Titelaufnahme

Titel
Receiver concepts for Unique Word OFDM / Alexander Onic
VerfasserOnic, Alexander
Begutachter / BegutachterinHuemer, Mario ; Huber, Johannes
Erschienen2013
UmfangVIII, 178 S. : graph. Darst.
HochschulschriftKlagenfurt, Alpen-Adria-Univ., Diss., 2013
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)OFDM / Unique Word OFDM / Empfänger / Signalverarbeitung / Datenschätzung / Datendetektion / Informationsübertragung
Schlagwörter (EN)OFDM / Unique Word OFDM / receiver / signal processing / data estimation / data detection / information transmission
Schlagwörter (GND)OFDM / Signalverarbeitung / Empfänger
URNurn:nbn:at:at-ubk:1-9402 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Receiver concepts for Unique Word OFDM [1.85 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Unique Word OFDM (orthogonal frequency division multiplexing) is an attractive alternative to OFDM with cyclic prefix, which is adopted for data transmission in standards like DSL, LTE, DVB and IEEE 802.11 (WLAN). In this signaling concept, a deterministic sequence, a ``unique word'' (UW), is inserted into the transmit stream, instead of a cyclic copy of the data. Furthermore, this UW is part of the IDFT (inverse discrete Fourier transform) interval.

This property distinguishes UW-OFDM from most other OFDM variants, while it offers the same advantages as the conventional OFDM (free of inter-symbol interference, diagonalization of the channel matrix).

By defining of a sequence in time domain, some capacity has to be allocated for redundancy in frequency domain. This redundancy solely depends on the transmit data (and defined system parameters) and can be utilized for a reliable recovery of the data.

In order to exploit this redundancy, sophisticated receiver structures need to be employed, which is topic of this work. The achieved gain can be used for a higher data rate, range, reliability, capacity or battery lifespan.

Methods to generate valid UW-OFDM symbols are introduced in two variants: The systematic generation of UW-OFDM symbols, which can be done directly or in two steps, and the non-systematic generation. An analysis of the mean transmit energy of all generation methods sheds light on their suitability for communication systems and reveals possibilities for optimization.

The main part of this work is about suited receivers for UW-OFDM that are able to reconstruct the data reliably, after transmission over a dispersive channel. Besides the estimated transmit symbols, all these receivers need to provide reliability information, which enables a channel decoder to achieve better decoding results. All receivers are investigated regarding their bit error performance with and without channel coding, in the AWGN (additive white Gaussian noise) channel as well as in a multipath environment.

Besides two rather intuitively derived, two more optimum linear receivers are discussed, which emerge from classical as well as Bayesian estimation theory: The BLUE (best linear unbiased estimator) and the LMMSE (linear minimum mean square error) estimator. The computational complexity of all these receivers is analyzed for both OFDM symbol generation approaches and compared numerically.

When using real transmit symbol constellations, the LMMSE estimator can be outperformed by the WLMMSE (widely LMMSE) estimator. Furthermore, a symbol scaling effect can be identified for these Bayesian receivers.

This turns out to be harmful for the detection quality with higher order constellations, such as 16-QAM or 4-ASK. Symbol scaling compensated versions of the LMMSE and WLMMSE estimators are introduced and their performance documented.

As another main topic of this work, a few nonlinear receivers are discussed, starting with two decision directed concepts. First, a method for noise interpolation is introduced, which exploits the correlation of the data symbols after an LMMSE estimation, in order to obtain improved estimates. It turns out that the selection of the samples which are used for estimation is decisive for the performance of this receiver.

In decision feedback equalization, the influence of detected data symbols on the receive signal is subtracted iteratively, in order to allow for a more reliable decision of the remaining symbols.

Here, the order of detection is crucial for the decision quality.

For the derived linear UW-OFDM system model, a maximum-likelihood sequence estimation (MLSE) yields the best estimates possible. However, due to its computational complexity, it is unsuitable for practical application.

As a practical realization of the MLSE, sphere decoding is presented, which obtains the same results with acceptable effort.

