کاهش تعداد سمبل های آموزشی در تخمین کانال mimo-ofdm با تکیه بر حفظ عملکرد سیستم

در این تحقیق، باند باریکی برای تعداد پایلوت های استفاده شده به دست آمده است. هم چنین روش جدیدی برای کاهش تعداد پایلوت ها در سیستم های ofdm ارائه نموده ایم که با حفظ کارایی، تعداد پایلوت های ضروری مورد استفاده را تا میزان پنجاه درصد کاهش می دهد. حداقل تعداد پایلوت های مورد نیاز برای داشتن کارایی بهینه (حداقل mse) در تخمین ls در سیستم ofdm برابر l است. ما در روش پیشنهادی خود برای تخمین کانال تنها از l?2 پایلوت استفاده می کنیم. در روش معمول برای تخمین کانال، تعداد پایلوت های مورد نیاز، به طور یکنواخت در طول بلوک در میان سمبل های داده قرار می گیرند. ما در روش پیشنهادی، نصف پایلوت های استفاده شده را به طور یک در میان از بلوک ofdm حذف می کنیم و به جای آن ها سمبل های شبه پایلوت را در نظر می گیریم. شبه پایلوت ها در واقع همان سمبل های داده (و نه پایلوت) می باشند که گیرنده سعی می کند برای تخمین کانال از آن ها استفاده کند. در حقیقت، گیرنده موقعیت شبه پایلوت ها در هر بلوک را می داند در حالی که از مقدار آن ها اطلاعی ندارد. در نتیجه گیرنده باید با روش هایی مقدار این شبه پایلوت ها را محاسبه کند و سپس از مجموعه ی آن ها و پایلوت های اصلی که همگی دارای مقادیر مشخصی برای گیرنده می باشند، برای تخمین کانال استفاده کند. به این ترتیب تعداد پایلوت های مورد استفاده شده، نصف می گردد. ولی در مقابل، پیچیدگی گیرنده افزایش پیدا خواهد کرد. دو روش برای تعیین مقدار شبه پایلوت ها توسط گیرنده معرفی کرده ایم. در روش اول، گیرنده همه الگوهای ممکن شبه پایلوت ها را در نظر می گیرد. در این روش، گیرنده برای هر کدام از الگوهای ممکن شبه پایلوت ، این فرآیند را انجام می دهد: از مجموعه پایلوت ها و شبه پایلوت ها برای تخمین کانال در موقعیت های پایلوت و شبه پایلوت استفاده کرده و پس از آن، آشکارسازی داده را در موقعیت های ذکر شده انجام می دهد، سپس تفاوت بین داده های تخمین زده شده و داده های دریافتی را محاسبه می کند. آن الگوی شبه پایلوت که خطای کمتری در آشکارسازی داده ایجاد کند، همان شبه پایلوت انتخابی برای تخمین کانال خواهد بود. به عبارت دیگر، آن شبه پایلوت که معیار زیر را حداقل می کند، توسط گیرنده انتخاب خواهد شد. در روش دوم، گیرنده از تخمین خطی برای تعیین مقادیر شبه پایلوت ها استفاده می کند.