“ 蜘 ， ＥＬＥＣＴＲＯＮＩＣ电子测量技术 ＭＥＡＳＵＲＥＭＥＮＴ Ｔ ＥＣＨＮ（）Ｌ（）ＧＹ 第３２０６１３卷第１年ｌＯ月０ 期 ＬＴＥ—Ａ下行信道估计算法研究 程光军 王 萍 张庆芳 （中国科学院上海微系统与信息技术研究所上海２０００５０） 摘 要：ＬＴＥ Ａ（１ｏｎｇ ｔｅｒｍ ｅｖｏｌｕｔｉｏｎ ａｄｖａｎｃｅｄ）通信系统采用正交频分复用（０ＦＤＭ）为其物理层核心技术以获得抗频 率选择性衰落和高频谱利用率等优点。接收端需要对多径信道动态估计和跟踪以满足相干解调，准确而简单的信道 估计算法可以提高数据传输速率和降低用户设备的功耗。对Ｉ ＴＦ＿Ａ中基于导频的下行信道估计算法进行研究，提 了一种使用神经网络的信道估计算法。该算法考虑了下行传输链路的信道频率选择性，利用接收到的导频信号动态 跟踪信道的变化特征，然后根据得到的信道信息对接收数据进行相干解调。仿真结果表明，与最小二乘（Ｉ ｓ）、最小均 方误差（ＭＭＳＥ）等传统方法相比较，该信道估计算法在均方误差（ＭＳＥ）、误符号率（ＳＥＲ）和计算复杂度方面具有更好 的性能，并且能保证Ｉ ＴＥ—Ａ系统吞吐量需求。 关键词：ＬＴＥ—Ａ；４Ｇ；ＯＦＤＭ；信道估计；链路级仿真 中图分类号：ＴＰ２ 文献标识码：Ａ 国家标准学科分类代码：５１０．５０１５ ＬＴＥ－Ａ ｄｏｗｎｌｉｎｋ ｃｈａｎｎｅｌ ｅｓｔｉｍａｔｉｏｎ ａｌｇｏｒｉｔｈｍ Ｃｈｅｎｇ Ｇｕａｎｇｊ ｕｎ Ｗａｎｇ Ｐｉｎｇ Ｚｈａｎｇ Ｑｉｎｇｆａｎｇ （Ｓｈａｎｇｈａｉ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｍｉｃｒｏｓｙｓｔｅｍ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ ２０００５０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＬＴＥ－Ａ（１ｏｎｇ ｔｅｒｍ ｅｖｏｌｕｔｉｏｎ ａｄｖａｎｃｅｄ）ｃｏｍｍｕｎｉｃａｔｉｏｎ ｓｙｓｔｅｍ ｕｓｅｓ ｏｒｔｈｏｇｏｎａｌ ｆｒｅｑｕｅｎｃｙ ｄｉｖｉｓｉｏｎ ｍｕｌｔｉｐｌｅｘｉｎｇ（ＯＦＤＭ）ａｓ ｔｈｅ ｃｏｒｅ ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ ｔｈｅ ｐｈｙｓｉｃａｌ ｌａｙｅｒ ｔｏ ａｃｈｉｅｖｅ ｒｏｂｕｓｔｎｅｓｓ ａｇａｉｎｓｔ ｆｒｅｑｕｅｎｃｙ ｓｅｌｅｃｔｉｖｅ ｆａｄｉｎｇ ａｎｄ ｈｉｇｈ ｓｐｅｃｔｒａｌ ｅｆｆｉｃｉｅｎｃｙ．Ｒｅｃｅｉｖｅｒ ｒｅｑｕｉｒｅｓ ｄｙｎａｍｉｃ ｍｕｌｔｉｐａｔｈ ｃｈａｎｎｅｌ ｅｓｔｉｍａｔｉｏｎ ａｎｄ ｔｒａｃｋｉｎｇ ｆｏｒ ｃｏｈｅｒｅｎｔ ｄｅｍｏｄｕｌａｔｉｏｎ，ｓｏ ａｎ ａｃｃｕｒａｔｅ ａｎｄ ｓｉｍｐｌｅ ｃｈａｎｎｅｌ ｅｓｔｉｍａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｃａｎ ｉｍｐｒｏｖｅ ｔｈｅ ｄａｔａ ｔｒａｎｓｍｉｔ ｒａｔｅ ａｎｄ ｒｅｄｕｃｅ ｔｈｅ ｐｏｗｅｒ ｃｏｎｓｕｍｐｔｉｏｎ ｏｆ ｕｓｅｒ ｅｑｕｉｐｍｅｎｔ．