| Summary: | Relay networks constitute one of the key technologies that are being developed for use in next generation wireless systems. In relay networks, the communication between the source and the destination is aided by dedicated nodes (relays) that convey the source's message to the destination. The use of relays improves the coverage, capacity and reliability in the network. Two-way relay networks (TWRNs) have recently been proposed to support bidirectional communication and have attracted the attention of many researchers because of their high spectral efficiency. In particular, TWRNs employing the amplify-and-forward (AF) protocol are appealing because of the minimal processing requirements at the relay. Effective operation of AF TWRNs requires accurate channel state information for self-interference cancellation and coherent decoding. The majority of works on channel estimation for AF TWRNs follow the training-based approach, which requires the transmission of pilots known to both terminals. The training-based approach consumes much needed bandwidth resources, which undermines the spectral efficiency of TWRNs. Blind channel estimation avoids the costly training burden by relying only on the received data samples. Another alternative approach is semi-blind estimation, a hybrid of blind and training-based approaches. The main objective of this thesis is to investigate blind and semi-blind channel estimation for AF TWRNs as a means for achieving substantially better tradeoffs between accuracy and spectral efficiency than possible using the training-based approach. In the first part of the thesis, we consider blind channel estimation for flat-fading channel conditions. Using the deterministic maximum likelihood (DML) approach, we propose new algorithms for blind channel estimation in AF TWRNs that employ constant-modulus signalling. Assuming M-PSK modulation, we prove that the proposed estimators are consistent and approach the true channel with high probability at high SNR. Using simulations, we show that the DML estimator offers a superior tradeoff between accuracy and spectral efficiency than the pilot-based LS estimator. Still within the context of flat-fading channels, the second part of the thesis focuses on semi-blind channel estimation. We derive the exact CRB for semi-blind channel estimation in AF TWRNs that employ square QAM. The derived bound is based on the true likelihood function that incorporates the exact statistics of the transmitted data symbols. Using the new bound, we show that the training overhead can be significantly reduced by employing semi-blind estimation. To demonstrate the achievability of these gains, we derive an expectation maximization (EM)-based semi-blind algorithm that performs very closely to the derived CRB. In the last part of the thesis, we consider semi-blind channel estimation for OFDM-based TWRNs operating in frequency selective channel conditions. To assist in the estimation of the individual channels, superimposed training is adopted at the relay. Our proposed semi-blind estimation algorithm is based on the Gaussian ML approach. We design the pilot vectors of the terminals and relay to optimize estimation performance. Our simulations show that the proposed method provides significant improvements in estimation accuracy. Les réseaux à relais constituent l'une des technologies clé de la prochaine génération des systèmes de communication sans fil. Dans les réseaux à relais, la communication entre une source et une destination est assistée par des noeuds dédiés (ou relais) qui relayent lemessage de la source jusqu'à la destination. L'utilisation de relais améliore la couverture, la capacité et la fiabilité des réseaux. Les réseaux à relais bidirectionnels (two-way relay networks ou TWRNs) ont été récemment proposés et ont suscité l'intérêt de nombreux chercheurs à cause de leur grande efficacité spectrale. En particulier, les TWRNs utilisant le protocole de relayage amplifier-et-transférer (amplify-and-forward ou AF) sont attrayants à cause de leurs faibles exigences de traitement aux relais. Le bon fonctionnent des AF TWRNs nécessite une étape d'estimation précise du canal pour la suppression d'auto-interférence et pour le décodage cohérent. La plupart des travaux sur l'estimation du canal pour les AF TWRNs suivent l'approche basée sur l'entrainement, ce qui nécessite la transmission de pilotes connus des deux terminaux .Cette approche consomme de précieuses ressources de communication afin de transmettre les pilotes, ce qui compromet l'efficacité spectrale des TWRNs. L'estimation aveugle évite ce fardeau en se fiant seulement sur les données reçues. Une autre option est l'estimation semi-aveugle, une approche hybride de l'approche aveugle et de celle basée sur l'entrainement. L'objectif de cette thèse est d'examiner l'estimation aveugle et semi-aveugle du canal pour les AF TWRNs afin d'obtenir un meilleur compromi entre l'efficacité spectrale et la précision que que celui offert par l'approche basée sur l'entrainement. Dans la première partie de cette thèse, nous considérons l'estimation aveugle du canal pour des conditions d'évanouissement plat. Employant le principe du maximum de vraisemblance déterminée (deterministic maximum likelihood ou DML), nous proposons de nouveaux algorithmes pour l'estimation et la détection aveugle et conjointe du canal pour les AF TWRNs qui utilisent une signalisation à module constant. Supposant une modulation M-PSK, nous prouvons que les estimateurs proposés sont consistants et se rapprochent du vrai canal avec une grande probabilité lorsque le rapport signal sur bruit est élevé. En utilisant des simulations, nous montrons que le DML offre un meilleur compromis entre l'efficacité spectrale et la précision que l'estimateur LS employant des pilotes. Toujours en rapport avec l'évanouissement plat, la deuxième partie de cette thèse porte sur l'estimation semi-aveugle du canal. Nous établissons la CRB exacte pour l'estimation semi-aveugle du canal pour les AF TWRNs qui utilisent une constellation QAM carrée. Cette borne est basée sur la vraie fonction de vraisemblance qui tient compte des statistiques exactes des symboles de données transmis. En utilisant cette nouvelle borne, nous montrons que la complexité attribuable à l'entrainement peut être considérablement réduite en employant un estimation semi-aveugle. Afin de montrer que ces gains sont réalisables, nous concevons un algorithme semi-aveugle basé sur la méthode d'espérance maximisation (EM), et nous montrons que cet algorithme se rapproche tout près de la CRB. Dans la dernière partie de cette thèse, nous considérons l'estimation semi-aveugle pour les TWRNs qui sont basés sur l'OFDM et qui opèrent dans un environnement sélectif en fréquence. Pour faciliter l'estimation des canaux individuels, un entrainement superposé est adopté aux relais. L'algorithme semi-aveugle que nous proposons est basé sur le principe ML gaussien .Nous concevons des séquences pilotes pour les terminaux et pour les relais de façon à optimiser la performance de l'estimation. Nos simulations révèlent que la méthode proposée fournit une nette amélioration de la précision de l'estimation.
|
|---|