基于MIMO-OFDM系统自适应交织方案及性能分析

吉林大学学报(工学版)

基于MIMO-OFDM系统自适应交织方案及性能分析

胡封晔;王树勋;郭纲

吉林大学通信工程学院，长春 130022

收稿日期:2007-03-12 修回日期:2007-05-20 出版日期:2008-05-01 发布日期:2008-05-01
通讯作者: 胡封晔

Performance analysis of adaptive interleaving for MIMO-OFDM systems

Hu Feng-ye;Wang Shu-xun;Guo Gang

College of Communication Engineering, Jilin University, Changchun 130022,China

Received:2007-03-12 Revised:2007-05-20 Online:2008-05-01 Published:2008-05-01

摘要/Abstract

摘要： 提出了基于多入多出正交频分复用（Multiple-input and multiple-output orthogonal frequency division multiplexing ，MIMO-OFDM）的自适应交织模型。该模型根据OFDM一帧内准瞬时信道SNR值，利用瞬时信道的可变性，重新排列发送信号的顺序，其目的是打破长的信道突发错误，以便降低系统位错误概率。分析了MIMO-OFDM系统成对错误概率的上限，给出了本文提出算法的编码增益和分集增益。结果表明，影响本文方案的主要因素是SNR、信道阶数和接收天线个数。仿真实验结果表明，本文所提出的模型可以获得较好的信噪比，与单天线相比MIMO-OFDM系统性能明显提高。对于2发2收系统，当BER为10-2时，自适应交织方案比块交织性能提高5 dB。

关键词: 信息处理技术, MIMO-OFDM, 自适应交织, 块交织

Abstract: An adaptive interleaving model for MIMO-OFDM systems was proposed. This model can better exploit instantaneous channel variation through rearranging transmitted symbols according to quasi-instantaneous channel SNR of the OFDM frame, which was to break up long burst channel error so that overall bit error probability could be reduced. An upper bound of pairwise error probability (PEP) of the systems was investigated. The code gain and diversity gain of the proposed arithmetic were given. Theoretical results show that the major factor affecting the performance of the proposed scheme is SNR, channel order and the number of receive attenna. Simulations indicate that significant SNR can be obtained and the system performance is better than that of single antenna case. Compared with block interleaving in the case of 2Tx2Rx at a 10-2 BER, this adaptive interleaving scheme offers 5dB increase.

Key words: information processing technology, MIMO-OFDM, adaptive interleaving, block interleaving

中图分类号:

TN914

胡封晔;王树勋;郭纲 . 基于MIMO-OFDM系统自适应交织方案及性能分析[J]. 吉林大学学报(工学版), 2008, 38(03): 704-0708.

Hu Feng-ye;Wang Shu-xun;Guo Gang . Performance analysis of adaptive interleaving for MIMO-OFDM systems[J]. 吉林大学学报(工学版), 2008, 38(03): 704-0708.

参考文献

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15]	王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed