Contribution to MIMO-OFDM Mobile Radio Channel Estimation Using SVR
Contribution à l'estimation d'un canal radio mobile MIMO-OFDM utilisant les SVR
Résumé
The performance of wireless communication systems is largely governed by the wireless channel environment. Usually, transmission that are carried out on mobile radio channel are selective in time and frequency. To overcome the channel selectivity and allow high transmission data rate, new approaches for synchronization, equalization and channel
estimation are needed.
The use of Support Vector Machines (SVMs) has shown several advantages in re-gression, prediction and estimation over some of the classical approaches due to its improved generalization capabilities. Moreover, the introduction of complex algebra in the SVM formulation can provide us with a more natural and flexible framework when
dealing with complex symbols and constellations.
The current thesis work focuses on the study and development of efficient channel estimation algorithms based on complex Support Vector Machines Regression (SVR) that are specifically adapted to pilot-aided OFDM (Orthogonal Frequency Division Mul-tiplexing) structure and applied to Long Term Evolution (LTE) downlink system. The mathematical model of the LTE mobile radio channel is described and simulated for various scenarios based on 3GPP specifications. According to this model, a nonlinear complex SVR is proposed for SISO-OFDM system. The principle of the proposed kernel-based learning algorithm is to exploit the information provided by the reference signals to estimate the channel frequency response. The proposed approach is based on two separate phases: learning phase and estimation phase. In learning phase, we estimate first the subchannels pilot symbols and in estimation phase, frequency responses of data subchannels are determined by means of SVM interpolation mechanism. In addition, a nonlinear complex Multiple Support Vector Machines Regression (M-SVR) algorithm adapted to MIMO (Multiple Input Multiple Output) architecture is proposed to esti-mate the multipath fading channel in MIMO-OFDM system with both STBC (Space Time Bloc Coding) and V-BLAST (Vertical Bell Laboratories layered Space Time) schemes.
The feasibility of our approaches is confirmed by computer simulation results achieved for LTE downlink model. This experiments allow to analyze the performance of the SVR technique and the suitability of the ε-Huber cost function in the mobile radio multipath fading channel presenting non-Gaussian impulsive noise interfering with OFDM refer-ence symbols under high mobility conditions.
La performance des systèmes de communication sans fils dépend largement des car-actéristiques du canal radio mobile. Généralement, la plupart des transmissions sont
réalisés sur des canaux sans fils sélectifs en temps et en fréquence. Afin de surmonter la
sélectivité du canal et permettre un débit de transmission de données élevé, de nouvelles
approches pour la synchronisation, l’égalisation et l’estimation de canaux sont néces-saires. L’utilisation des machines à vecteur support (SVM) a montré plusieurs avantages
dans les domaines de régression, estimation et prédiction par rapport à certaines ap-proches classiques grâce à ses capacités de généralisation. En outre, l’introduction de
l’algèbre complexe dans la formulation des SVMs a fourni un cadre plus souple et naturel
lorsqu’on traite des constellations et symboles complexes.
Les travaux de recherche introduits dans cette thèse portent sur l’étude et le développe-ment des algorithmes d’estimation de canal efficaces et robustes basés sur les machines
à vecteur support pour la régression (SVR) particulièrement adaptés à la structure
OFDM (Orthogonal Frequency Division Multiplexing) avec des symboles pilotes. Ces
algorithmes seront ensuite appliqués à un système LTE (Long Term Evolution). Le
modèle mathématique du canal radio mobile LTE est décrit et simulé pour différents
scénarios basés sur les spécifications 3GPP. Selon ce modèle, l’estimateur SVR non
linéaire complexe est proposé pour le système SISO-OFDM. Le principe de cet al-gorithme d’apprentissage basé sur les fonctions noyaux est d’exploiter les informa-tions fournies par les symboles pilotes pour estimer la réponse fréquentielle du canal.
L’approche proposée repose sur deux phases distinctes: la phase d’apprentissage et la
phase d’estimation. Dans la phase d’apprentissage, nous estimons d’abord les sous-canaux des symboles pilotes, puis dans la phase d’estimation, les réponses fréquentielles
des sous-canaux de données seront déterminées par le mécanisme d’interpolation SVM.
En outre, un algorithme non linéaire complexe basé sur les machines à vecteur support
pour la régression multiple (M-SVR ) adapté à l’architecture MIMO (Multiple Input
Multiple Output) est proposé pour estimer le canal dans les systèmes MIMO-OFDM
exploitant les techniques STBC (Space Time Bloc Coding) et V-BLAST (Vertical Bell
Laboratories layered Space Time). La faisabilité de nos approches est assistée par
des résultats de simulation obtenus pour le modèle LTE. Ces expériences permettent
d’analyser les performances de la technique SVR et la pertinence de la fonction coût
ε-Huber dans un canal radio mobile à trajets multiples présentant un bruit impulsionnel
non-Gaussian interférant avec les symboles pilots sous des conditions de haute mobilité.
Loading...