1.1 研究動機與目的
近幾年來，行動通訊科技發展極為迅速，各類無線通訊不斷地發展更新，而隨著人 們對於資料傳輸率的需求，寬頻通訊已經成為無線通訊技術發展的必然趨勢。無線網路 具有移動性、便利性以及高覆蓋性的優點，使得人們的通訊聯繫不再受時間及地點的約 束，但相對的，無線通道的環境是非常惡劣的，除了嚴重的雜訊干擾之外，通道多路徑 效應(Multipath Effect)的影響更是無線通訊中極欲克服的問題。此效應將會使訊號造成頻 率選擇性衰減(Frequency Selective Fading)，產生符碼間干擾(Inter-Symbol Interference,
ISI)，迫使傳輸品質嚴重受損，大大地降低了系統的性能，因此如何依據環境的限制與 傳輸的需求來選擇最適宜的通訊系統架構在系統工程乃是一極為重要的課題。
現今無線通訊系統，為了提高頻寬的使用率以及對抗通道多路徑效應的影響，許多 新穎的技術應運而生，其中最著名的即是採用多載波傳送訊號的正交分頻多工系統
(Orthogonal Frequency Division Multiplexing, OFDM)。OFDM 系統採用平行資料傳輸以 及頻帶之間彼此正交重疊的方式來有效利用頻寬、增加頻寬效益，並利用子載波間彼此 正交的特性，來消除多路徑造成的干擾。因此許多的通訊系統都採用 OFDM 作為實體 層的調變方式[1][2]。
OFDM 系統主要特性如下：
(1) OFDM 可有效地解決多路徑(multipath)的問題，藉由保護區間(guard interval)與循環 延展(cyclic extension)的設計，簡單地克服多路徑的問題。
(2) OFDM 對於窄頻干擾有較強的抵抗能力。
(3) OFDM 具有子載波正交性，可以避免子載波間的干擾(Inter-Carrier Interference, ICI)。
然而，通訊系統的傳收機不單是只應用於靜止的環境，也要考慮能在高移動之行動 通訊環境裡提供良好的傳輸，其可靠度方為所需，而高移動性會造成都卜勒頻率擴散
(Doppler Spread)，亦即時間選擇性(Time-Selectivity)，是 OFDM 的一大致命傷。因在一 個 OFDM 符碼期間通道時變會破壞子載波之間的正交性，導致能量洩漏到相鄰的數個 子載波上，即為 ICI，造成效能降低，此效應隨著車輛速度、載波頻率及 OFDM 符碼長 度的增加，對系統效能影響越益嚴重。因此，對抑制 ICI 效應期能改善效能正是目前通 訊界許多研究者努力的研究課題，也是本論文的研究目的。
1.2 文獻回顧與研究方法
目前已存在許多用來抑制由時變通道造成的 ICI 效應的演算法。如：最小均方差 (Minimum mean square error, MMSE)[3]、最小均方差之序列式偵測(Minimum mean square error with successive detection, MMSE-SD)[3] 、 多 項 式 消 除 編 碼 (Polynomial cancellation coding, PCC)[4]、自我消除方法(self-cancellation scheme)[5]。論文[3]的方法
擁有好的效能，但當 OFDM 子載波數目大，所需的運算複雜度相當高，因而提出[4]、
[5]來改善，但此兩種方法卻必須犧牲頻寬效益來獲得低錯誤率。
論文[6]、[7]提出了以片段方式(Piece-Wise)線性模型去近似通道變化，並利用此特性 來分析、了解 ICI 的特性。[8] 及[9]說明了都卜勒擴散效應會造成訊號能量往外洩露到 鄰近的數個子載波上。在本論文中，以[6]、[7]、[8] 及[9]為基礎，使用線性模型來近似 通道變化，整理得到一 ICI 的頻率域模型，並使用[10]、[11]介紹之期望值最大化
(Expectation-Maximization, EM)演算法來進行遞迴式的通道統計特性估測與資料偵測，
以達到資料偵測之最大相似度判定(Maximum likelihood, ML)的準則。接著以最大相似度 判定之期望值最大化 (ML-EM)及最大後置機率判定之期望值最大化(MAP-EM)演算法 設計出兩種接收機來抑制 ICI 的效應，分別為基於期望值最大化之最大相似度判定 (ML-EM)接收機及基於期望值最大化之渦輪式(Turbo-EM)接收機。
1.3 章節提要
根據我們的研究目的「有效抑制 ICI 並改善系統效能」，在第二章首先介紹基本的系 統架構，並建構 ICI 的頻率模型，利用此模型作為之後接收機設計及 ICI 消除的依據。
第三章我們設計一 ML-EM 接收機，首先使用安插在一 OFDM 符碼間的領航碼(pilot) 進行通道估測，得到通道平均增益值並使用一階等化器(One-tap Equalizer)進行資料偵測 來獲得 EM 的初始值，利用此初始值求得 E 步驟所需之條件機率期望值，並使用竭盡式 搜尋法(exhaustive search)找一組可能的資料使 E 步驟最大化，經過數次遞迴直至搜尋的
資料收斂即可得到一組通道統計特性及估測之傳送訊號，可用來進行 ICI 消除得到一新 的接收訊號，再與前一次 EM 演算法收斂得到之傳送訊號當作初始值送入 EM 演算法進 行下一次的遞迴運算。
第四章則是為了改善第三章效能的不足而設計一 Turbo-EM 接收機，此接收機由 MAP-EM 及雙向軟式輸出維特比演算法(Bi-directional Soft Output Viterbi Algorithm, Bi-SOVA)所組成，MAP-EM 所需的資訊較 ML-EM 多了估測參數的事前機率，故使用 Bi-SOVA 來提供每個傳送資料的事前機率，並利用 Bi-SOVA 回授的資料作為 EM 演算 法的初始值。
第五章則分別呈現了 ML-EM 接收機與 Turbo-EM 接收機於電腦上的模擬參數設定 及結果，我們將針對其結果進行分析與說明。
最後我們將在第六章總結整篇論文，說明完成的研究工作、得到的研究成果以及做 出的研究貢獻。