基于導頻的相干光OFDM系統(tǒng)信道估計研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、光正交頻分復用系統(tǒng)(OOFDM)融合了光纖通信和OFDM技術的雙重優(yōu)點,是目前高速光傳輸領域的研究熱點之一。按接收端檢測方式的不同可以將OOFDM分為直接檢測光OFDM系統(tǒng)和相干檢測光OFDM系統(tǒng),其中,相干光OFDM系統(tǒng),能更有效地抑制色度色散、偏振模色散,并且可以采用更高階調制方案,能使用的均衡方法也比較多,是目前光通信領域一個主要的研究熱點。當單信道速率達到40Gbit/s或100Gbit/s甚至更高時,高速相干光OFDM傳輸系統(tǒng)

2、的信道影響是一個主要的限制因素,系統(tǒng)對色散和噪聲等因素變的非常敏感,這就需要使用有效的信道估計方法,實時準確地跟蹤信道的變化。信道估計的目的就是估計出信道的時域或頻域響應,對接收到的數據進行校正與恢復。準確的信道估計是提高接收機接收質量的關鍵,也是提高相干光OFDM通信系統(tǒng)數據傳輸性能的主要手段。
  信道估計技術應用于相干光OFDM通信系統(tǒng)中,可以有效地解決高速率、長距離光傳輸系統(tǒng)中的信道對信號的影響,從而提高光通信系統(tǒng)的可靠性

3、。相干光正交頻分復用系統(tǒng)所能采用的信道估計一般可以分為基于導頻的信道估計、基于判決的信道估計以及盲或半盲信道估計。其中,基于導頻的信道估計所利用的數學原理比較成熟,性能良好,且算法比較簡單,易于工程實現。因此,本論文對常見的最小二乘(LS)、最小均方誤差(MMSE)、線性最小均方誤差(LMMSE)等基于導頻的信道估計算法進行了深入研究,針對LS算法抗噪能力差,現有的對其降噪的基于時域平均和頻域平均的算法都存在一定的缺陷,以及MMSE算法

4、復雜度太高等問題,我們對這些算法進行了改進。
  本論文主要圍繞基于導頻的相干光OFDM系統(tǒng)信道估計進行了研究,主要包括相干光OFDM系統(tǒng)理論模型及其關鍵技術、光纖信道特性、基于導頻的信道估計算法及其改進、系統(tǒng)仿真平臺的搭建及仿真實驗。具體工作如下:
  (1)在研究OFDM技術基本原理及其關鍵技術等方面的基礎上,從基本理論的公式推導入手,深入研究了光OFDM系統(tǒng),尤其是相干光OFDM系統(tǒng)各組成部分的原理,并結合目前國內外研

5、究現狀,詳細分析了相干光OFDM系統(tǒng)的優(yōu)勢、不足及潛在應用領域。
  (2)針對光纖信道的特點,對基于導頻的信道估計算法進行了深入研究,并對傳統(tǒng)的LS信道估計算法進行了改進,提出了適用于相干光OFDM系統(tǒng)的基于改進的LS算法的DFT信道估計算法,該算法可以使傳統(tǒng)LS算法所沒有考慮的噪聲的影響有效地去除,信道估計的準確性大大提高,而其復雜度并沒有變的很復雜。然而,盡管該算法可以很好的去除循環(huán)前綴以外的噪聲,而在循環(huán)前綴之內的噪聲仍然

6、存在,因此,為了進一步提高系統(tǒng)的性能,我們在此基礎上對其進行了進一步的改進和優(yōu)化。
  (3)首次將無線通信中去噪效果最好的MMSE信道估計技術應用于相干光OFDM通信系統(tǒng)中,針對其復雜度較高的問題,我們在此基礎上提出了一種改進的基于MMSE的低復雜度算法,其復雜度比傳統(tǒng)的MMSE算法低兩個數量級,而其性能幾乎與MMSE算法相當。
  (4)首次利用仿真軟件Optisystem和Matlab構建了帶有信道估計模塊的相干光OF

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論