Ｔｈｉｓ ｐａｐｅｒ ｄｅｓｃｒｉｂｅｓ ｔｈｅ ＬＴＥ—Ａ ｄｏｗｎｌｉｎｋ ｃｈａｎｎｅｌ ｅｓｔｉｍａｔｉｏｎ ｂｙ ｕｓｉｎｇ ｐｉｌｏｔ ａｎｄ ｐｒｏｐｏｓｅｓ ａ ｃｈａｎｎｅｌ ｅｓｔｉｍａｔｏｒ ｕｓｉｎｇ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ．Ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ｃｏｎｓｉｄｅｒｓ ｔｈｅ ｄｏｗｎｌｉｎｋ ｔｒａｎｓｍｉｓｓｉｏｎｓ ｗｉｔｈ ｃｈａｎｎｅｌ ｆｒｅｑｕｅｎｃｙ ｓｅｌｅｃｔｉｖｅｌｙ ａｎｄ ｕｓｅｓ ｔｈｅ ｒｅｃｅｉｖｅｄ ｐｉｌｏｔ ｓｉｇｎａｌ ｔｏ ｄｙｎａｍｉｃａｌｌｙ ｔｒａｃｋ ｔｈｅ ｃｈａｎｎｅｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｃｈａｎｇｅｓ，ｔｈｅｎ ｐｒｅｆｏｒｍｓ ｃｏｈｅｒｅｎｔ ｄｅｍｏｄｕｌａｔｉｏｎ ｆｏｒ ｔｈｅ ｒｅｃｅｉｖｅｄ ｄａｔａ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｏｂｔａｉｎｅｄ ｃｈａｎｎｅｌ ｉｎｆｏｒｍａｔｉｏｎ．Ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｃｏｍｐａｒｅｄ ｔｏ ｔｈｅ ｃｏｎｖｅｎｔｉｏｎａｌ ｍｅｔｈｏｄｓ ｌｅａｓｔ ｓｑｕａｒｅ（Ｉ Ｓ）ａｎｄ ＭＭＳＥ，ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｈａｓ ｂｅｔｔｅｒ ｐｅｒｆｏｒｍａｎｃｅ ｉｎ ｔｅｒｍｓ ｏｆ ｍｅａｎ ｓｑｕａｒｅ ｅｒｒｏｒ（ＭＳＥ），ｓｙｍｂｏｌ ｅｒｒｏｒ ｒａｔｅ（ＳＥＲ）ａｎｄ ｃｏｍｐｌｅｘｉｔｙ，ａｎｄ ｃａｎ ｅｆｆｅｃｔｉｖｅｌｙ ｉｍｐｒｏｖｅ ｔｈｅ ｓｙｓｔｅｍ ｔｈｒｏｕｇｈｐｕｔ． Ｋｅｙｗｏｒｄｓ：ＬＴＥ Ａ；４Ｇ；ＯＦＤＭ；ｃｈａｎｎｅｌ ｅｓｔｉｍａｔｉｏｎ；１ｉｎｋ ｌｅｖｅｌ ｓｉｍｕｌａｔｏｒ １ 引 言 ＯＦＤＭ系统中，对高速数据流进行串／并转换映射到不同 子载波上进行传输，使得每个子载波上的数据符号持续时 间相对增加，从而有效地减少由于无线信道的时间弥散所 ＬＴＥ项目是以ＯＦＤＭ和ＭＩＭＯ为主要技术基础，开 发出满足更低传输时延、提供更高用户传输速率、增加容量 和覆盖、减少运营费用、优化网络架构、采用更大载波带宽 带来的符号间干扰，进而减小接收机内均衡器的复杂度。 针对ＩＴｕ的目标，ＬＴＥ Ａ提出的峰值速率目标是下行 １ Ｏｂｉｔ／ｓ，Ｊ二行５００ Ｍｂｉｔ／ｓ【＝３ ，更高的传输速率要求接收端 并优化分组数据域传输的移动通信标准。