5G系统中基于解调参考信号的信道估计方法

5G系统使用解调参考信号(Demodulation Reference Signal,DMRS)用于下行信道估计,工程中通常采用插值法得到数据位置信道响应,考虑实际信道中噪声的影响,频域采用线性最小均方误差(Linear Minimum Mean Squared Error,LMMSE)插值算法。针对LMMSE需要获取信道先验统计特性以及存在矩阵求逆运算量大问题,利用信号时域内能量集中特点估计出信道均方根时延、信噪比和信道自相关矩阵,对于DMRS信号在频域上间隔较大、DMRS信号所在子载波相关性不强的问题,通过引入导频加密方法提升DMRS信号所在子载波间的相关性以提升信道估计性能,并通过滑动窗口插值方法进一步降低LMMSE算法求逆运算复杂度。仿真结果表明,所提算法均方误差和误码率总体均优于线性插值和基于矩阵奇异值分解的LMMSE算法,并与传统LMMSE算法相比性能极为接近,而且复杂度降低了99.85〖WT《Times New Roman》〗%〖WTBZ〗,适合实际工程应用。     

用于大规模MIMO系统的改进CG检测算法

针对大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中近似最优线性最小均方误差(Minimum Mean Square Error,MMSE)算法复杂度过高问题，提出了RC-CG(Region Constellation-Conjugate Gradient)低复杂度近似最优信号检测算法。该算法首先利用共轭梯度(Conjugate Gradient,CG)迭代算法避免MMSE信号检测算法的高维度矩阵求逆，降低计算复杂度；其次引入二分查找算法对星座图进行区域分块，优化迭代初始解，使算法在保证原来检测性能的基础上加快收敛速度。仿真结果表明，该算法不仅可以达到近似MMSE算法的检测性能，而且适用于高阶调制，算法复杂度从O(K3)降低到O(K2)。     

一种有效降低复杂度的2×1D维纳滤波信道估计方法

在应用于正交频分复用(OFDM)系统的信道估计方法中,维纳滤波是一种估计性能较好的算法,但该方法实现时,需估计噪声方差和多普勒频率,并根据估计的这两个关键参量进行实时相关矩阵的计算,复杂度较高。为此,提出了一种基于关键参量固定值的离线产生相关矩阵来简化维纳滤波信道估计方法。仿真结果表明本方法在性能损失不大的情况下,大大地降低了实现复杂度。     

自适应LMS算法均方误差收敛的充分条件

本文给出了保证自适应最小均方算法均方误差(或平均功率)收敛的充分条件,并分析了在该条件下均方误差的收敛性能。     

大规模MIMO系统中基于TFQMR的低复杂度信号检测算法

在大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统上行链路检测算法中,最小均方误差（Minimum Mean Square Error,MMSE）算法可取得近似最优的性能,然而MMSE算法涉及高维矩阵求逆问题,其计算复杂度高达O(K3),其中K表示用户数。为此,针对极化信道编码的大规模MIMO系统,基于无转置极小残差（Transpose-Free Quasi-Minimal Residual,TFQMR）方法,提出了一种低复杂度次优信号检测算法。该算法有效地避免了矩阵求逆运算,使其计算复杂度降至约O(K2)。仿真结果表明,基于TFQMR的信号检测算法的误比特率性能与计算复杂度均优于基于Neumann级数展开的信号检测算法;同时,最多经5次迭代该方法可取得接近MMSE检测算法的性能。     

修正Kalman滤波多带UWB信道估计改进方法

针对多带超宽带(UWB)系统中修正Kalman滤波算法复杂度高的缺陷,提出一种低复杂度的修正Kalman滤波改进方法。该方法中UWB信道采用自回归模型(AR)建模,利用导频跟踪时变信道衰减因子,通过Kalman滤波和频域分段最小均方误差(MMSE)算法同时跟踪信道的时域相关性和频域相关性,提高了系统性能,降低了计算复杂度。仿真结果表明,和修正的Kalman滤波方法相比,在估计精度损失很小的情况下,所提方法极大降低了计算复杂度,提高了系统整体的估计性能。     

