Estimação de canal concorrente para sistemas wireless multiportadora baseada em inteligência artificial

Abstract

Esta dissertação apresenta uma nova técnica de estimação e compensação de canal baseada em inteligência artificial, capaz de adaptar um receptor wireless às mais diversas variações no tempo e em freqüência da função de transferência do canal de broadcast. Essa nova técnica é aplicada a sistemas OFDM (Orthogonal Frequency Division Multiplexing) e baseia-se em uma Matriz de Identificação e Compensação de Canal constituída por filtros FIR (Finite Impulse Response) adaptativos, um para cada portadora do sistema em questão, baseados nos algoritmos CMA (Constant Modulus Algorithm) e DD (Direct Decision) e ajustados através de um processo concorrente que minimiza simultaneamente duas funções de custo. O controle da minimização simultânea das duas funções de custo é feito através de um elo não-linear, que estabelece o paralelo com a técnica de inteligência artificial conhecida como aprendizado competitivo. A nova técnica apresentou grande robustez tanto para canais com multipercurso estático, ao ponto de poder serem considerados como canais AWGN (Additive White Gaussian Noise), como também para canais com multipercurso dinâmico.

This dissertation introduces a new channel estimation and compensation technique, which is able to adapt a wireless multicarrier receiver to the most stringent operational conditions in the broadcast channel. The new technique is suited for OFDM systems and is based on a Channel Compensation and Identification Matrix formed by two-coefficient adaptive FIR filters, one filter for each subcarrier. The filters are adapted by means of the concurrent operation of the gradient-based CMA and DD algorithms, such that the concurrent operation simultaneously minimizes both cost functions. The minimization control is made via a non-linear link that establishes a parallel with the artificial intelligence technique known as competitive learning. The new technique has demonstrated significant robustness for both static and dynamic multipath channels, being able to attain a low symbol error rate even when operating under a severe and fast varying multipath scenario. This robustness stems from the fact that the principle of operation of the new technique is such that a static multipath channel results converted into a AWGN channel.