为满足ＩＴｕ关 于４Ｇ方案的需求，３ＧＰＰ提出ＬＴＥ—Ａ（ＬＴＥ—Ａｄｖａｎｃｅｄ）标 准，在ＬＴＥ系统设计目标的基础上，进一步提高频谱效率 能够准确快速地获得信道信息并且反馈给发射端以调整调 制编码方式等设置，所以简单而精确的信道估计算法在 和对高速场景的支持 。Ｉ ＴＥ—Ａ下行传输基于ＯＦＤＭ ＬＴＥ—Ａ系统中发挥着关键的作用 。为满足高速移动性 技术，通过将有效频带划分为多个相互正交且重叠的子载 的需求，ＬＴＥ—Ａ采用基于梳状导频的信道估计算法，第１ 波，以此减少子载波之间的干扰和提高频谱利用率。 收稿日期：２０１ ３ ０５ ・ ３４ ・ 程光军等：ＬＴＥ—Ａ下行信道估计算法研究 步是对导频信号进行估计，可以采用ＬＳ或ＭＭＳＥ等算 法 ］，第２步是在对导频进行估计的基础上进行插值算法 Ｙ—ＤＦＴ（ＩＤＦＴ（Ｘ） 第１Ｏ期 ｈ＋ ）一ＸＨ＋Ｎ （１） 式中：Ｆ表示ＤＦＴ变换矩阵。ＯＦＤＭ子载波输入与输出 之问的关系为： Ｙｋ， 处理，得到所有传输数据信息的子载波的信道特性，插值一 般采用线性或更高阶的插值算法＿８］。通过研究ＬＴＥ－Ａ系 一Ｈ¨Ｘ¨＋Ｎ¨ （２） 统在多径信道环境下的信道估计技术，提出了一种基于神 Ｈ 是第ｉ个ＯＦＤＭ符号处第ｋ个子载波上的信道频 率响应。信道冲激响应表示为：， ＾ １ 经网珞的信道估计算法，估计器首先通过学习以适应信道 特性的变化，然后利用导频子载波处的信道特性来估计非 导频子载波处未知的信道响应，通过搭建ＬＴＥ－Ａ链路级仿 ｈ（ｒ， ）一 ｈ （￡）８（ 一Ｚ＇ｍ） （３） ｍ ０ 真平台验证该算法能够有效改善信道估计的均方误差，降 低系统误符号率且具有更低的运算复杂度，适用于移动终 端低复杂度低消耗的需求。 ２链路级仿真模型 为了验证所提出的信道估计算法对移动通信系统性能 的改进，依照３ＧＰＰ组织发布的ＬＴＥ—Ａ标准进行系统物理 层下行链路级仿真。如图１所示为ＬＴＥ—Ａ单码字传输过 程，首先对发送信号进行信道编码并交织，然后将交织后的 数据比特串／并转换后调制映射到ＯＦＤＭ符号的各个子载 波上；将导频符号插入相应的子载波后，对所有子载波上的 符号进行逆傅里叶变换生成时域信号。 Ｌ＝＝ 二：：＝Ｊ Ｌ二二二二二—二＝Ｊ Ｉ ｌ Ｌ二二二ｆ＿ —二Ｊ Ｌ二＝＿二＿二二二＝Ｊ ［ｊｌ 篮 图１ ＬＴＥ—Ａ仿真平台架构 接收端的处理是发送端的逆过程，通过在导频子载波 位置提取出参考信号以进行信道估计，并且将估计结果映 射到ＣＱＩ（信道质量指示）反馈到发射端且产生Ｔｕｒｂｏ解码 所需的软比特信息 川。为简化计算，信道插值采用时频２ 个一维线性内插的方式获得完整的信道响应估计值。 ３信道估计方法 令ｘ和ｙ分别表示发射端ＩＦＦＴ模块的输入和接收端 ＦＦＴ模块的输出，ｈ和 表示信道冲激响应和ＡＷＧＮ噪声 的采样，Ｈ和Ｎ分别为它们的频域表示。