)的性能。当采用频域部分平均方法后,精确估计噪声加干扰功率所需要的OFDM符号数大大降低,因而更适用于干扰快速变化的场合。同时,本文所提出的算法对于干扰的功率和带宽变化都有很好的鲁棒性。考虑到窄带干扰对信道估计提出的挑战,我们提出了一种联合信道估计和干扰估计的算法。该算法利用信道估计和干扰估计的相互关联,通过迭代的方法改善信道估计的精度和系统的误码率性能,并逼近已知信道信息和干扰分布的最佳接收机的性能。仿真结果表明,该算法优于传统忽略窄带干扰的方法以及分别做信道估计和干扰估计的算法性能。虽然和理想的最佳接收机的性能有一定的差距,但是该差距是可以接受的。最后,为了评估本文提出干扰估计和信道估计算法的性能,我们分别推导了干扰估计和信道估计的Cramer-Rao界。仿真结果表明,本文提出的估计算法的均方误差能够达到各自的Cramer-Rao界,从而进一步说明了本文所提出的算法的有效性。