논문 2012-49TC-8-4
고속 시변 채널 OFDM을 위한
저복잡도 LS 채널 예측의 성능 개선
( Performance Improvement of Low Complexity LS Channel Estimation
for OFDM in Fast Time Varying Channels )
임 동 민
** ( Dongmin Lim )요 약
본 논문에서는 고속 시변 채널 OFDM을 위한 저복잡도 LS(Least Squares) 채널 예측의 성능 개선 방안을 제안한다. 저복 잡도 LS 채널 예측을 위해 사용하는 CE-BEM(Complex Exponential-Basis Expansion Model) 채널 모델의 경우 채널 모델 자 체의 문제점으로 인하여 채널 예측 성능 저하가 발생한다. 본 논문에서는 우선 시간 영역 윈도우를 이용하여 데이터 심볼에 의한 ICI(Interchannel Interference)의 영향을 제거한다. LS 채널 예측 결과에서 샘플을 취하여 윈도우의 영향을 제거한 후 특 성이 채널 변화의 표현에 적합한 DPSS(Discrete Prolate Spheroidal Sequences)를 기저함수(basis function)로 하는 보간 (interpolation) 방식으로 채널 응답을 복원하여 CE-BEM의 문제점을 해결한다. 컴퓨터 모의실험을 통한 성능 확인 결과 제안 된 채널 예측 방식은 기존의 방식과 비교하여 특히 고속 시변 채널에서 우수한 성능 개선 효과를 보여주며, 선택된 기저함수 의 형태뿐만 아니라 기저함수의 개수의 설정이 성능을 크게 좌우하는 또 다른 요소임을 확인하였다.
Abstract
In this paper, we propose a method for improving the performance of low complexity LS channel estimation for OFDM in fast time varying channels. The CE-BEM channel model used for the low complexity LS channel estimation has a problem on its own and deteriorates channel estimation performance. In this paper, we first use time domain windowing in order to remove the effect of ICI caused by data symbols. Then samples are taken from the results of the LS channel estimation and the effects of the windowing are removed from them. For resolving the defect of CE-BEM, the channel responses are recovered by interpolating the resultant samples with DPSS employed as basis functions the characteristics of which is well matched to the time variation of the channel. Computer simulations show that the proposed channel estimation method gives rise to performance improvement over conventional methods especially when channel variation is very fast and confirm that not only which type of functions is selected for the basis but how many functions are used for the basis is another key factor to performance improvement.
Keywords: OFDM, time varying channel, LS channel estimation, BEM channel model, interpolation
Ⅰ. 서 론
효율적인 고속 시변 채널의 예측에는 채널 응답을 기
*
정회원, 경상대학교 전자공학과 (Gyeongsang National University)
접수일자: 2012년4월25일, 수정완료일: 2012년8월20일 저함수로 표현하는 다양한 BEM 채널 모델이 사용되고 있다[1]. 기저함수가 복소지수함수인 CE-BEM 채널 모 델을 이용하는 경우 주파수 영역 채널 행렬은 대역 (banded) 행렬로 모델링되어 저복잡도 LS 채널 예측이 가능해진다[2],[3]. CE-BEM을 이용하는 채널 예측은 사 실상 채널 응답을 푸리에 급수로 근사화하여 예측하는
FH H(t)
Diag(w) F LS ChannelEstimation
F u n Symbol Detection y Sampling, Diag(w)-1, Interpolation uˆ ) ( ˆ t H Ξˆ + +
Transmitter Channel Receiver
Channel Estimator
그림 1. OFDM 시스템 모델
Fig. 1. OFDM system model.
방식이며, 채널 응답을 주기함수로 근사화하는 과정에 서 기저함수의 개수를 증가시켜도 근사화 오차가 빠르 게 감소하지 않는 문제점을 가지고 있다[4]. 참고문헌 [3]에서는 예측된 CE-BEM 파라미터를 Legendre 다항 식을 기저함수로 이용하는 BEM의 파라미터로 변환하 여 이 문제점을 완화시키는 방안을 제시하고 있다. 파 일럿 심볼을 채널 예측에 이용하는 고속 시변 채널 OFDM에서는 데이터 심볼에 의한 ICI가 채널 예측의 성능을 저하시키는 중요한 요인으로 작용한다[2]. 본 논 문에서는 우선 시간 영역 윈도우를 사용하여 데이터 심 볼에 의한 ICI의 영향을 제거한다. LS 채널 예측 결과 에서 샘플을 취하여 윈도우의 영향을 제거한 후, 특성 이 채널 변화의 표현에 보다 적합한 DPSS[5]를 기저함 수로 하는 보간 방식으로 채널 응답을 복원하여 CE-BEM의 문제점을 해결하는 방안을 제안한다. 논문 의 구성은 다음과 같다. 서론에 이어 제 Ⅱ장에서는 논 문에서 사용하는 OFDM 시스템 모델을 기술한다. 제 Ⅲ장에서는 채널 예측을 위한 파일럿 심볼의 구조와 배 치에 대해 설명한 후 CE-BEM을 이용한 저복잡도 LS 채널 예측의 유도 과정을 기술한다. 제 Ⅳ장에서는 시 간 영역 윈도우를 사용하는 샘플링과 보간에 의한 저복 잡도 LS 채널 예측의 성능 개선 방안을 기술한다. 제 Ⅴ장에서는 컴퓨터 모의실험을 통하여 제안된 채널 예 측 방식의 성능을 기존 방식과 비교하고 성능 개선 효 과를 분석한다. 제 Ⅴ장에 결론을 정리한다. Ⅱ. 시스템 모델 우선 논문에서 사용되는 기호를 간단히 정의한다. 행 렬은 굵은 대문자, 열벡터는 굵은 소문자로 각각 표시 하며, ∙, ∙, ∙는 각각 공액복소(complex conjugate), 전치(transpose), 공액복소 전치(complex conjugate transpose: Hermitian) 연산을 나타낸다. 행 렬 의 번째 행, 번째 열의 원소는 또 는 으로 표시하며, 행렬 및 벡터의 인덱스는 0 에서 시작하며 mod N 연산을 따른다. 은 원소가 모 두 0인 × 열벡터, 은 × 단위 행렬, 는 이 산 푸리에변환을 나타내는 × 유니터리(unitary) 행렬을 표시한다. 벡터 로 구성되는 대각(diagonal) 행 렬은 로 표시하고, ∥∥ 는 행렬 의
Frobenius norm, ⊗ 은 행렬의 Kronecker product을 표 시한다[6]. 그림 1에 고속 시변 OFDM 채널 예측을 위하여 논 문에서 사용하는 OFDM 시스템 전체 모델을 도시하였 다. 고속 시변 채널의 특성은 시점 에서의 임펄스 입력에 대한 시점 에서의 채널 응답인 이산 임펄스 응답 로 나타낼 수 있다. 시점 에서의 응답 이 에 대해서만 0이 아닌 응답 을 가진다고 가정하면 이러한 채널은 시간 지연이 다른 개의 경로를 가지는 주파수 선택적 특성을 가진다. 하나의 OFDM 심볼 구간의 길이를 , 최대 도플러 주 파수를 로 표시하면 OFDM 부채널의 주파수 간격에
그림 2. 데이터와 파일럿 심볼 서브블록으로 구성된 OFDM 심볼 구조
Fig. 2. Structure of the OFDM symbol consisting of data and pilot symbol subblocks.