假设信道的最大 多径时延小于ＣＰ（循环前缀）的长度，则ＯＦＤＭ接收信号 表示为： 式中：Ｍ表示多径数，ｈ （ ）和ｒ 表示信道的冲激响应和多 径时延。Ｘ 表示以发射端导频子载波发射的导频值为主对 角线的对角阵，ｙ 表示接收端提取出的经过信道之后的导 频数据，Ｎ 表示导频数量。 ３．１最小平方误差（ＬＳ）估计器 最小平方误差信道估计的原理是最小化接收信号ｙ和 发射信号Ｘ之间的平方误差： ｍｉｎ．－Ｊ（Ｈ）一ｍｉｎＨｒ｛（ｙ—ＸＨ） （ｙ 用Ｈ 对式（４）做微分，可得： Ｊ（Ｈ）一一Ｘ Ｙ＋Ｘ ＸＨ—ｏ （５） ＬＳ信道估计的结果为Ⅲ。 ： 白 一ｘ一 ｙ一￣Ｙ０Ｙ， … ＹＮ］ （６） Ａ。＾一般情况下，ＯＦＤＭ系统的ＬＳ信道估计技术具有较 低的复杂度，但ＬＳ算法受高斯白噪声和子载波间干扰的 影响很大，会产生很高的均方误差，估计的准确度较差。 ３．２最小均方误差（ＭＭＳＥ）估计器 ＭＭＳＥ估计器采用信道的二阶统计量来最小化均方 误差。Ｒ 、ＲＨＨ和Ｒ 表示ｈ、Ｈ和ｙ的自相关矩阵，Ｒ 表 示 和ｙ的互相关矩阵， 表示噪声方差，假设ｈ和噪声Ｎ 之间不相关，则： ＾ｆＭｓＥ—Ｒ＾ Ｒｗ－１Ｙ （７） 可以得到ＭＭＳＥ估计的结果［】 ： ＾ ＾ Ｈ ＭＭＳＥ—Ｆｈ —ＦＣ（Ｆ“Ｘ“） Ｒ－－ １ｄ ２ 十ＸＦ ｙ— Ｒ ［Ｒ ＋ｄ （ＸＸ ） ］ Ｈ （８） 式中：上标Ｈ表示矩阵的Ｈｅｒｍｉｔ转置。 ＭＭＳＥ算法的性能比ＬＳ更好，尤其是在低信噪比的 情况下。ＭＭＳＥ算法的一个主要缺点是它的计算复杂度 高，接收端需要知道信道归一化的信道冲激响应的自相关 ＲＨＨ以及信噪比ＳＮＲ，特别是每次Ｘ中的数据变化时都要 进行矩阵求逆计算。 ３．３神经网络算法 ＮＮＭ（ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｍｅｔｈｏｄ）估计器的原理来自神 经网络中的图像识别。估计器利用导频子载波提供的信道 信息来估计整个信道的频率响应。ＮＮＭ的输入Ｐ定 义为： ・ ３５ ・ 第３６卷 电 子 测 量技术 ｐ＝Ｘｅ－￣ｙｅ＝［ ＹＰｏ… ＹＰｌ…蒜ＹＰＮ－１］ ＮＮＭ的估计目标值为： Ｈ—Ｘ Ｙ—ＩＮ。Ｈ …ＨⅣ－ ］ ＮＮＭ输出的估计值设为： （９）４仿真与结果分析 ４．１仿真场景与参数设置 （１０） 根据３ＧＰＰ标准搭建仿真平台进行计算机仿真，仿真 参数如表１所示，仿真场景设定为单用户，采用ＰｅｄＢ（ＩＴＵ 步行Ｂ信道）城市信道模型，ＭＩＭＯ模型为４×２的空间复 （１１） 用，仿真子帧数为２ ０００。 表１仿真参数设置 Ｈ—Ｈ＋ｅ—ＩＮ。＋ｅ。…Ｈ １＋ｅ￣１１］ ＮＮＭ需要多次测试以保证收敛，通过最大限度地缩 短该算法的学习时间和保持较低的实现复杂度以提高整个 系统的性能。单个神经元的输出为： 奇，一，（∑Ｗ Ｐ ＋６ ） （１２） 用矩阵形式表示为： Ｈ 一ｆ（ＷｆｒＰ＋ｂ ） （１３） Ｗ 一［ｗ Ｗ川Ｗ ．一 ］，ｗ 是连接激励ｉ到神经元 的突触权重值，Ｐ 是输入的激励，Ｈ是输出的神经元，０≤ ｊ≤Ｎ一１，ｆ是线性函数，ｂｊ是神经元 的偏移值。