Superimposed Training-Based Channel Estimation for MIMO Relay Networks
Superimposed Training-Based Channel Estimation for MIMO Relay Networks
复制标题
基于叠加训练的 MIMO 中继网络信道估计
DOI：
10.1155/2012/698748
复制
发表时间：
2012-09
影响因子：
1.5
通讯作者：
Xiang, Haige1
中科院分区：
文献类型：
--
作者：
Xu, Xiaoyan1;Wu, Jianjun1;Ren, Shubo1;Song, Lingyang1;Xiang, Haige1
我们将叠加训练策略引入到多输入多输出（MIMO）放大转发（AF）单向中继网络（OWRN）中，以在目的地执行单独的信道估计。通过在中继节点处叠加一组额外的训练向量进行功率分配，可以在目的节点处直接获得源-中继和中继-目的信道的分离估计，同时保证了与两跳AF策略的一致性。在随机信道参数下，推导了两组平坦衰落MIMO信道估计的贝叶斯Cramer-Rao下界（CRLB），并利用CRLB设计了最优训练向量。在MIMO AF OWRN中，使用最优训练序列，应用一种次优信道估计算法，并给出了归一化均方误差估计性能，验证了贝叶斯CRLB结果。
We introduce the superimposed training strategy into the multiple-input multiple-output (MIMO) amplify-and-forward (AF) one-way relay network (OWRN) to perform the individual channel estimation at the destination. Through the superposition of a group of additional training vectors at the relay subject to power allocation, the separated estimates of the source-relay and relay-destination channels can be obtained directly at the destination, and the accordance with the two-hop AF strategy can be guaranteed at the same time. The closed-form Bayesian Cramer-Rao lower bound (CRLB) is derived for the estimation of two sets of flat-fading MIMO channel under random channel parameters and further exploited to design the optimal training vectors. A specific suboptimal channel estimation algorithm is applied in the MIMO AF OWRN using the optimal training sequences, and the normalized mean square error performance for the estimation is provided to verify the Bayesian CRLB results.
登录
查看更多内容
影响因子：
8.3
作者：
Shiu, DS;Foschini, GJ;Kahn, JM
通讯作者：
Kahn, JM
影响因子：
2.5
作者：
Chuah, CN;Tse, DNC;Valenzuela, RA
通讯作者：
Valenzuela, RA
基于叠加训练的 OFDM 调制放大转发中继网络信道估计
影响因子：
8.3
作者：
Feifei Gao;B Jiang;X.-Q. Gao;Xian-Da Zhang
通讯作者：
Xian-Da Zhang
影响因子：
5.4
作者：
C. Chae;Taiwen Tang;R. Heath;Sunghyun Cho
通讯作者：
C. Chae;Taiwen Tang;R. Heath;Sunghyun Cho
影响因子：
10.4
作者：
Tang, Xiaojun;Hua, Yingbo
通讯作者：
Hua, Yingbo