低复杂度的QR解相关多用户检测算法

针对常规解相关多用户检测算法因对相关矩阵求逆的运算量随用户数增加呈指数增加而失去了实用价值，提出了不需对相关阵求逆的计算复杂度低的快速QR解相关多用户检测算法。该快速算法运算量与常规解相关算法相比，运算量减少了70％，而检测性能丝毫没有降低。显然，该算法优于常规算法，具有实用意义。     

基于总体最小二乘准则的OFDM系统时变信道估计

信道估计的准确程度直接影响正交频分复用系统的性能。为了提高时变信道估计算法的精度,基于总体最小二乘准则(TLS)提出了一种时变信道的估计方法。该方法用线性模型对时变信道进行建模,不仅考虑了信道噪声,同时也兼顾了模型误差。该方法能较好地跟踪信道的变化,显著消除模型误差。仿真结果表明所提算法的均方误差介于最小二乘算法与最小均方误差算法之间,在不同归一化多普勒频移下,该算法具有较好的稳健性。     

对流层散射通信中基于改进SVD的信道估计算法

针对基于OFDM的对流层散射通信中传统奇异值分解(SVD)信道估计算法以循环前缀长度为界来截取特征值会引入较大信道噪声问题,提出了一种SVD改进算法.该算法先对散射信道的最大多径时延进行估计,再利用该估计值来截取特征值,从而减少了噪声影响.仿真表明,该算法的均方误差以及误码率性能都优于传统SVD算法,信道估计效果接近于最小均方误差(MMSE)算法.     

一种线性约束连续自适应方向图控制方法

针对任意阵列天线的自适应空域滤波和低副瓣控制的问题,提出了一种连续自适应方向图控制方法。该方法通过采用线性约束最小方差准则的方向图综合算法（LCMV-PS）产生具有低副瓣特性的静态权矢量,利用该权矢量构造出新的约束条件,进行线性约束最小均方误差（LMS）自适应波束形成。该方法避免了常规的线性约束最小方差（LCMV）算法的矩阵求逆运算,计算复杂度低。对几种天线阵形的计算机仿真结果表明该方法收敛速度快,稳态性能良好。     

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。     

一种高性能内插滤波器的设计

在全数字接收机系统中，随着高阶调制解调技术的应用，传统内插滤波器的性能已不能满足要求。为此，通过研究一种多项式函数的频率响应，提出了一种高性能内插滤波器的设计方法。该方法在频域逼近的基础上，以线性加权的最小均方误差（MMSE）为优化准则，利用Matlab系统函数进行线性约束条件下的最优化迭代，设计非常灵活。仿真结果表明，该方法设计的内插滤波器性能明显优于常用的内插滤波器，尤其适合于高阶正交幅度调制（QAM）信号。     

短时傅里叶变换在线性调频信号时频滤波中的应用

将短时傅里叶变换（STFT）的时频分析方法应用到线性调频（LFM）信号的滤波中, 突破了传统匹配滤波方法基于平稳假设的限制,将信号分析空间从一维频率域扩展到二维的 时间-频率域。利用自滤波的时频滤波方法进行LFM信号的滤波,然后分别采用时域和时频域 的均方误差（MSE）标准,分析了时频滤波的性能。仿真结果表明,基于STFT的时频滤波方 法能有效实现对LFM信号的滤波。     

基于协方差矩阵重构的阵元失效MIMO雷达DOA估计

在实际应用中由于恶劣环境或人为干扰等因素而导致多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达部分阵元失效,使得其接收数据缺失及其协方差矩阵秩亏,从而导致子空间类算法的波达方向(Direction of Arrival,DOA)估计性能恶化甚至完全失效。针对上述问题,提出了一种接收阵元失效下基于协方差矩阵重构的MIMO雷达DOA估计方法。该方法根据MIMO雷达协方差矩阵中以接收阵元数划分的子方块矩阵具有Toeplitz特性,利用正常工作接收阵元的协方差矩阵元素来恢复相应的缺失元素,从而重构出完整的数据协方差矩阵,提高阵元失效MIMO雷达的DOA估计性能。仿真结果验证了所提方法的有效性。     

