MIMO-OFDM系统的一种改进型LS信道估计算法

基于多输入多输出正交频分复用(MIMO-OFDM)系统,研究了LS信道估计算法,提出了一种训练序列和块状导频联合LS信道估计算法,给出了权值的计算公式.理论推导和计算机仿真表明,这种改进型的LS信道估计方法提高了LS信道估计的误码率性能,并具有较高的灵活性和较低的复杂度增长.     

短波SC-FDE系统中改进的LS信道估计算法

针对短波单载波频域均衡(SC-FDE)系统中最小二乘(LS)信道估计算法受噪声影响大而导致的估计精度低的问题,提出了一种改进的基于小波去噪的LS信道估计算法。改进算法采用基于分块导频的帧结构,首先用LS算法对信道进行初步估计,然后根据小波多分辨率分析(Mallat)理论将LS估计的结果分解,并设置一个合理阈值对分解得到的小波系数处理,从而消除LS估计的残留噪声,提高估计精度。仿真结果表明,在短波信道下,改进算法不仅减小了系统开销,而且提高了LS估计的性能。     

应用加权高斯模型的非理想稀疏信道估计

在高速通信系统中,由于多径信道通常存在一些小的散射体,使得抽头向量不满足理想的稀疏特性,导致经典的稀疏估计算法存在一定的性能损失。针对上述非理想稀疏特性问题,提出了一种基于酉变换近似消息传递（Unitary Transform Approximate Message Passing,UT-AMP）和加权高斯（Weighting-Gaussian,WG）先验模型的稀疏估计算法。首先,由非理想稀疏信道的构造分析,导出了WG先验模型和参数;其次,利用贝叶斯公式对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统进行因式分解和因子图建模,归纳了在消息传递框架内期望最大化（Expectation Maximization,EM）算法嵌入方式,推导了联合UT-AMP和EM的信道估计算法;最后,建立仿真环境对所提算法进行复杂度分析和数值仿真。仿真结果表明,所提算法能够以同阶复杂度实现信道估计性能和频带利用率的提升,具有很高的应用和推广价值。     

一种新的最小均方误差线性合并算法

针对未编码的多输入多输出系统,将基于训练序列的最小均方误差(MMSE)信道估计算法与最优线性无偏估计结构(BLUE)相结合对已估计的信道参数进行估计.仿真结果表明,使用线性合并的MMSE算法比传统的MMSE算法具有较小的参数估计误差,比使用线性合并的LS算法性能更好.     

基于IEEE 802.11a标准的符号同步新算法

针对OFDM系统符号定时，采用了两种经典算法的结合一符号同步两步算法，提出符号同步低复杂度算法，并进行分析与仿真，结合频率偏移估计比较两种算法性能。仿真结果表明。该方案中的低复杂度算法的符号定时精度较高，且算法简单。     

基于隐训练序列的MIMO通信系统信道估计与跟踪

针对MIMO通信系统的信道估计与跟踪问题,提出了一种基于隐训练序列(ITS)的信道估计算法,分析了该算法的均方误差性能,给出了训练序列的优化方案.仿真表明,该算法与传统的最小二乘信道估计算法、预编码隐训练序列算法相比,具有估计精度高、计算量低、易于优化训练序列等特点,且算法不受接收端存在直流偏移的影响,其自适应结构能够很好地实现对快时变通信信道的跟踪,对解决电子战中快时变通信信道的捕获和跟踪问题具有一定的指导意义和应用价值.     

MIMO-OFDM系统中一种改进的信道估计方法

信道的准确估计是提高MIMO-OFDM系统性能的关键.在最优导频时域信道估计的基础上,提出了一种较低复杂度的改进算法,利用时变信道的自回归(AR)模型构造卡尔曼滤波器对估计出的时域信道响应进行滤波,提高信道时域响应的估计精度.仿真结果表明,在慢时变信道环境下,改进方法可以进一步提高信道估计的精度,同时保持了较低的复杂度.     

基于TWSTFT进行钟差预报方法分析

用多项式拟合、频谱分析、改进的AR模型3种方法对由TWSTFT（卫星双向时间频率传递）得出的钟差时间序列进行了拟合和预报分析。为了抵制钟差时间序列中异常值的影响，引入了“抗差等价权”。利用TWSTFT得到的一天的钟差，按不同采样率、不同时间跨度进行计算分析，结果表明：抗差估计的预报精度明显高于最小二乘估计；平滑值的预报精度高于采样值；由于钟差时闻序列中有明显的周期变化，多项式进行钟差预报的精度不可靠；用谱分析进行钟差预报的精度不高，但可以发现钟差时间序列中的主要周期变化；改进的AR模型预报精度最高，预报RMS在1ns左右。     

叠加共轭对称训练序列的OFDM系统时频同步方法

针对正交频分复用（OFDM）系统对同步错误率和频率偏移敏感的问题,提出了一种叠加共轭对称训练序列的OFDM系统时间和频率同步方法。该同步方法将快速傅里叶逆变换（IFFT）调制后的序列构成具有共轭对称特性的训练序列,并叠加到OFDM数据符号上;在接收端,利用叠加训练序列和融合循环前缀信息来获取OFDM系统同步信息。理论分析和仿真表明：在信噪比为5 dB时,该同步算法定时同步正确概率已接近100%;在信噪比为4 dB时,频偏估计精度可以达到10-4;该同步算法不仅具有更好的同步性能,而且节省系统的有效带宽以及降低系统的计算法复杂度。     

