عنوان پایان‌نامه

تخمین وفقی کانال و تخصیص منابع برای سیستمهای MIMO - OFDM



    دانشجو در تاریخ ۰۴ مهر ۱۳۸۷ ، به راهنمایی ، پایان نامه با عنوان "تخمین وفقی کانال و تخصیص منابع برای سیستمهای MIMO - OFDM" را دفاع نموده است.


    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 39627;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 1510
    تاریخ دفاع
    ۰۴ مهر ۱۳۸۷
    دانشجو
    مهدی کرمی
    استاد راهنما
    علی الفت

    چکیده OFDM یک تکنیک مشهور و جذاب برای مبارزه با پدیده پخش زمانی کانال‌های مخابراتی در سیستم‌های بی‌سیم نرخ بالا می‌باشد. در قسمت اول این تحقیق‌, هدف ما طراحی طرحهای کاربردی برای تخصیص بهینه منابع در OFDM است. ما در ابتدا طرح مدولاسیون وفقی بر مبنای اطلاعات ناقص کانال در فرستنده برای سیستمOFDM را بدست می‌آوریم که در آن توان و نرخ بهینه وفقی تمام زیرحامل‌ها برای حداکثر کردن میانگین بهره‌وری طیفی را محاسبه کرده‌ایم. ما در اینجا نشان می‌دهیم که توان بهینه دارای فرم کلی waterpouring در زمان و فرکانس است. در مقایسه با مدولاسیون وفقی با توان ثابت, که در کارهای قبلی پیشنهاد شده است, نتایج طرح ما بهبود کارایی را نشان می‌دهد که این بهبود کارایی هنگامی که متوسط سیگنال به نویز کم باشد, چشمگیرتر می‌شود. یکی از روشهای متداول و موثر برای تخمین و پیشگویی کانال محو شوندگی استفاده از تکنیک مدولاسیون به کمک سمبل‌های پایلوت است. در ادامه این پایاننامه طرح مدولاسیون وفقی به کمک سمبل‌های پایلوت در OFDM را پیشنهاد می کنیم که هدف آن بدست آوردن نرخ و توان وفقی بهینه برای ارسال داده‌ها, و به طور همزمان، بهینه سازی فاصله , توان و آرایش پایلوت‌ها است به نحوی که ضمن تأمین قیود توان و احتمال خطا، بهره‌وری طیفی حداکثر شود. ما در اینجا ضرورت حداقل کردن میانگین مربع خطا (MMSE) و رابطه آن با حداکثر کردن بهره‌وری طیفی را اثبات می‌کنیم و نشان می‌دهیم که آرایش مستطیلی‌شکل برای این مسأله آرایش بهینه است. در قسمت دوم این تحقیق الگوریتم‌های کوتاهساز وفقی کانال در سیستم‌های OFDM را بررسی می کنیم. چنانچه گستردگی تأخیر کانال از طول پیشوند چرخشی بیشتر باشد یک فیلتر همسانساز در حوزه‌ی زمان به ابتدای گیرنده اضافه می‌شود که به فیلتر کوتاه کننده‌ی کانال مشهور است. ما در اینجا از روش‌های دنبال کردن زیرفضا, که همگی از نوع RLS هستند, استفاده می‌کنیم تا الگوریتم‌های سریع مبتنی بر داده‌های آموزشی و کور برای کوتاهسازی وفقی کانال ارائه کنیم.
    Abstract
    OFDM is a well-known and attractive technique to combat the time dispersion effect of communication channels in high data rate systems. In the first part of this dissertation, our goal is to design practical schemes for optimum resource allocation in OFDM. At first, we derive the adaptive modulation scheme based on partial channel information at the transmitter of OFDM systems where the optimum adaptive power and rate of all subcarriers are calculated in order to maximize average spectral efficiency. Herein we show that optimum power allocation has the form of waterpouring in time and frequency. Comparing with adaptive modulation schemes with constant power, proposed in previous works, our results show improved performance which is significant as the average SNR or target BER decreases. One of the convenient and effective methods for channel estimation and prediction in fading environment is pilot symbol assisted modulation (PSAM). Then we propose adaptive PSAM schemes where our goals are to derive optimum power and rate adaptation of data sequences as well as to optimize the pilot parameters such as pilot power, pilot spacing, and pilot arrangement in order to maximize spectral efficiency under BER and limited power constraints. Herein, we demonstrate the necessity of minimizing the mean square error (MSE) of channel estimation and prove its relation to maximizing the spectral efficiency and we also show that the rectangular pilot pattern is the optimum pattern for this problem. In the second part of this dissertation, we consider adaptive algorithms for channel shortening in OFDM systems. If the delay spread of channel is longer than the cyclic prefix length an additional time-domain filter, called channel shortener filter, is required at the front end of receiver. We exploit subspace tracking algorithms, which are RLS-type algorithms, to propose fast blind and trained adaptive channel shortening algorithms.