정규화된 도플러 주파수 는 채널의 시변 특성을 나 타내는 변수가 된다. OFDM의 부채널수를 , CP (Cyclic Prefix)의 길이를 로 설정하면, 수신부에 서 CP를 제거하고 채널 예측을 위하여 윈도우와 푸리 에 변환을 적용하여 얻어진 신호 는 OFDM 심볼 와 다음과 같은 관계식으로 표현할 수 있다
. (1) 위 식에서
는 채널의 대역폭 을 한정하기 위한 시간 영역 윈도우[7], 는 시간 영 역 채널 행렬, 은 평균이 0이고 분산이 인 복소정규잡음(complex Gaussian noise), 와 는 각각 주 파수 영역에서 바라본 채널 행렬과 잡음에 해당한다. 시간 영역 채널 행렬 는 채널의 번째 경로에 대 한 채널 응답 로 다음과 같이 표현할 수 있다
. (2) 위 식에서 은 행렬 에 대한 연산으로 은 행렬 의 각 열을 번 왼쪽으로 순환 이동시킨 행렬, 는 행렬 의 각 행을 번 아래쪽으로 순환 이동시킨 행렬이 된다[7]. 이 음수이면
가 되며 순환 이동 방향이 반대가 된다. 주파수 선택적 시변 채널의 모델링에는 일반적으로 BEM 방식이 이용되고 있다. BEM에서 사용하는 개 의 기저함수 을 행렬 로 표시하면, 윈도우가 적용된 채널의 번째 경로에 대한 채널 응답 는 BEM 파라미터 로 다음과 같이 표 현할 수 있다 .(3) 식 (1)∼(3)으로부터 다음과 같은 수신 신호 와 BEM 파라미터 와의 관계식을 얻을 수 있다[7～8]
⊗
⊗
. (4) 위 식에서
(5) Ⅲ. 저복잡도 CE-BEM LS 채널 예측 채널 예측을 위하여 매 OFDM 심볼에 개의 파일 럿 심볼 서브블록을 등간격으로 배치하는 방식[1],[7],[8]을 이용한다. 그림 2에 데이터 심볼 서브블록 과 파일 럿 심볼 서브블록 으로 구성된 OFDM 심볼의 구조 [8]를 도시하였다. 길이가 인 (홀수로 설정) 파일럿 심 볼 서브블록 은 채널 예측에서 ICI를 감소시키기 위 하여 0이 아닌 하나의 파일럿 심볼 를 중심으로 좌우 각각
개의 0으로 구성되며 개의 파일럿 심볼 서브블록은 모두 동일한 구조를 가진다. 그림 2와 같이 데이터와 파일럿 심볼 서브블록을 배 치하는 경우 OFDM 심볼 는 다음과 같이 표현된다
. (6) 파일럿과 데이터 심볼만으로 구성된 OFDM 심볼을 각 각 와 로 표시하면
, (7)수신 신호 는 다음과 같이 표현할 수 있다
⊗
. (8) 위 식에서 는 데이터 심볼에 의한 ICI를 나타 낸다. 벡터 를 식 (9)와 같이 복소지수함수로 정의하면
⋅
, (9) CE-BEM에서 사용하는 개의 기저함수는 다음과 같 이 표시할 수 있다 (는 홀수로 설정) . (10) 이산 푸리에 변환을 나타내는 유니터리 행렬 가 식 (11)과 같이 표현됨을 고려하면
, (11) 식 (4)의 은 식 (12)와 같이 대각 행렬을 순환 이동 시킨 형태로 단순화된다.
. (12) 로 정의하면 식 (12)로부터 주파수 영역 채널 행렬 는 대역폭이 로 제한됨을 알 수 있다. 그림 2에서 파일럿 심볼 서브블록 의 중앙에 위치 한 파일럿 심볼 의 인덱스를 으로 표시한다. 대역 폭이 인 채널 행렬 의 특성을 고려하여 파일럿 서브블록의 길이를 ≥ 로 설정하면, 이 파일 럿 심볼이 수신신호 에 미치는 영향은 식 (13)과 같이 제한적이다.
