DOI QR코드

DOI QR Code

A Time-Domain Equalization of OFDM Systems Using the OMP Algorithm

OMP 알고리즘을 이용한 OFDM 시스템의 시간 영역 등화기

  • Moon, Woosik (School of Electronic Engineering, Soongsil University) ;
  • Im, Sungbin (School of Electronic Engineering, Soongsil University)
  • 문우식 (숭실대학교 정보통신전자공학부) ;
  • 임성빈 (숭실대학교 정보통신전자공학부)
  • Received : 2011.06.29
  • Published : 2012.09.25

Abstract

In this paper, we introduce the time-domain equalizer in orthogonal frequency division multiplexing (OFDM) systems using orthogonal matching pursuit (OMP) algorithm. Since OFDM system inserts guard intervals, it shows robust performance against multi-path fading. However, in Doppler channel, inter-carrier interference (ICI) occurs because an orthogonality of sub-carriers does not maintain. A least squares (LS) algorithm is common method of time-domain equalizer, but if a channel length is longer, the performance deteriorates by noise. The multi-path fading is a summation of the different delay signal. And that has sparse properties in time-domain. Because the OMP algorithm of the compressive sensing (CS) algorithm restores the channel by choosing the important elements of sparse channel, it can reduce the influence of noise. We simulate the performance of time-domain equalizer in OFDM system with various channel environments using OMP algorithm compared with other equalization method.

본 논문에서는 OFDM (Orthogonal Frequency Division Multiplexing) 시스템에서 OMP (Orthogonal Matching Pursuit) 알고리즘을 이용한 시간 영역 등화를 제안한다. OFDM 시스템은 보호구간을 삽입하여 다중 경로 페이딩에 강인한 특성을 보이지만, 도플러 환경에서는 부반송파간의 직교성이 유지되지 않아 채널간의 간섭이 발생한다. 대표적인 시간 영역 등화 방법으로 LS (Least Squares) 알고리즘이 있지만 채널 길이가 길어질수록 잡음에 의한 오차가 커지는 단점이 있다. 다중 경로 페이딩은 서로 다른 지연을 갖는 신호의 합으로 볼 수 있고, 시간 영역에서 성긴 (sparse) 특성이 있다고 할 수 있다. CS (Compressive Sensing) 알고리즘 중 하나인 OMP (Orthogonal Matching Pursuit) 알고리즘은 성긴 채널에서 중요한 요소만을 선택하여 채널을 복원함으로서 잡음의 영향을 줄일 수 있다. 모의실험에서는 여러 가지 채널 환경에서 OMP 알고리즘의 채널 등화 성능을 다른 등화 방법과 비교하여 평가하였다.

Keywords

References

  1. T. Duman and A. Ghrayeb, Coding for Mimo Communication Systems, Willy, 2008.
  2. W. U. Bajwa, J. Haupt, A. M. Sayeed, and R. Nowak, "Compressed Channel Sensing: A New Approach to Estimating Sparse Multipath Channels," Proceedings of the IEEE, vol. 98, no. 6, pp. 1058-1076, Jun. 2010. https://doi.org/10.1109/JPROC.2010.2042415
  3. C. R. Berger, Z. Wang, J. Huang and S. Zhou, "Application of Compressive Sensing to Sparse Channel Estimation," IEEE Commun. Mag., vol. 48, no. 11, pp. 164-174, Nov. 2010.
  4. E. J. Candès and M. B. Wakin, "An Introduction To Compressive Sampling," IEEE Signal Processing Magazine, vol. 25, pp. 21-30, Mar. 2008. https://doi.org/10.1109/MSP.2007.914731
  5. J. Tropp and A. Gilbert, "Signal recovery from random measurements via orthogonal matching pursuit," IEEE Trans. Inf. Theory, vol. 53, pp. 4655-4666, Dec. 2007. https://doi.org/10.1109/TIT.2007.909108
  6. S. G. Mallat and Z. Zhang, "Matching Pursuits With Time-Frequency Dictionaries," IEEE Trans. Sig. Proc., vol. 41, no. 12, Dec. 1993.
  7. D. Needell and J. A. Tropp, "CoSaMP: Iterative signal recovery from incomplete and inaccurate samples," Applied and Computational Harmonic Analysis, vol. 26, no. 3, pp. 301-321, 2008.