For the determination of reliability information, however, a mathematical approximation and a limitation of parameter dynamics has to be applied, to keep the complexity in adequate limits, which destroys the optimality of the method.

An investigation of QR decomposition, as it is directly used for sphere decoding and in a version of decision feedback equalization, shows that the way, how the QR decomposition is computed, has significant impact on runtime or detection performance, respectively.

An overall performance investigation reveals that the nonlinear receivers clearly outperform the LMMSE estimator in uncoded transmission. If channel coding is used, they are still able to achieve a small gain over the best performing linear estimator.

However, the LMMSE estimator constitutes a highly reasonable compromise when performance and complexity are taken into account.

Zusammenfassung (Englisch)

Unique Word OFDM (orthogonal frequency division multiplexing) ist eine attraktive Alternative zu OFDM mit zyklischem PrÃ$fix, das in Standards wie zum Beispiel DSL, LTE, DVB und IEEE 802.11 (WLAN) zur DatenÃbertragung eingesetzt wird. Bei diesem Kommunikationsverfahren wird eine bekannte Sequenz, ein "Unique Word" (UW), in die Sendesequenz anstelle einer zyklischen Kopie der Daten eingefÃgt. DarÃber hinaus ist dieses UW im Intervall der IDFT (inverse diskrete Fourier-Transformation) enthalten.

Diese Eigenheit unterscheidet UW-OFDM von den meisten anderen OFDM-Varianten, wÃ$hrend es die selben Vorteile wie das herkÃmmliche OFDM (Freiheit von Intersymbol-Interferenzen, Diagonalisierung der Kanalmatrix) bietet.

Durch das Definieren einer Sequenz im Zeitbereich, muss im Frequenzbereich etwas KapazitÃ$t fÃr Redundanz bereit gestellt werden.

Diese Redundanz hÃ$ngt einzig von den zu sendenden Daten (und festgelegten Systemparametern) ab, die am EmpfÃ$nger fÃr eine verlÃ$ssliche RÃckgewinnung der Sendedaten genutzt werden kann. Um diese Redundanz zu nutzen sind ausgeklÃgelte EmpfÃ$ngerstrukturen notwendig, die das Thema dieser Arbeit sind. Der damit erzielte Gewinn kann beliebig in eine hÃhere Datenrate, Reichweite, VerlÃ$sslichkeit, KapazitÃ$t oder Akkulaufzeit umgesetzt werden.

Verfahren zur Erstellung von gÃltigen UW-OFDM-Symbolen werden in zwei Varianten vorgestellt: Die systematischen Generierung von UW-OFDM-Symbolen, die direkt oder in zwei Schritten durchgefÃhrt werden kann, und die nicht-systematische Generierung.

Eine Analyse der mittleren Sendeenergie aller Entwurfsmethoden gibt Aufschluss Ãber deren Eignung fÃr ein Kommunikationssystem sowie OptimierungsmÃglichkeiten.

Im Hauptteil der Arbeit geht es um geeignete EmpfÃ$nger fÃr UW-OFDM, die nach der Ãbertragung Ãber stÃrende KanÃ$le die gesendeten Daten zuverlÃ$ssig wieder rekonstruieren kÃnnen. All di Sendesymbolen auch VerlÃ$sslichkeitsinformation bieten, mit der ein nachgeschalteter Kanaldekoder bessere Ergebnisse erzielen kann. Alle EmpfÃ$nger werden hinsichtlich ihrer LeistungsfÃ$higkeit sowohl mit als auch ohne Kanalkodierung, im AWGN-Kanal (additive white Gaussian noise) und in einem Mehrwegeszenario untersucht.

Neben zwei eher intuitiv gewonnenen, werden zwei optimale lineare EmpfÃ$nger vorgestellt, die sich durch eine Herangehensweise Ãber die klassische sowie die Bayes'sche SchÃ$tztheorie ergeben: Der BLUE (best linear unbiased estimator) und der LMMSE-SchÃ$tzer (linear minimum mean square error). Die rechnerische KomplexitÃ$t all dieser EmpfÃ$nger wird fÃr beide SymbolgenerierungsansÃ$tze analysiert und numerisch verglichen.

