项目名称: 基于时频二维训练信息的高谱效多天线TFT-OFDM技术研究

项目编号: No.61201185

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 戴凌龙

作者单位: 清华大学

项目金额: 27万元

中文摘要: 针对现有多天线OFDM系统中用于信道估计的训练信息开销较大这一技术难题,本项目在继承中国地面数字电视标准的核心调制技术时域同步正交频分复用(TDS-OFDM)基本信号结构的基础上,将传统OFDM技术中时域或频域一维的训练信息扩展到时频二维, 提出时频联合信道估计方法,即在无需干扰消除的前提下先通过时域正交训练序列来获取信道的各径时延,然后仅利用极少量的频域正交导频即可获取信道的各径系数,进而建立基于时频二维训练信息的高谱效多天线TFT-OFDM(Time-Frequency Training OFDM)传输理论和技术。该技术突破了传统TDS-OFDM技术中时域和频域处理相互制约的依赖关系,并大幅降低了多天线系统中的导频开销,且通过时频联合处理提高了信道估计的精度。本项目将为我国新一代数字电视标准在高谱效、高可靠传输等关键技术指标上优于国外最先进的数字电视标准提供重要的理论基础和技术储备。

中文关键词: 地面数字电视;正交频分复用;多天线技术;训练信息;

英文摘要: Traditional multi-antenna OFDM systems have the technical problem of large training information overhead. In this project, based on the signal structure of the time domain synchronous OFDM (TDS-OFDM), which is the key technology of Chinese digital television terrestrial broadcasting (DTTB) standard, we propose a fundamentally distinct OFDM-based transmission scheme called time-frequency training OFDM (TFT-OFDM) for multi-antenna systems with high spectral efficiency. Unlike the sole time-domain training sequence or frequency-domain pilots in conventional OFDM systems, every TFT-OFDM symbol has training information both in the time and frequency domains. We further propose the time-frequency joint channel estimation scheme, whereby the time-domain orthogonal training sequences are utilized to merely acquire the path delay information of the channel without interference cancellation, while the path coefficients are estimated by using the small amount of frequency-domain orthogonal pilots. This scheme could decouple the mutually conditional relationship of time- and frequency-domain processings in conventional TDS-OFDM systems, and the pilot overhead could be significantly reduced. Moreover, the accuracy of channel estimation in TFT-OFDM systems could be substantially improved by the time-frequency joint processi

英文关键词: Terrestrial digital television;OFDM;MIMO;Training information;

成为VIP会员查看完整内容
1

相关内容

多语言语音识别声学模型建模方法最新进展
专知会员服务
33+阅读 · 2022年2月7日
专知会员服务
21+阅读 · 2021年9月23日
【CVPR2021】基于端到端预训练的视觉-语言表征学习
专知会员服务
37+阅读 · 2021年4月9日
专知会员服务
14+阅读 · 2021年3月26日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
69+阅读 · 2021年1月16日
专知会员服务
30+阅读 · 2021年1月9日
【阿里巴巴-CVPR2020】频域学习,Learning in the Frequency Domain
混合精度训练原理总结
极市平台
1+阅读 · 2021年12月7日
交叉描述:图像和文本的语义相似度
TensorFlow
2+阅读 · 2021年6月22日
基于深度学习的数据融合方法研究综述
专知
31+阅读 · 2020年12月10日
智慧交通的高精度定位技术(PPT)
智能交通技术
29+阅读 · 2019年5月1日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
论文 | 基于RNN的在线多目标跟踪
七月在线实验室
31+阅读 · 2017年12月27日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Tikhonov Regularization of Circle-Valued Signals
Arxiv
1+阅读 · 2022年4月20日
小贴士
相关VIP内容
多语言语音识别声学模型建模方法最新进展
专知会员服务
33+阅读 · 2022年2月7日
专知会员服务
21+阅读 · 2021年9月23日
【CVPR2021】基于端到端预训练的视觉-语言表征学习
专知会员服务
37+阅读 · 2021年4月9日
专知会员服务
14+阅读 · 2021年3月26日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
69+阅读 · 2021年1月16日
专知会员服务
30+阅读 · 2021年1月9日
【阿里巴巴-CVPR2020】频域学习,Learning in the Frequency Domain
相关资讯
混合精度训练原理总结
极市平台
1+阅读 · 2021年12月7日
交叉描述:图像和文本的语义相似度
TensorFlow
2+阅读 · 2021年6月22日
基于深度学习的数据融合方法研究综述
专知
31+阅读 · 2020年12月10日
智慧交通的高精度定位技术(PPT)
智能交通技术
29+阅读 · 2019年5月1日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
论文 | 基于RNN的在线多目标跟踪
七月在线实验室
31+阅读 · 2017年12月27日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员