基于CRE准则的MIMO-OFDM参数联合估计

资 源 简 介

本项目实现了一种针对多输入多输出正交频分复用（MIMO-OFDM）系统的联合参数估计算法，旨在精确解决由于射频前端非理想特性引起的同相分量与正交分量（I/Q）不平衡问题，同时补偿载波频率偏移（CFO）并提取无线信道响应。 项目引入并利用核心概念“信道残余能量”（Channel Residual Energy, CRE），通过构建训练序列的接收信号模型，将I/Q不平衡和CFO的估计算法转化为一个最小化CRE的优化问题。该方法的核心优势在于其独立性，即在不需要预先获知信道响应参数的情况下，即可实现对I/Q不平衡参数和频率偏移的联合搜索。 在应用场景上，该系统仅需使用一个OFDM训练块即可完成高精度的估计任务，且对训练符号的内容没有特定限制，具有极强的通用性。针对计算资源受限的实时处理场景，本项目还实现了一种两步走低复杂度算法，通过利用包含两个重复序列的特定训练结构来加速联合估计过程。该项目的实现能够有效提升高速移动通信系统的可靠性，抑制由硬件损伤导致的误码率上升。

详 情 说 明

基于CRE准则的MIMO-OFDM系统联合参数估计项目

项目介绍

本项目专门针对多输入多输出正交频分复用（MIMO-OFDM）系统，实现了一种基于信道残余能量（Channel Residual Energy, CRE）准则的联合估计算法。该算法能够同时对射频前端引入的同相/正交（I/Q）不平衡、载波频率偏移（CFO）以及无线信道衰落进行高精度估计与补偿。

该项目的核心思想是利用无线信道在时域上的有限长度特性。当接收端对I/Q不平衡和CFO进行了正确补偿时，信号在时域转换后的能量应集中在预期的信道脉冲响应长度之内。通过最小化超出该长度的残余能量，系统可以在不预先获知信道具体系数值的情况下，实现对非理想参数的盲搜索或半盲搜索。

功能特性

1. 联合估计：通过构建单一优化目标函数，同步求解CFO、I/Q不平衡系数以及隐含的信道响应。
2. 独立性强：无需预知信道状态信息（CSI），仅凭训练序列的结构特征即可完成参数搜索。
3. MIMO支持：完整模拟了多天线发射与接收环境下的信号交互与损伤叠加。
4. 鲁棒性：利用非线性优化算法（单纯形法）寻找全局最优解，能够有效应对高噪声环境。
5. 性能评估：内置克拉美罗界（CRB）理论曲线对比，直观展示估计精度随信噪比（SNR）的变化趋势。

使用方法

1. 环境准备：确保安装有MATLAB R2016b或更高版本。
2. 配置参数：在代码开头可以根据需求修改子载波数量、天线数量（Nt/Nr）、信道长度（L）以及设置的损伤值（g/phi/cfo_true）。
3. 运行仿真：执行主函数后，系统将进行指定次数的蒙特卡洛仿真。
4. 结果查看：仿真结束后，程序将自动生成性能曲线图，展示CFO和I/Q参数的均方误差（MSE）以及与理论界的对比。

系统要求

1. 软件环境：MATLAB (包含Optimization Toolbox以支持优化计算)。
2. 基础知识：了解OFDM基本原理、移动通信衰落信道模型及射频损伤概念。

核心功能逻辑说明

主程序按照通信系统的物理流程进行建模，主要步骤如下：

1. 参数配置与信号生成：

设置系统参数，如64个子载波、2x2天线配置及16个采样点的循环前缀（CP）。在频域生成训练序列，并通过IFFT转换至时域，添加CP构建发射信号。

1. 信道与损伤模拟：

生成的信号通过一个具有L径的瑞利衰落信道。之后，程序模拟了射频硬件产生的非理想效应。首先叠加归一化的载波频率偏移（CFO）；随后引入I/Q不平衡，通过幅度不平衡g和相位不平衡phi计算对应的增益系数，将其作用于复信号及其共轭项。最后，根据设定的信噪比添加加性高斯白噪声（AWGN）。

1. CRE联合估计核心逻辑：

系统移除CP后提取观测信号。定义了一个代价函数，该函数接收待搜索的CFO和I/Q不平衡参数作为变量。在代价函数内部，首先对观测信号进行反向I/Q补偿和频率退旋，随后转换回频域。利用信道长度受限的原理，将信号转换至时域并计算L个点之后的能量之和，即为“信道残余能量”。通过调用MATLAB的各种优化工具（如fminsearch），系统不断迭代寻找使该残余能量最小化的最优参数对。

1. 信号补偿与结果输出：

使用估计出的最优参数对接收信号进行硬件损伤补偿。代码不仅计算了参数估计的均方误差，还模拟展示了信道估计误差随SNR变化的趋势。最终通过半对数坐标系绘制出性能评估曲线。

关键函数与算法分析

1. 损伤模型算法：实现 y = mu * s + nu * conj(s) 的变换，其中mu和nu由幅度/相位不平衡度决定，准确还原了零中频接收机的物理特性。
2. CRE代价函数：这是项目的数学核心。它利用了ifft(Y./X)在正确补偿后具有时域稀疏性的特点。算法通过计算 y_obs(L+1:end) 的功率来衡量“脏”信号的程度。
3. 优化求解程序：采用fminsearch执行多维非线性最小化任务。它不需要代价函数的梯度信息，适用于这种复杂的复数空间搜索问题。
4. 最小二乘（LS）补偿模型：在频率补偿环节，展示了如何利用估计的参数对原始受损观测值进行几何变换，恢复出原始发射信号的特征。