基于聚类的盲信道估计算法研究与优化

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)在现代通信系统中发挥着重要的作用,而信道估计是OFDM系统接收机的关键环节。针对传统导频信道估计算法需要大量的导频开销,降低信道带宽利用率,以及已有的盲信道估计算法估计性能差且算法复杂度高等不足,该文提出了一种基于改进聚类算法的盲信道估计算法。该算法在系统接收端把接收到信号看作一幅时频二维平面,通过使用时频窗口以迭代方式遍历该平面,在遍历过程中用改进的K-means算法对时频窗口内的符号数据做聚类分析,并根据符号先验信息以及信道时频相关性实现信道估计与均衡的目的。通过计算机仿真实验结果表明,改进K-means的盲信道估计算法的误比特率整体上低于基于简单线性预编码的盲估计算法,当信噪比大于10 dB时,改进K-means的盲信道估计算法的误比特率比子空间方法更低。在高信噪比情况下估计性能与最小均方误差(Minimum Mean Square Error,MMSE)估计算法相当。因此,相较于已有的盲信道估计算法,改进K-means的盲信道估计算法提高了估计精度,降低了算法复杂度。