在MIMO OFDM系统中,一般假定信道在一个OFDM符号时间之内保持不变.前人在MIMO OFDM系统包括SISO OFDM系统的信道估计和符号检测技术方面所做的工作,多半是考虑这种准静态信道或者缓慢时变信道.由于多普勒扩展(Doppler spread) 和残余频偏的影响,信道在一个OFDM符号时间之内可能会发生变化,这样就会导致子载波间干扰(ICI),而且在MIMO OFDM系统中,载波间的干扰与多数据流干扰(MSI)会同时出现,并且混合在一起,使得信道估计与符号检测变得更困难. 本文针对时变信道中MIMO OFDM系统的信道估计与符号检测问题,一方面深入分析了时变信道中MIMO OFDM系统的信号特征,另一方面研究了一些最新的统计信号处理技术,在此基础上提出了新的时变信道估计和ICI消除的方法,在获得性能增益的同时,降低导频开销和运算复杂度.具体地说,本文的研究工作可以概括如下: 首先,论文推导了MIMO OFDM系统在快速时变信道中的信号模型,这个信号模型也适用于SISO OFDM系统,后者可以看成是前者的特殊情形.论文给出了两种关系式:一种是发送信号和接收信号的关系式,用于符号检测,一种是信道参数与接收信号的关系式,用于时变信道估计.论文除了讨论MIMO OFDM系统的输入输出黑箱模型,还讨论了系统的状态空间模型. 接着,论文对目前统计信号处理中的一些新技术进行了研究,主要以因子图(Factor Graph)在信号处理中的应用为主线,讨论了Factor Graph中Sum-Product算法推导的两类简化方法,一种是变换方法(Variational Method),EM算法和MM算法都可以归类到这种方法当中;另一种是蒙特卡罗(Monte Carlo)的方法,马尔可夫链蒙特卡罗(MCMC)及序列蒙特卡罗(SMC)都属于这种方法.论文给出了MM算法的构造方法和收敛特性,另外推导了Factor Graph与MCMC及SMC的关系. 在这之后,论文开始研究快速时变信道中MIMO OFDM系统的信道估计问题.论文在时变信道估计的时域方法的基础上,通过分析信道估计的MSE重新推导了时变信道估计中导频放置的方法.在时变信道中,由于ICI的影响,导频放置的方法是:导频在FFT格子上要均匀分布,而且导频和导频之间的距离越近越好,这样使得导频聚集成多个组,每个组在FFT格子上均匀分布.时变信道估计当中需要估计的参数多,所以需要大量的导频,为了降低导频开销,论文提出了两种方法,一种是判决反馈方法,这种方法在SISO OFDM系统中比较有效,一种是混合导频(mixed-pilot)方法,这种方法可以用于MIMO OFDM系统.论文还给出了基于MM算法的时变信道估计方法,可以降低时变信道估计的运算复杂度.除了讨论时域的时变信道估计方法,论文还提出了频域的时变信道估计方法.频域的时变信道估计方法充分利用了频域信道矩阵的几个重要性质,可以直接在频域估计时变信道参数,这样能够降低运算复杂度. 论文把时变信道中MIMO OFDM系统的ICI消除和符号检测一起考虑,采用MMSE均衡和信道译码联合迭代的方法,可同时消除ICI和MSI,检测发送的数据符号.由于OFDM系统中每个子载波受邻近子载波的干扰最大,根据这个特点论文提出了一种简化的迭代ICI消除方法,所有的子载波分成多个组,每个组上分别应用迭代ICI消除,子载波分组的方式随着迭代的次数进行变化,即信道矩阵划分窗口沿着信道矩阵的对角滑动,这样能够更好地消除ICI.为了进一步降低MMSE均衡的复杂度,论文提出了两种MMSE均衡的改进方法,一种是SequentialMMSE均衡,这种方法是一种自然的软入软出算法,算法本身是一个迭代运算,所以能够降低复杂度;另一种是改进迭代求逆MMSE均衡,这种算法完全避免了除法运算,从而可以降低复杂度和提高数值稳定性,便于硬件实现. 最后,论文研究了MIMO OFDM系统中基于SMC的盲检测算法,基于SMC的盲检测算法收敛速度快,可应用于信道变化较快的情形.论文对传统的SMC盲检测算法进行了改进,用虚拟导频的采样代替信道的直接采样,这样可以减少采样点数,降低复杂度和提高性能,尤其是在带信道编码的系统中,这种方法可以获得更多的信道信息,从而逼近导频辅助方法的性能.