OFDM系统中基于弱选择ROMP算法的稀疏信道估计

为了解决实际OFDM通信系统中信道稀疏度未知的不足,提出将弱选择正则化正交匹配追踪算法用于估计稀疏信道。算法在不知晓信道稀疏度的情况下,对不同迭代残差与测量矩阵中原子的相关系数进行判定后,根据原子的弱选择准则灵活地确定出表示信道冲激响应的原子候选集,进而利用正则化原则从候选集中挑选出表示信道冲激响应的最优原子组,逐步实现精确重建。仿真结果和理论分析表明：与正则化正交匹配追踪算法相比,相同条件下改进算法可以获得更低的均方误差和误比特率;另外,算法无需将信道稀疏度作为先验信息,实用性更强。     

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。     

一种稀疏重建的多基地雷达多目标定位算法

采用距离和信息的多基地雷达多目标投影定位算法中，距离向脉冲压缩后分辨率降低，需要已知空间中目标个数。针对此问题，提出了一种稀疏重建的多基地雷达多目标定位方法。该方法利用多个接收机中目标稀疏度相同的特点，通过构造平均重构残余误差变化率和平均散射系数变化率作为正交匹配追踪(OMP)算法迭代终止判定条件，自适应地终止OMP算法的同时获得稀疏重建信号以及信号稀疏度的估计值，提高了距离向分辨率，获得了对空间中目标个数的估计。仿真实验表明所提算法有效抑制了距离向主瓣展宽和旁瓣串扰，提高了距离向分辨率。同时，所提算法在不同噪声环境下能准确估计空间中目标个数并提取其空间位置，实现对空间中目标的准确定位。     

一种基于RAMP算法的OFDM稀疏信道估计方法

针对OFDM稀疏信道估计需要信道稀疏度作先验条件的不足,将正则化自适应匹配追踪（RAMP ） 用于信道重建,可在信道稀疏度未知的情况下,自适应地调整候选集原子的个数,并利用正 则化过程实现支撑集的二次筛选,逐步扩大支撑集,准确地估计出信道的冲激响应。仿真结 果表明,该方法收敛速度快,估计效果好,有较好的应用价值。     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息，从而影响图像的重构效果问题，提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计，通过对块稀疏度进行估算初始化阶段长，运用块矩阵与残差信号最匹配原则来选取支撑块，再运用自适应迭代计算实现对块稀疏信号的重构，较好地解决了浪费存储资源和计算量大的问题。实验结果表明，相比常用压缩感知方法，所提算法能明显减少运算时间，且能有效提高图像重构效果。     

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。     

卫星稀疏信道中频谱空穴的新型检测算法

面对宽带移动卫星通信中信道占用呈现的稀疏状态和时而存在的稀疏干扰,以低速率 采样和运算是简化设备的必要途径。针对宽带频谱范围内稀疏信道信号和干扰信号的检测, 提出了一种用于直接估计频谱空穴的压缩采样算法,以低速率对信号进行采样,通过相 关向量机进行迭代优化,给出检测估计值。该算法基于最大似然贝叶斯估计,具有良好的抗 噪性能,同时能够降低设备复杂度。仿真结果表明,其抗噪性能明显好于CVX方法而略逊于理 想情况,而前端随机序列的相关性是影响检测性能的重要因素。     

一种适用于稀疏多径信道的自适应均衡算法

针对传统的自适应均衡算法在稀疏多径信道下性能表现不佳的问题,提出了一种基于基追踪降噪的自适应均衡算法。该算法利用稀疏多径信道下均衡器权值的稀疏性,将自适应均衡器的训练过程看作压缩感知理论中稀疏信号对字典的加权求和,并利用重构算法直接对稀疏权值进行求解,解决了迭代参数设置和收敛慢的问题。采用基追踪降噪作为重构算法并选用变量分离近似稀疏重构对该最优化问题进行求解,既提高了权值的重构精度又降低了计算的复杂度。仿真结果表明,所提算法能够以较低的计算量和较少的训练序列达到更优性能,这对提升系统的通信性能具有参考价值。     

利用改进PAST算法的直扩信号PN码盲估计

针对直接序列扩频信号的伪随机(PN)码盲估计问题,提出了一种利用改进的投影逼近子空间(PAST)算法的PN码盲估计方法。该方法利用遗忘因子与收敛速度和精度的相关性构造基于跟踪误差的自适应遗忘因子,实现了收敛精度和收敛速度的同时优化;根据预期最低误码率约束估计精度变化范围确定迭代收敛的门限值,实现了迭代收敛的精确自动判读,消除了算法依赖人工判断收敛的固有限制,提高了算法的实际应用能力。仿真结果进一步验证了算法理论推导的正确性以及实际应用的可行性。     

