Time-varying MIMO channel estimation using Kalman filters

Neste trabalho utilizamos filtros de Kalman para estimar canais de comunicação sem fio variantes no tempo em sistemas com múltiplas entradas e múltiplas saídas. Primeiramente, propusemos um estimador ótimo (no sentido de minimização do erro quadrático médio de estimação) para rastrear canais planos em sistemas utilizando códigos espaço-temporais ortogonais por blocos. Graças à ortogonalidade destes códigos, foi possível simplificar as equações do filtro de Kalman. Mostramos que as estimativas fornecidas pelo estimador proposto correspondem a somas ponderadas de estimativas instantâneas de máxima verossimilhança do canal. Ainda para este sistema, propusemos um filtro de Kalman em estado estacionário para modulações de módulo constante. O filtro em estado estacionário tem desempenho semelhante ao do filtro de Kalman ótimo, embora necessite apenas de uma fração dos cálculos envolvidos. Em seguida, propusemos um receptor baseado no filtro de Kalman estendido para realizar conjuntamente as tarefas de estimação de canais seletivos em freqüência e detecção de sinais em sistemas com múltiplas entradas, múltiplas saídas (MIMO, do inglês multiple-input, multiple-output) e multiplexação espacial. Por fim, adaptamos este estimador conjunto para incorporá-lo a um receptor turbo. Desta maneira, o estimador conjunto pode aproveitar a redundância introduzida pela codificação de canal para aprimorar as estimativas dos coeficientes do canal e dos símbolos transmitidos por meio de um processo iterativoIn this work we use Kalman filters to estimate time-varying wireless channels in multiple-input, multiple-output (MIMO) systems. First, we propose an optimal estimator (in the minimum mean squared error sense) to track flat channels in orthogonal space-time block coded systems. Due to the orthogonality inherent to these codes, the Kalman filter equations can be simplified. We also show that the channel estimates provided by the proposed estimator correspond to weighted sums of instantaneous maximum likelihood channel estimates. For constant modulus signal constellations, we propose a steady-state Kalman filter. The proposed steady-state Kalman filter suffers negligible performance degradation compared to the optimal Kalman filter while requiring just a fraction of its complexity. After that, we propose an extended Kalman filter-based receiver that jointly performs the estimation of time-varying frequency-selective MIMO channels and the detection of transmitted signals in spatial multiplexing systems. Finally, we adapt this joint estimator to a turbo receiver. Therefore, the joint estimator can benefit from the error correction capabilities of channel codes to iteratively improve channel and signal estimate