≤ . (13) 위 식에서 개의 변수 이 개의 수신 데이터
에 의해 결정되는 점을 고려하면 CE-BEM을 적용하는 경 우 식 (8)은 다음과 같은 행렬식으로 표현된다 . (14) 위 식에서 각 행렬은 다음과 같다
⋯
⋮ ⋯ ⋮
⋯
⋯ ⋮ ⋯ ⋮ ⋯
⋯ ⋮ ⋯ ⋮ ⋯
⋯
⋮ ⋯ ⋮
⋯
. (15) ≥ 인 조건에서 식 (14)에 LS 예측을 적용하면 BEM 파라미터의 예측치 는 식 (16)으로 구할 수 있 다
. (16) Ⅳ. LS 채널 예측의 성능 개선 식 (14)에 LS 예측을 적용하여 CE-BEM 파라미터를 구하는 방식은 참고문헌[2～3]에 소개된 방식과 비교하여 유도 과정은 다르지만 동일한 원리에 기반하고 있다. 이러한 저복잡도 LS 방식은 식 (8)에 LS 예측을 적용 하는 기존 방식[1, 7]과 비교하여 저장공간 및 계산량이 감소하는 장점이 있다. 이러한 저복잡도 LS 예측은 CE-BEM을 적용하여 주파수 영역 채널 행렬의 대역폭 이 제한되는 경우에만 가능하다. 그러나 CE-BEM은 모 델 자체의 문제점으로 인하여 채널 예측 성능이 저하 되는 문제점을 가지고 있다. 아래에 이러한 문제점의 원인과 새로운 해결 방안에 대하여 설명한다. OFDM 심볼 구간 에서 번째 채널 경로에 대한 연속적인 채널 응답 를 식 (3)과 같이 연속적인 기저함수들의 선형 결합으로 근사화하는 경우를 생각하 자. 기저함수의 선택에 따라 여러 가지 형태의 BEM 채 널 모델이 존재하며, CE-BEM의 경우 기저함수로 복소 지수함수를 사용한다. 다시 말하면 CE-BEM은 푸리에 급수를 이용하여 구간 에서 채널 응답 를 근사0 50 100 150 200 250 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Time, n Ch an ne l Re sp on se , | h l ( t )| estimated samples unwindowed samples interpolated channel response exact channel response
그림 3. 제안된 채널 예측 방식의 각 단계별 결과
Fig. 3. Results from each phase of the proposed
channel estimation method.
화하는 방식이며, 전체 구간에서 보면 근사화 결과는 주기가 인 주기함수로 나타난다. 이 방식은 주어진 구 간에서 함수 가 불연속점을 가지지 않는 경우에는 근사화 오차로 인한 문제가 발생하지 않는다. 그러나 불연속점이 존재하는 경우에는 주어진 구간 전반에 걸 쳐 근사화 결과가 기저함수의 개수를 증가시켜도 원래 의 함수에 빠르게 수렴하지 않는 문제점을 가지며 이러 한 현상은 Gibbs의 효과로 잘 알려져 있다[4]. CE-BEM 에서는 구간 에서 비주기적인 함수인 채널 응답 를 주기가 인 주기함수로 근사화하며 따라서 (또는 )에서 일반적으로 불연속점이 발생 한다. 참고문헌 [3]에서는 이러한 채널 모델 자체의 문 제점을 예측된 CE-BEM 파라미터를 Legendre 다항식 을 기저함수를 사용하는 BEM 파라미터로 변환하는 방 식을 이용하여 완화시키고 있다. 본 논문에서는 우선 식 (8)에서 나타난 데이터 심볼 에 의한 ICI를 제거하기 위하여 그림 1과 같이 채널 예 측에 앞서 시간 영역 윈도우를 사용한다. 예측된 CE-BEM 파라미터 로부터 채널 응답에 대한 샘플을 추출하여 윈도우의 영향을 제거한 후 고속 시변 채널 특성에 보다 적합한 개의 DPSS를 기저함수로 하는 보간법으로 채널 응답에 대한 예측치 를 복원하는 방식을 이용한다. 개의 데이터에서 등간격으로 대칭 성을 유지하면서 개의 샘플을 취하며 번째 샘플 에 대한 인덱스 는 다음과 같다 . (17) 제안된 채널 예측 방식의 전 과정은 식 (18)로 요약할 수 있다
. (18) 위 식에서 는 × DPSS-BEM 기저함수 행렬, 는 × 샘플된 DPSS-BEM 기저함수 행렬, 는 × 샘플된 CE-BEM 기저함수 행렬을 나타 낸다. 그림 3에 , , 의 경우에 대한 채널 예측의 각 단계별 결과를 도시하였다. V. 컴퓨터 모의실험 컴퓨터 모의실험을 통하여 제안된 채널 예측 방식의 성능을 확인하였다. 일반적인 Jakes 스펙트럼 채널 환 경에서 QPSK 변조방식을 사용하였으며 OFDM 시스템 관련 파라미터는 = 256, = 5, ≤ 로 설정하 였다. 채널 대역폭 제한을 위한 윈도우는 신호처리에서 일반적으로 사용되는 해밍(Hamming) 윈도우를 사용하 고 CE-BEM 채널 모델의 기저함수 수 = 5 ( = 2) 로 설정하였다. 파일럿 심볼 관련 파라미터는 파일럿 서브블록의 수 = 5, 파일럿 서브블록의 길이 = 9로 설정하였으며, 이 경우 전체 심볼수에서 파일럿 심 볼이 차지하는 비율은 17.58%이며 파일럿 심볼에 의한 전력 손실이 0.5dB 이하가 되게 파일럿 심볼의 크기를 조정하였다. 샘플링 및 보간과 관련된 파라미터는 샘플 수 = 4, DPSS 기저함수의 수 는 채널의 변화 속도에 따라 2∼4의 범위에서 설정하였다. 채널 예측 성능은 식 (19)와 같이 정의되는 시간 영 역 채널 행렬에 대한 정규화된 MSE(Mean Square Error)로 표시한다.