FÃr den LMMSE-SchÃ$tzer zeigt sich, dass dieser bei Verwendung von rein reellen Symbolkonstellationen durch den WLMMSE-SchÃ$tzer (widely LMMSE) Ãbertroffen werden kann. DarÃber hinaus kann bei diesen beiden Bayes'schen EmpfÃ$ngern ein Symbolskalierungseffekt identifiziert werden.

Dieser erweist sich als extrem schÃ$dlich fÃr die DetektionsqualitÃ$t bei hÃherwertigen Konstellationen wie 16-QAM oder 4-ASK.

Symbolskalierungskompensierte Versionen des LMMSE und WLMMSE-SchÃ$tzers werden vorgestellt und deren LeistungsfÃ$higkeit belegt.

Als weiteres Hauptthema dieser Arbeit werden einige nichtlinearer EmpfÃ$nger besprochen, beginnend mit zwei entscheidungsgefÃhrten Konzepten. ZunÃ$chst wird ein Verfahren zur Rauschinterpolation vorgestellt, das die Korrelation der Datensymbole nach einer LMMSE-SchÃ$tzung ausnutzt, um bessere SchÃ$tzwerte zu erhalten. Dabei stellt sich heraus, dass die Auswahl der Werte, die zur SchÃ$tzung herangezogen werden, die Leistung dieses EmpfÃ$ngers maÃgeblich bestimmt.

Bei der entscheidungsrÃckgekoppelten Entzerrung wird iterativ der Einfluss detektierter Datensymbole auf das Empfangssignal abgezogen, um ein Symbole zu ermÃglichen.

Hier ist die Reihenfolge der Detektion ausschlaggebend fÃr die Entscheidungssicherheit.

FÃr das hergeleitete lineare UW-OFDM-Systemmodell liefert eine Maximum-Likelihood-SequenzschÃ$tzung (MLSE) die bestmÃglichen SchÃ$tzwerte. Diese ist aber wegen ihrer KomplexitÃ$t ungeeignet fÃr eine praktische Anwendung ist. Als praktikable Realisierung der MLSE wird Sphere Decoding gezeigt, das die selben Ergebnisse bei vertretbarem Aufwand erzielt. Bei der Ermittlung von VerlÃ$sslichkeitsinformationen muss jedoch auf eine mathematische NÃ$herung und eine BeschrÃ$nkung der Parameterdynamik zurÃck gegriffen werden, um die KomplexitÃ$t in akzeptablem Rahmen halten zu kÃnnen, die die OptimalitÃ$t der Methode zerstÃrt. OperationszÃ$hlungen, Laufzeit- und Bitfehlermessungen belegen gute KompromissmÃglichkeiten zwischen Leistung und KomplexitÃ$t.

Eine Abhandlung Ãber QR-Zerlegung, die direkt in Sphere Decoding wie auch in einer Version der entscheidungsrÃckgekoppelten Entzerrung Anwendung findet, zeigt, dass die Art und Weise der Berechnung der QR-Zerlegung erhebliche Auswirkung auf Laufzeit oder LeistungsfÃ$higkeit hat.

In einem abschlieÃenden Leistungsvergleich zeigt sich, dass die nichtlinearen EmpfÃ$nger den LMMSE-SchÃ$tzer bei unkodierter Ãbertragung klar Ãbertreffen. Bei der Benutzung von Kanalkodierung, kÃnnen sie noch immer einen kleinen Gewinn gegenÃber dem besten linearen SchÃ$tzer erzielen. Der LMMSE-SchÃ$tzer jedoch zeigt sich als Ã$uÃerst vernÃnftigen Kompromiss, wenn man Leistung und KomplexitÃ$t in die Betrachtung mit einbezieht.

Statistik
Das PDF-Dokument wurde 11 mal heruntergeladen.