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.     

信道特性对OFDM信道估计中导频模式选择的影响

分别介绍了基于梳状导频和块状导频的OFDM信道估计的原理,重点研究了上述两种导频在不同的信道环境中的信道估计性能.仿真分析展示了两种导频模式对传输信道的不同参数的敏感程度,由此给出了在不同的传输信道条件下导频模式的选择依据.     

基于梳状导频分布的OFDM信道估计改进算法

提出了基于梳状导频分布的OFDM信道估计的改进算法,分别在基于频域（DFT）和时 域（IDFT）的迫零内插算法的基础上运用了数据翻转的思想。该算法可以大大地减少DFT/ID FT变换时所产生的边缘效应,并且通过优化边缘位置的估计性能来提升整个OFDM信道估计的 精确度。仿真结果表明,该算法相比经典算法在性能上有较大提升。     

MB-OFDM系统中采用梳状导频的信道估计

针对采用梳状导频的多频带正交频分复用(MB-OFDM)系统,提出一种新的基于频域插值定理的信道估计算法,即FD-INTERP.与传统的插值信道估计算法不同.FD-INTERP算法首先计算出导频点处的信道值,再根据DFT频域插值定理计算出时域信道.算法仅需较少的导频符号,提高了频带利用率,并且避免了插值计算,提高估计精度的同时降低了运算量.仿真结果表明该算法具有良好的可靠性和稳定性.     

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。     

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.     

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.     

一种基于EM算法的MIMO-OFDM系统信道估计技术

从提高多输入多输出正交频分复用（MIMO—OFDM）系统频谱利用率的目的出发，提出了一种改进型的基于EM（Expectation Maximization）算法的信道估计技术。仿真结果表明，改进后的算法可以显著提高频谱利用率，同时保持原算法的精度。     

一种利用叠加训练序列降低OFDM系统PAR的方法

峰均比（PAR）过高是正交频分复用（OFDM）技术亟待解决的关键问题之一。在基 于判决指导信道估计的叠加训练序列OFDM系统中,提出一种选择性叠加训练序列降低系统PA R的方法。该方法使用多个相互独立的训练序列分别与数据序列叠加,选择其中PAR性能最好 的用于传输,接收端完成信道估计的同时消除了训练序列对数据序列的影响,因此没有增加 接收端的复杂度。计算机仿真结果表明：该 方法在不增加接收端复杂度的前提下,有效降低了系统PAR,且对信道估计性能不造成任 何影响,因此该方法可用于实际系统中。     

OFDM系统基于导频的信道估计算法研究仿真

本文研究了OFDM系统中基于导频的信道估计,分析了LS,MMSE,SVD三种估计算法,并对三种算法仿真研究得出结论。     

一种子带分频段信道估计算法

针对当前高速率通信中信道阶数很长导致信道估计和均衡困难的问题,利用子带 滤波器组近似完全重构的特点,提出一种在子带内进行分频段信道估计、在全频带综合信道 参数的估计方法。该方法较全频带信道估计收敛速度快,收敛误差小,能很好适应恶劣的信 道情况。虽然总的计算量大于全频带信道估计,但由于采用并行计算,所以能大大减少运算 时间。仿真试验表明,在重构误差足够小的情况下,子带数目越多,收敛越快,收敛残差比 全频带信道估计小5 dB左右。     

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。     

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。     

DFT-S-OFDM系统中基于DFT的软迭代信道估计

在基于傅里叶变换扩展的正交频分复用（DFT-S-OFDM）系统中,为了消除由多径传播和多普勒效应导致的信道间干扰（ICI）,提出了一种基于离散傅里叶变换（DFT）的软迭代信道估计算法。该算法将传统DFT信道估计技术与Turbo均衡技术相结合,利用Turbo均衡器反馈的软信息来更新初始信道估计响应,进而消除噪声和ICI。Matlab仿真结果表明,在多径信道下,经过2次以上的迭代后,该算法的误码率（BER）性能得到了显著的改善。     

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。     

MIMO-OFDM系统同步技术研究进展

多输入多输出正交频分复用（MIMO-OFDM）系统对定时偏移和频率偏差极其敏感,并且对时间同步精度要求极高。分析比较了29种具有代表性的MIMO-OFDM系统同步算法的优缺点,指出针对数据辅助类的同步方法,采用共轭、取反等特性构造优良正交性的训练序列是提高时间同步性能的关键,可在时域进行频偏估计和降低参数维数来降低系统计算复杂度;针对非数据辅助类的同步方法,构造计算复杂度较低的代价函数是提高频率同步性能的关键,这些都是MIMO-OFDM系统同步方法值得研究的方向。     

TD-LTE-A上行信道估计中基于加权的插值算法

TD-LTE-A上行信道估计中的线性插值算法只利用数据两端的两个导频位置的信道响应进行插值,不能很好拟合信道响应。针对此问题,提出了基于加权平均的插值算法。该算法以线性插值算法为基础,首先利用连续3个导频位置的信道响应进行线性插值得到数据位置的两个初步插值结果,再在此基础上引入权值α,最后对初步插值结果进行加权得到数据位置的信道响应。在EPA环境下的MATLAB仿真结果表明,相对于线性插值算法,基于加权的插值算法在不过度增加计算复杂度的情况下能降低系统的误比特率。     

基于平行因子分解的大规模MIMO盲信道估计

针对单小区大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统上行链路,提出了一种基于平行因子（Parallel Factor,PARAFAC）模型的信道估计方法。在基站端,将接收信号构造成PARAFAC模型,利用大规模MIMO系统中信道的渐近正交的性质,提出了一种基于约束二线性迭代最小二乘算法(Constrained Blinear Alternating Least Squares,CBALS),从而实现了盲信道估计。理论分析及仿真结果表明,所提方法与传统最小二乘方法相比,不仅提高了频带利用率而且具有更高的估计精度;与已有的二线性交替最小二乘方法(BALS)相比,所提算法有更快的收敛速度。     

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。