∥
∥
∥
∥
. (19) = 0.2인 비교적 느린 속도의 시변 채널에 대하여 로 설정한 경우 제안된 채널 예측 방식의 MSE 성능을 기존의 방식과 비교하여 그림 4에 도시하였다. 본 논문에서 제안된 방식은 CE-BEM의 문제점을 완화시켜 성능 개선의 효과를 보여주고 있으며, 참고문헌 [3]의 기저함수 변환방식과 비교하여 높은 SNR 영역 에서 보다 우수한 성능을 나타내는 이유는 채널 변화 를 보다 정확히 표현할 수 있는 DPSS를 기저함수로 사용한 효과로 판단된다. 비교적 느린 속도의 시변 채 널인 경우 데이터 심볼에 의한 ICI의 영향이 크지 않아 윈도우 사용의 효과는 다소 제한적이다. 낮은 SNR 영 역에서는 오히려 성능이 저하되는 현상을 보이는데 그 이유는 수식 (18)에서 로 표시되는 원도우의 영향을 제거하는 과정에서 잡음이 증폭되는 현상이 발 생하기 때문이다. 그림 5에는 채널 예측 결과를 반영한 LS 심볼 검출 방식에 의한 BER 성능을 도시하였 0 5 10 15 20 25 30 35 40 45 50 10-3 10-2 10-1 100 101 Eb / N0 (dB) N or m ali zed M S E CE-BEM basis conversion [3]
proposed method without windowing proposed method with windowing
그림 4. 채널 예측 방식의 MSE 성능 비교
Fig. 4. MSE performance comparisons for channel
estimation methods . 0 5 10 15 20 25 30 35 40 45 50 10-4 10-3 10-2 10-1 100 Eb / N0 (dB) BER CE-BEM basis conversion [3]
proposed method without windowing proposed method with windowing perfect channel estimation
그림 5. 채널 예측 방식에 대한 BER 성능 비교
Fig. 5. BER performance comparisons according to
channel estimation methods .