一种快速时变自适应信道估计盲方法

提出了一种新的信道估计最小均方(LMS)盲方法--时变步长理想加权判决信道估计盲方法.该方法通过对常规LMS算法进行改进,实现自适应跟踪信道特征变化;同时利用接收机判决误差信息函数作为权系数的理想加权判决,从而解决了常规LMS盲方法收敛速度慢、信道估计性能不高的缺点.仿真证明,对于不同的多普勒频移、时延扩展以及时间,该方法均表现出了比常规LMS方法更优的性能.同时,该方法还可用于航天、雷达等领域估计其他特征参数.     

一种基于本原多项式的LDPC构建新算法

在分析传统LDPC编码方式的基础上,提出一种基于本原多项式实现LDPC编码的新方 法。根据特定LDPC码长选择合适的本原多项式作为子矩阵,对子矩阵进行行列分解、组合, 最终构建LDPC码校验矩阵〖WTHX〗H〖WTBZ〗。仿真实验结果和工程应用证明：新算法构建 的LDPC码在恶 劣的通信环境下,误码率、误帧率优于传统Mackay-LDPC码,具有较好的性能。     

基于格规约辅助的MIMO系统GMD-TH预编码方案

现有的GMD-TH(Geometric Mean Decomposition-Tomlison Harashima)预编码方案在发射 端未对获得MIMO（Multiple-Input-Multiple-Output）信道增益矩阵优化,因而 其误码率和分集增益无法获得令人满意的效果。为此,在原有MIMO系统GMD-TH预编码的基础 上,提出一种基于格规约辅助的GMD-TH预编码方案。该方案采用基于格规约的算法对信道 矩阵进行优化,经过优化的信道矩阵其列向量之间具有更好的正交性并且向量的长度更短, 并且采用优化的信道矩阵提高了GMD-TH预编码MIMO系统的分集增益。仿真结果表明：相比于 传统的线性预编码方案,该预编码方案有效地提高了MIMO分集增益,相同误码率下,信噪 比降低3 dB以上,具有实用价值。     

突发信道下无线ATM的前向差错控制方案

在无线ATM网络中，无线信道的高误码率和突发特性要求对无线ATM信元进行较强的误码保护。本文提出了一种有效的前向差错控制（FEC）方案，对信元头采用较强的FEC，对信息域采用较弱的FEC，并针对信道特性和采用的前向差错控制编码的特点进行元头信元内交织，文中对无线ATM信元在突发信道下的信元丢失率和信元信息错误率进行了分析，仿真结果表明该方案在降低信元信息错误率的同时有效地降低了信元丢失率。     

Forecasting Methods and Seasonal Adjustment for a University Foodservice Operation

ABSTRACT

Considering the unique seasonal pattern in university dining environments, this study attempts to determine the degree of improvement in accuracy of each forecasting method tested when seasonally adjusted data is employed. This study also seeks to identify the most accurate forecasting method of the six forecasting methods used in this study: naïve, moving average, simple exponential smoothing, Holt's method, Winter's method, and linear regression. Accuracy is measured using Mean Squared Error, Mean Absolute Percentage Error, and Mean Percentage Error. Results show that Winter's method outperforms the other five methods when raw data is used, while Moving Average method, when used with seasonally adjusted data, is the most accurate forecasting technique. Seasonally adjusted data is found to greatly improve forecasting accuracy in most of the methods. The findings of this study indicate that seasonally adjusted data is more effective in forecasting customer counts in the university foodservice operations than raw data, so the adjusted data help control costs and increase customer satisfaction.     

基于DD-LLMS算法的盲自适应判决反馈均衡器

本文把用于自适应线性滤波器的LLMS算法推广到盲判决反馈均衡器,并应用于短波信道的盲均衡。仿真结果表明这种DD—LLMS盲判决反馈均衡算法具有很好的稳定性、较快的收敛速度和较好的跟踪性能。