一种新的基于压缩感知的毫米波信道估计算法

针对传统稀疏重构算法需要信道稀疏度先验信息、复杂度高、不利于实际应用的问题，提出了一种新的基于波束空间分解的稀疏度自适应毫米波信道估计算法。该算法利用毫米波信道稀疏性的特点对信道进行波束空间分解，构造基于码本的感知矩阵，获得l1范数约束问题模型；其次结合分段弱匹配追踪算法，采用弱阈值从感知矩阵筛选原子，再通过分组选择机制对选择的原子进行二次优化；最后根据最小二乘法估计出毫米波信道。仿真结果表明，所提算法的估计精度和复杂度在低信噪比和低训练长度情况下明显优于传统匹配追踪算法。     

基于Kronecker积的无线通信系统参量分离方法

针对无线通信系统中发射机非线性与多径衰落信道问题，提出了一种根据接收无线信号联合估计无线设备功率放大器（PA）非线性与无线信道单位脉冲响应的方法。首先，根据通信帧训练符号及发射机非线性模型构造卷积矩阵；接着，采用一次最小二乘（LS），根据接收信号估计PA的非线性模型系数与实际发送符号；然后，再采用一次LS，得到无线信道的单位脉冲响应估计；两估计可迭代或直接加取平均进行积累。理论推导与实验结果显示，采用过采样技术，所提方法可应用于单载波或多载波通信，实现PA非线性与无线信道单位脉冲响应的有效分离。新方法在无线通信的物理层射频指纹认证与信号可靠传输中具有应用价值。     

移动WiMAX下行系统SVD-FFT内插信道估计

针对移动WiMAX下行系统中导频个数少且分配不均匀导致的边缘效应问题,提出了一种 基于奇异值分解（SVD）的快速傅里叶变换（FFT）内插信道估计方法。该方法首先得到每个 符号实 际分配导频处的最小二乘信道频响估计,当前符号在相邻符号实际分配导频处的信道频响由 相邻符号信道频响线性内插得到;然后,将上述信道估计值合并且按子载波索引值升序排列 后进行奇异值FFT内插,以减少边缘效应和噪声的影响;最后再经线性内插得到数据子载波 处的信道频响估计值。仿真结果表明,和传统估计方法相比,所提出的方法估计精度更高, 复杂度较低,而且避免了使用信道统计特性信息。     

采用数据辅助的大规模MIMO信道半盲迭代估计

由于大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)信道衰落参数的维度较高,导致最优估计算法计算量大且需要的导频数较多而影响到频谱效率。为降低计算复杂度并减少导频开销,提出了两种基于期望最大化(Expectation Maximization,EM)估计的半盲迭代改进算法。利用少量正交导频序列估计出信道初值,通过用户与基站间信道的大尺度衰落系数把用户分簇,根据这些系数按比例地分配接收噪声,再利用数据的统计特性推导出信道衰落参数的均值和方差。仿真结果表明,当导频数远少于待估计参数的个数时,半盲估计算法的均方误差(Mean Square Error,MSE)优于导频估计的极大似然(Maximum likelihood,ML)算法。     

双边阈值补偿隐藏导频UWB系统信道估计新方法

在隐藏导频信道估计系统中,导频和数据叠加同时发送,造成接收端分离的导频信息中掺杂 着数据成分,从而严重干扰信道估计,目前尚无针对这方面的解决方案,因此提出双边阈值 补偿算法,该算法应用于发送端。发送数据经过双边阈值补偿算法处理后迫使数据均值为零 ,然后叠加导频信息并发送出去,接收端用传统的导频数据分离方法就可以得到高质量的导 频信息,从而提高信道估计精度。仿真结果表明：和传统隐藏导频信道估计系统相比,在最 小二乘和最小均方误差算法下信道估计精度和误码率方面均有明显改善。     

突发通信中基于叠加训练的信道估计方案

针对无线突发通信中频带利用率低、信道参数获取困难等问题,提出了一种应用于突 发通信的叠加训练信道估计与检测方案。该方案将信息和训练叠加发送,通过预失真发送信 息符号使得训练与信息在频域正交,收端采用一阶统计信道估计和最大似然符号检测,并设 计了抗直流干扰的信道估计方案。仿真表明,新方案在消除训练序列的频带开销的情况下获 得了较好的信道估计和符号检测性能,与采用时分复用训练的方案相比,其有效吞吐率更优 。     

平坦信道下的MIMO信道估计误差分析

基于导频序列推导了频率平坦多输入多输出(MIMO)信道下的最小二乘信道估计(LS)误差;将信道估计误差等效为高斯噪声,推导了信道估计条件下系统的等效信噪比,提出了用系统的等效信噪比来分析和评估在信道估计误差条件下系统的误码性能;最后用等效信噪比的方法评估了ZF-V-BLAST算法在信道估计下的性能,结果表明和计算机仿真结果基本相吻合。     

采用混合核支持向量机的DOA估计

人工神经网络（ANN）进行建模时通常需要准备大量的数据样本,同时网络结构一般都比较复杂;而采用支持向量机（SVM)进行建模时,不同核函数有不同的效果,各有利弊,且选取SVM模型参数的理论支撑尚不完整。为了解决这些问题,提出了一种基于混合核函数的支持向量机来改善来波到达角（DOA）的估计性能,并结合二进制粒子群算法（PSO）来对混合核函数进行参数寻优。该混合核函数由全局核函数和局部核函数构成,提高了SVM的泛化能力和学习能力。首先通过拟合多项式函数,验证了该混合核SVM的有效性。将该方法用于DOA估计建模,在不同信噪比和快拍数下,通过与径向基函数（RBF）神经网络、基于各单一核函数的SVM和MUSIC算法预测结果对比,混合核SVM均方差有所降低,提高了DOA估计的精度且有更好的稳定性。