다. 고속 시변 채널 OFDM의 경우 주파수 영역 채널 행렬은 행렬의 상태수(condition number)가 큰 값을 가 진다[9]. 이러한 경우 시스템 행렬식의 LS 해는 채널 행 렬의 예측 오차, 잡음, 계산과정의 반올림 오차 등에 의해 원래의 값으로부터 크게 벗어하는 불안정한 특성 을 나타내어 해의 안정화(regularization) 과정이 요구 된다[10]. 본 본문에서는 LS 해를 구하는 반복적인 안정 화 방식인 LSQR[11] 알고리듬을 이용하였으며 반복횟 수는 20으로 설정하였다. 심볼 검출은 비선형적인 과정 을 포함하고 있으며 따라서 BER 성능은 채널 MSE 성 능과 선형적인 관련성을 나타내지는 않는다. 제안된 방 식은 높은 SNR 영역에서 다소 개선된 BER 성능을 보 0 5 10 15 20 25 30 35 40 45 50 10-3 10-2 10-1 100 101 Eb / N0 (dB) Nor m al iz ed M S E CE-BEM basis conversion [3]
proposed method without windowing proposed method with windowing
그림 6. 채널 예측 방식의 MSE 성능 비교
Fig. 6. MSE performance comparisons for channel
estimation methods . 0 5 10 15 20 25 30 35 40 45 50 10-4 10-3 10-2 10-1 100 Eb / N0 (dB) BE R CE-BEM basis conversion [3]
proposed method without windowing proposed method with windowing perfect channel estimation
그림 7. 채널 예측 방식에 대한 BER 성능 비교
Fig. 7. BER performance comparisons according to
0 5 10 15 20 25 30 35 40 45 50 10-3 10-2 10-1 100 101 Eb / N0 (dB) N or m al iz ed M S E CE-BEM
proposed method with windowing, Kd = 2 proposed method with windowing, Kd = 3 proposed method with windowing, Kd = 4
그림 8. 값에 대한 MSE 성능 변화
Fig. 8. MSE performance variations according to different values of . 0 5 10 15 20 25 30 35 40 45 50 10-4 10-3 10-2 10-1 100 Eb / N0 (dB) BE R CE-BEM
proposed method with windowing, Kd = 2 proposed method with windowing, Kd = 3 proposed method with windowing, Kd = 4 perfect channel estimation
그림 9. 값에 대한 BER 성능 변화
Fig. 9. BER performance variations according to different values of . 여주고 있다. 그림 6과 그림 7에는 = 1.0인 비교적 빠른 속도 의 시변 채널에 대하여 로 설정한 경우 제안된 채널 예측 방식의 MSE 성능과 심볼 검출 BER 성능을 기존의 방식과 비교하여 도시하였다. 이 경우에는 데이 터 심볼에 의한 ICI가 성능에 크게 영향을 미치며 따라 서 원도우 사용으로 인한 성능 개선 효과도 증가하게 된다. 특히 높은 SNR 영역에서 원도우의 사용으로 인 한 큰 폭의 성능 개선 효과를 확인할 수 있다. CE-BEM의 문제점을 해결하는데 있어 채널 응답에 적합한 기저함수를 선택하는 것뿐만 아니라 기저함수 의 개수 를 적절히 설정하는 것도 매우 중요하다. 의 설정과 관련된 요소는 도플러 주파수 , 채널 경로의 수 , 윈도우의 형태, SNR 등 매우 다양하여 최적 값의 결정은 매우 복잡한 문제이다. 모의실험 결과를 종합하면 본 논문에서 설정한 OFDM 환경에서 는 윈도우를 사용하지 않는 경우 < 0.01에서 = 1, 0.01 < < 0.5에서 = 2, 0.5 < < 1.0에 서 = 3, 해밍 윈도우를 사용하는 경우 < 0.01 에서 = 1, 0.01 < < 0.3에서 = 2, 0.3 < < 0.8에서 = 3, 0.8 < < 1에서 = 4로 설정하는 경우 상대적으로 우수한 성능을 얻을 수 있 었다. 그림 8과 그림 9에 = 0.5이고 해밍 윈도우를 사용하는 경우 값의 설정이 제안된 채널 예측 방식 의 MSE 성능과 심볼 검출 BER 성능에 미치는 영향을 도시하였다. 따라서 도플러 주파수 의 정확한 추정 과 와 최적 와의 실용적인 관련성 규정이 채널 예측 및 심볼 검출 성능 개선을 위한 또 따른 관건임 을 알 수 있다. Ⅵ. 결 론 본 논문에서는 고속 시변 채널 OFDM을 위한 저복 잡도 LS 채널 예측의 개선 방안을 제안하였다. CE-BEM 채널 모델을 고속 시변 채널 OFDM에 적용 하여 저복잡도 LS 채널 예측 방식을 유도하였다. 