多径衰落信道MPSK信号超指数迭代盲解调算法

为了提高多径衰落信道下的盲解调性能,提出了一种结构简单的MPSK信号盲解调算法。首先利用超指数迭代分数间隔盲均衡器实现联合定时同步与均衡,然后对均衡器输出信号进行非线性变换实现载波频偏的估计,最后利用二阶数字判决锁相环跟踪相位变化纠正剩余频偏和相偏。仿真结果表明,在多径衰落信道条件下,与现有算法相比,基于超指数迭代分数间隔盲均衡器的盲解调算法实现简单,误码率低,而且具有收敛速度快、性能稳定等优点。     

一种混合多边缘型LDPC码密度进化算法

在二进制输入加性高斯白噪声信道下,研究了基于多边缘型低密度奇偶校验码（Multi-edge Low Density Parity Check,MET-LDPC）的密度进化算法。针对高斯近似算法在前期迭代中的不准确问题,提出了一种改进算法。在分析MET-LDPC码的密度进化的基础上,将全密度进化与高斯近似算法结合,通过设置切换限制条件,弥补早期迭代的不准确,提高编码阈值估计的准确性。仿真结果表明,与MET-LDPC全密度进化算法相比,所提算法可以有效提高编码阈值估计的准确性,对LDPC编码的设计有一定的参考价值。     

LTE系统中利用信道估计的天线端口数检测算法

长期演进(LTE）系统中使用多输入多输出(MIMO)技术来改善通信质量并提升信道容量。天线端口数通过循环冗余校验（CRC）掩码的方式隐含于物理广播信道（PBCH）中，遍历1、2、4三种天线端口数情况，分别作为PBCH解码配置，以CRC校验通过并且PBCH解码成功作为确定天线端口数的标志，从而造成冗余计算和时延的产生。为此，提出了一种基于信道估计的天线端口数检测算法，利用正交频分复用（OFDM）调制的LTE信号在空口环境中受频偏和时延影响，造成信道估计结果相位的线性累加，再通过线性回归方程的门限匹配，解决天线端口数检测中频偏影响大、计算量过多和盲检等问题。理论分析和仿真结果表明，该算法复杂度低、时延小，且在残余频偏较大时具有较高的正确率。     

MB—OFDM UWB系统中基于信道缩短的信道估计

在MB-OFDM超宽带(UWB)系统中,针对循环前缀(CP)长度小于信道最大多径延迟时难于估计信道参数的问题,提出一种基于信道缩短的信道估计方法。首先采用发送信号插入梳状导频的方式,利用无约束最优准则,在接收机前端设计信道缩短均衡器,然后根据均衡器输出序列估计出复合信道,最后通过反卷积解出原信道参数。仿真结果表明,在信道最大多径延迟大于CP长度时,该算法具有更优的性能。     

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。     

一种采用刀切法的单通道信源数估计算法

针对现有信源数估计算法不能直接用于单通道接收模型且抑噪能力较差的问题，提出了一种采用刀切法的单通道信源数估计算法。该算法首先通过间隔抽样实现了单通道接收信号多维数的转换，得到矢量化空间；然后采用刀切法将此组空间重构多个协方差矩阵，经酉变换后结果取平均；最后通过循环迭代得到最优信源数。理论分析和仿真结果表明，该算法在白、色噪声环境下能有效抑制噪声，且在低信噪比及采样点较少时能更准确估计信源数，相较于传统的估计算法，显著提高了检测性能。     

准正交空时分组码系统的一种盲信道估计方法

空时分组码(STBC)系统的经典信道盲估计方法,如子空间法(SS)等,都是基于接收端样本自相关矩阵的特征值分解(EVD)或奇异值分解(SVD)来实现信道估计的,而基于QR分解的信道盲估计方法是一种性能优良的新算法.文中将该算法应用到准正交空时分组码系统的信道估计中,结合准正交空时分组码的特性提出了一种新的信道盲估计算法.与以上经典的信道盲估计算法相比,文中提出的算法的计算量大为降低.同时Monte-Carlo仿真表明,当信噪比较低时,该算法比子空间法有更好的性能.     

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。