ＮＮＭ学 习阶段使用高效梯度方向传播算法，通过修改权重值以最 小化Ｈ和Ｈ之间的均方误差。决定ＮＮＭ性能的总均方 误差如下式： Ｎ １ Ｎ １ １ Ｅ一 （ （１４） 是第 个神经元的输出误差，ｚ是训练符号序号。 一，（ｗ Ｐ ）一Ｈ ＝Ｈ 一Ｈ （１５） 权重ｗ 通过如下算法进行更新： １）权重值初始化为小幅度随机值； ２）根据导频位置的信道响应值在时间方向上进行插 值，得到每个子帧中所有ＯＦＤＭ符号上的信道响应。 ３）计算在一次迭代中权重的变换量： Ｉ ＡＷ 一一 ∑ ｔ ＂。ＴＰ ） （１６） ４）更新权重值： ｗ （矗＋１）一Ｗ，（志）＋△ＷＪ（愚） （１７） ５）如果误差变得更大，则返回步骤３，否则继续执行步 骤６； ６）获得满足要求的ｗ 。 学习阶段完成后，ＮＮＭ利用导频信道的Ｐ来估计Ｈ， 然后对ＯＦＤＭ符号进行判决。通过仿真表明，对于一次学 习，ＮＮＭ可以估计出６ ０００个ＯＦＤＭ符号，对应于４Ｏ个 ＬＴＥ—Ａ无线帧。 ・ ３６ ・ 参数名称 取值 传输带宽 ２Ｏ ＭＨｚ 子载波间隔 １５ ｋＨｚ ＦＦＴ点数 ２ ０４８ 子载波数目 １ ２００ 调制方式 １６ ＱＡＭ 无线信道 ＰｅｄＢ，５条径，最大时延３．７ ｍｓ ＭＩＭＯ接收 ＳＳＤ ＰＲＢ最大数 １ＯＯ ＨＡＲＱ重传次数 ３ 子帧长度 １ ｍｓ 载波频率 ２．１ ＧＨｚ 循环前缀长度 ４．６９“ｓ ＣＱＩ等级 ７ Ｔｕｒｂｏ编码速率 ０．５８ 无线信道模型 平坦瑞利衰落 ４．２仿真结果与分析 从图２、图３可以看出，相比于ＬＳ估计器、ＭＭＳＥ估计 器，ＮＮＭ估计器在均方误差（ＭＳＥ）和误符号率（ＳＥＲ）方 面有提高，特别是在信噪比高的时候ＳＥＲ有明显改进。由 图３可见在低信噪比条件下，信道质量较差，性能提升困 难，即使ＮＮＥ估计器能对信道进行准确估计，依然不能改 善误符号率的性能，这是因为在信噪比较低时，噪声对信道 估计的影响成为主要因素，ＮＮＭ信道估计算法不能显示 出其优越性。 图２ ＭＳＥ性能曲线 ∞ ／善智帐 程光军等：ＬＴＥ—Ａ下行信道估计算法研究 第１Ｏ期 图３ ＳＥＲ性能曲线 ＮＮＭ估计器能提高系统吞吐量，如图４所示。仿真 表明，在不同信噪比条件下，采用ＮＮＭ算法都能够得到低 于ＬＳ和ＭＭＳＥ的误码率，保证了ＬＴＥ—Ａ系统对更高峰 值速率和频谱效率的需求。 ４５ ４０ ３５ ３０ ２５ ２０ １５ ｌＯ ５ ０ 信噪比／ｄＢ 图４吞吐量性能曲线 ５ 结 论 ＬＴＥ—Ａ下行信道采用基于导频的信道估计方法， ＮＮＭ估计器能通过学习以适应信道的变换。仿真结果表 明ＮＮＭ估计器具有适应信道变化的优势和能力，能提供 更准确的信道估计，从而提高ＬＴＥ—Ａ系统的服务质量。在 ＮＮＭ的估计阶段，只需要一次矩阵相乘算法，在保证系统 高数据速率的条件下能有效降低信道估计算法复杂度，更 适用于ＬＴＥ—Ａ下行信道中移动终端低复杂度和低功耗的 特点，具有重大的实际应用价值。 参考文献 ［１］ 郎为民，杨德鹏，李虎生．ＬＴＥ—Ａｄｖａｎｃｅｄ标准化进 展［Ｊ］．