데이 터 심볼에 의한 ICI의 영향을 제거하기 위하여 시간 영 역 윈도우를 채널 예측에 사용하였으며 CE-BEM 자체 의 문제점을 해결하기 위하여 LS 예측 결과에서 샘플 을 취하여 원도우의 영향을 제거한 후 특성이 채널 변 화의 표현에 보다 적합한 DPSS를 기저함수로 하는 보 간법에 의해 채널 응답을 복원하는 방식을 이용하였다. 컴퓨터 모의실험을 통하여 제안된 채널 예측 방식이 기존 방식과 비교하여 채널 예측 MSE 및 심볼 검출 BER 관점에서 성능 개선의 효과가 있음을 확인하였다. 특히 비교적 빠른 속도의 시변 채널인 = 1.0인 경 우 해밍 윈도우를 사용하는 제안된 채널 예측 방식은 높은 SNR 영역에서 크게 향상된 성능 개선 효과를 나 타내었다. 채널 변화의 표현에 적합한 기저함수를 선택 하는 것뿐만 아니라 기저함수 개수 의 적절한 설정 이 성능에 큰 영향을 미치며, 따라서 도플러 주파수 의 정확한 추정과 와 최적 와의 실용적인 관
저 자 소 개 임 동 민(정회원) 1986년 서울대학교 제어계측 공학과 학사 졸업. 1988년 한국과학기술원 전기 및 전자공학과 석사 졸업. 1992년 한국과학기술원 전기 및 전자공학과 박사 졸업. 2010년∼2011년 미국 오하이오주립대 전기 및 컴퓨터공학과 객원연구원. 1992년∼현재 경상대학교 전자공학과 교수, 경상대학교 부속 공학연구원 연구원. <주관심분야 : 통신신호처리, RF & DSP 시스템 설계, 이동통신> 련성 규정이 채널 예측 및 심볼 검출 성능 개선을 위한 또 따른 관건임을 알 수 있다. 참 고 문 헌
[1] Z. Tang, R. Claudio, G. Leus, and P. Banelli, “Pilot-assisted time-varying channel estimation for OFDM systems,” IEEE Trans. Signal Processing, vol. 55, no. 5, pp. 2226-2238, May 2007.
[2] 임동민, “고속 시변 채널 OFDM을 위한 파일럿 심 볼을 이용한 저복잡도 LS 채널 예측,” 전자공학회 논문지, 제 48권 TC편, 제 11호, pp. 17-21, 2011년 11월.
[3] T. Hrycak, S. Das, G. Matz, and H. G. Feichtinger, “Practical estimation of rapidly varying channels for OFDM systems,” IEEE Trans. Comm., vol. 59, no. 11, pp. 3040-3048, Nov. 2011.
[4] T. A. Driscoll and B. Fornberg, “A Padé-based algorithm for overcoming the Gibbs phenomenon,” Numerical Algorithms, vol. 26, no. 1, pp. 77-92, 2001.
[5] T. Zemen and C. F. Mecklenbrauker, “Time-variant channel estimation using discrete prolate spheroidal sequences,” IEEE Trans. Signal Processing, vol. 53, no. 9, pp. 3597-3607, Sept. 2005.
[6] G. H. Golub and C. F. Van Loan, Matrix Computations, Baltimore: The Johns Hopkins University Press, 1996.
[7] L. Rugini, P. Banelli, and G. Leus, “Low-complexity banded equalizers for OFDM systems in Doppler spread channels,” EURASIP Journal on Applied Signal Processing, vol. 2006, Article ID 67404, 13 pages, 2006. [8] 임동민, “주파수 선택적 시변 채널 OFDM 시스템 에서의 파일럿 심볼을 이용한 채널 예측 및 등화,” 한국전자파학회논문지, 제 18권, 제 12호, pp. 1408-1418, 2007년 12월. [9] 임동민, “이중 선택적 채널 OFDM 시스템을 위한 블록 선형 MMSE 등화 방식의 성능 분석,” 한국 전자파학회논문지, 제 21권, 제 1호, pp. 76-82, 2010년 1월.
[10] P. C. Hansen, Rank-Deficient and Discrete Ill-Posed Problems - Numerical Aspects of Linear Inversion, Philadelphia: SIAM, 1998. [11] C. C. Paige and M. A. Saunders, “LSQR: an
algorithm for sparse linear equations and sparse
least squares,” ACM Trans. Math. Software, vol. 8, no. 1, pp. 43-71, Mar. 1982.
