发布时间 : 星期二 文章两种OFDM系统信道估计算法的比较研究及MATLAB仿真-毕业论文更新完毕开始阅读
齐鲁工业大学 2014 届本科毕业设计（论文）
估计效果最好。
3.3.2加噪声的信道估计仿真结果及分析
图3-1是加噪声的状态下信道估计仿真结果，从图中我们可以看出LS算法、LMMSE算法、LR_LMMSE算法三种算法的大致趋势是一致的，都是随着信噪比SNR的增大，误码率BER在不断地减小。同时，从图中可以看出在信噪比SNR值较小时LS算法的信道估计及有较大的误差，LMMSE算法和LR_LMMSE算法明显的优于LS算法，从图中也可以看出LMMSE算法与LR_LMMSE算法之间的估计精度非常的接近，但是LR_LMMSE算法的运算复杂度较低。因此在加噪声的情况下，可以选择LMMSE算法或者LR_LMMSE算法进行信道估计。
图3-1 理想状态下信道估计仿真结果
18
齐鲁工业大学 2014 届本科毕业设计（论文）
图3-2 加噪声的信道估计仿真结果
3.4 各种算法抗噪声性能的分析与比较
通过对理想状态下信道估计仿真结果和加噪声状态下信道估计仿真结果的分析，得出在理想的状态下LS算法下的信道估计效果最好，在加噪声的状态下LMMSE算法和LR_LMSSE算法对信道估计的影响都比LS算法的效果要好，并且LMMSE算法与LR_LMMSE算法之间的估计精度非常的接近，因此在加噪声的情况下，可以选择LMMSE算法或者LR_LMMSE算法进行信道估计，下面对各种算法抗噪声性能进行分析。
3.4.1 LS算法抗噪声性能的分析
理想状态下LS估计算法的仿真结果如图3-3所示，在从图中可以看出理想状态下LS算法估计，其误码率BER随信噪比SNR的增大有着上下的浮动，但是其上下浮动的幅度不是很大，与加噪声状态下LS估计算法仿真结果如图3-4比较，在相同的信噪比SNR下，加噪声状态下的误码率明显大于理想状态下的误码率，且仿真曲线也有着明显的变化，在加噪声状态下误码率BER随信噪比SNR的增大不断地减小，误码率变
19
齐鲁工业大学 2014 届本科毕业设计（论文）
化大，由此可以看出在LS算法下的信道估计的抗噪声性能很差。
图3-3 理想状态下LS估计算法的仿真结果
图3-4加噪声的LS估计算法仿真结果
3.4.2 LMMSE算法抗噪声性能的分析
理想状态下LMMSE估计算法的仿真结果如图3-5所示与加噪声的LMMSE估计算法仿真结果如图3-6所示相比，在相同的信噪比SNR下，加噪声状态下误码率明显的变得，但是两种状态下误码率都是随着信噪比SNR增大而不断地减小，且仿真曲线走势基本相同，由此可以得出在LMMSE算法下信道估计的抗噪声性能的效果好。
20
齐鲁工业大学 2014 届本科毕业设计（论文）
图3-5 理想状态下LMMSE估计算法的仿真结果
图3-6 加噪声的LMMSE估计算法仿真结果
3.4.3 LR_LMMSE算法抗噪声性能的分析
理想状态下LR_LMMSE估计算法的仿真结果如图3-7所示，从图中可以看出在信噪比SNR较低的情况下，随信噪比SNR的不断增加误码率BER在减小，在信噪比SNR较大情况下，随信噪比SNR的不断增加误码率BER在上下浮动，且上下浮动较小。在加噪声状态下如图3-8所示，误码率BER随着信噪比SNR的增大而不断地减小，两种状态下仿真曲线走势大致相同，但是通过图3-7和图3-8相比，在高的信噪比SNR两种状态下的仿真曲线有明显的差别，由此可以得出LR_LMMSE算法下信道估计的抗噪声性能较好。
21