数据通信，２Ｏ１２，１２（１）：１１－１５． Ｅ２］ 朱禹涛．ＴＤ－Ｉ ＴＥ—Ａｄｖａｎｃｅｄ国际标准历程［Ｊ］．现代 电信科技，２０１ｌ，４１（９）：１８—２３． ［３］ 田飞．４Ｇ移动通信关键技术［Ｊ］．中国新通信，２０１２， １４（１１）：１７－１８． ［４１ 杨震．宽带中国与４Ｇ移动通信展望［Ｊ］．中兴通讯技 术，２０１３，１９（１）：１－４． ［５］ 郝建华，史勋栋，蔺福强．宽带移动通信系统中基于导 频的信道估计［Ｊ］．国外电子测量技术，２０１０，２９（１）： ２Ｏ一２３． ［６］ 陈伟，朱维乐．电力线ＯＦＤＭ系统中的一种盲信道估 计方法［Ｊ］．电子测量与仪器学报，２０１１，２５（６）： ５１２—５ｌ５． ［７］ 徐鹏超，俞辉，徐友云，等．ＬＴＥ下行信道估计算法研 究［Ｊ］．通信技术，２０１０，４３（５）：１６２—１６７． ［８］ 侯锦峰，刘捷，隆克平．一种改进的ＬＴＥ下行系统信 道估计算法口］．通信技术，２０１１，４４（２）：１０８—１１１． ［９］ 邹应全，李春国，赵睿，等．多小区ＭＩＭＯ系统中的分 布式预编码研究［Ｊ］．仪器仪表学报，２０１０，３１（１２）： ２８２２—２８２７． ［１Ｏ］杨晋生，张毅．ＩＣＩ自消除机制下的ＯＦＤＭ信道估 计［Ｊ］．电子测量技术，２Ｏ１１，３４（１１）：２９—３１，３８． ｒ１１］ ＳＡＳＴＲＹ Ｋ Ｓ，ＢＡＢＵ Ｍ Ｐ．Ｎｏｎ ｄａｔａ ａｉｄｅｄ ＳＮＲ ｅｓｔｉｍａｔｉｏｎ ｆｏｒ ＯＦＤＭ ｓｉｇｎａｌｓ ｉｎ ｆｒｅｑｕｅｎｃｙ ｓｅｌｅｃｔｉｖｅ ｆａｄｉｎｇ ｃｈａｎｎｅｌｓ［Ｊ］．Ｗｉｒｅｌｅｓｓ Ｐｅｒｓ Ｃｏｍｍｕｎ，２０１３，７０（１）： １６５—１７５． ［１２］ ＬＩＵ Ｙ。ＳＥＺＧＩＮＥＲ Ｓ．ＴＷＯ ｉｔｅｒａｔｉｖｅ ｃｈａｎｎｅｌ ｅｓｔｉｍａｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ ｉｎ ｓｉｎｇｌｅ－ｉｎｐｕｔ ｍｕｌｔｉｐｌｅ－ｏｕｔｐｕｔ （ＳＩＭＯ）ＬＴＥ ｓｙｓｔｅｍｓ［Ｊ］．Ｔ Ｅｍｅｒｇ Ｔｅｌｅｃｏｍｍｕｎ Ｔ， ２０１３，２４（１）：５９—６８． ［１３］ ＳＡＮ０ Ｙ，０ＨＷＡＴＡＲＩ Ｙ，ＭＩＫＩ Ｎ，ｅｔ ａ１．Ｌｉｎｋ ｐｅｒｆｏｒｍａｎｃｅ ｍｏｄｅｌｉｎｇ ｏｆ ｉｎｔｅｒｆｅｒｅｎｃｅ ｒｅｊｅｃｔｉｏｎ ｃｏｍｂｉｎｉｎｇ ｒｅｃｅｉｖｅｒ ｉｎ ｓｙｓｔｅｍ Ｉｅｖｅ１ ｅｖａｌｕａｔｉｏｎ ｆｏｒ ＬＴＥ－Ａｄｖａｎｃｅｄ ｄｏｗｎｌｉｎｋ［Ｊ］．Ｉｅｉｃｅ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１２，Ｅ９５Ｂ（１２）：３７３９—３７５１． ．．．。。． 。卜 川 程光军，１９８６年出生，中国科学院上海微系统与信息 技术研究所，硕士，主要研究方向为移动通信关键技术。 Ｅ－ｍａｉｌ：ｇｕａｎｇＪｕｎ．ｃｈｅｎｇ＠ｍａｉｌ．ｓｉｍ．ａｃ．ｃｎ ・ ３７ ・
