一种用于实际OFDM系统的RLS自适应信道估计算法

对OFDM信道估计中的信道冲激响应(CIR)泄漏问题进行了分析,提出了一种新的时域一维递归最小二乘(RLS)自适应信道估计算法。RLS滤波器的输入和参考信号被一个独立于信道统计特性的矩阵加权,降低了CIR泄漏的影响。该算法保持了一维RLS算法低复杂度的特点,运算量远小于二维RLS算法。仿真结果证明,在非整数采样多径衰落信道下该算法极大提高了一维RLS信道估计的MSE性能,使其逼近于二维RLS算法。     

时变信道下CPM信号自适应盲均衡算法

针对时变频率选择性衰落信道下二阶连续相位调制 (CPM) 信号盲均衡中存在的均衡性能较差问题,提出了一种新的自适应盲均衡算法。该算法使用双向自适应软输入软输出(SISO)方法,同时利用过去、现在和将来的观察数据符号来进行递归最小二乘(RLS)估计,有效改善了信道估计的精度。仿真结果表明所提算法具有良好的盲均衡性能。     

MIMO-OFDM系统中改进的RLS信道估计方法

MIMO-OFDM系统中一种改进的递归最小二乘(RLS)信道估计方法可以在不需要任何信道统计信息的前提下,利用前导训练序列和自适应遗忘因子对信道状态参数进行估计。仿真结果表明基于自适应遗忘因子改进的RLS信道估计方法(RLS-A),在估计精度和鲁棒性上的性能均优于基于常规遗忘因子的RLS信道估计方法(RLS-C)和两步遗忘因子的RLS信道估计方法(RLS-T)。因此,改进的RLS-A信道估计方法能很好地满足MIMO-OFDM系统中接收机的要求。     

OFDM系统中基于时域干扰自消除的载波间干扰抑制技术

为了降低信道时变造成的载波间干扰(ICI)对正交频分复用(OFDM)系统性能的影响,提出了基于时域干扰自消除(TDISC)的ICI抑制方案和基于导频辅助估计的次优合并TDISC算法。仿真与分析表明,该算法能有效对抗信道中的时变衰落,提高OFDM在高速移动环境中的系统性能。     

基于改进PLS和PLS_ZP算法的卫星移动通信信道估计

针对传统最小平方(least square,LS)算法和基于离散傅里叶变换(discrete Fourier transform,DFT)的信道估计算法不能有效提高宽带卫星移动信道的传输性能这一问题,提出改进的基于功率判决的LS估计算法(简称PLS)和PLS补零插值算法(简称PLS_ZP).PLS算法在基于DFT估计算法的基础上,利用宽带卫星移动信道的衰落特性,通过对有效抽头数的限制设定功率阈值,抑制有效抽头外的噪声;PLS_ZP算法利用时域补零等效频域内插的原理对原频域插值算法进行改进,充分利用所有已估计导频信息.理论分析和仿真结果表明,与传统信道估计算法相比,PLS和PLS_ZP算法的信道估计均方误差(mean square error,MSE)和误比特率(bit error rate,BER)均有一定程度的提升,且算法复杂度较低,易于硬件实现.     

自适应OFDM系统中基于LS估计的信道预测算法分析

信道预测技术可以为自适应系统提供准确及时的信道状态信息.针对现有的信道预测算法都是假设已知当前及以前的信道信息来预测未来的信道状态信息而忽略信道估计的影响,提出了一种基于LS信道估计的时变多径信道的时域预测方法.该方法采用自适应OFDM系统模型,以当前接收的导频符号序列为观测值进行LS信道估计得到信道的频域值,然后通过IDFT变换到时域,结合AR模型来预测未来信道衰落系数.仿真结果表明,与传统的频域预测算法相比,该算法有效地降低了最小均方误差,能很好地满足自适应OFDM系统中时变多径信道的要求.     

RLS算法智能天线空时联合均衡技术

建立了一种空时信号传输模型,分析对比了递归最小二乘(RLS)和最小均方误差(LMS)两种算法后,提出了一种基于RLS算法,由智能天线和时域均衡器组成的采用后馈滤波器的空时联合均衡器,仿真结果表明,在多径衰落信道下该方法能有效改善系统抗干扰能力,算法简单且易于实现。     

一种改进的上行信道估计算法

为了提高长期演进(Long Term Evolution,LTE)系统上行信道估计的准确性,同时适当的降低信道估计算法的复杂度,针对上行物理共享信道(Physical Uplink Shared Channel,PUSCH),对基于离散傅里叶变换(Discrete Fourier Transform,DFT)的内插滤波信道估计算法进行改进,采用递归最小二乘法(Recursive LeastSquares,RLS)代替原有的内插滤波。根据Matlab仿真结果,提出的新算法在提高信道估计准确度和降低算法复杂度上可以得到有效的均衡。     

基于修正变换域降噪的NC-OFDM信道估计算法

针对NC-OFDM系统在某些相干带宽内可能没有足够的导引符号,导致基于频域内插的LS信道估计算法性能较差的问题,提出了一种修正变换域降噪的信道估计算法。该算法利用NC-OFDM系统信道衰落系数的时频域关系,通过IDFT在时域估计信道多径衰落,并进行降噪滤波,然后采用DFT估计频域信道衰落系数,从而避免了频域内插。仿真结果表明,在仿真条件下,该方法比传统基于频域内插的LS信道估计有约4 dB的性能增益。     

多径信道的自适应估计

为降低迭代型最小均方噪声抑制(RLM)算法的复杂度,对脉冲噪声抑制函数ρ(·)进行了改进,通过理论分析证明了改进后的算法仍然满足线性方程关系;同时还对ρ(·)中的关键阈值参数ξ与Δ进行了估计,并将改进后的RLM算法应用于对时变快衰信道冲激响应矢量的估计中.仿真结果显示,与标准的迭代型最小均方(RLS)算法相比,改进后的RLM算法抗大脉冲干扰的能力增强,可以在出现大脉冲干扰的情况下使信道冲激响应矢量快速收敛.     

Channel estimation for MIMO-OFDM systems in mobile wireless channels

A channel estimation method is proposed for nmltiple-input multiple-output orthogonal frequency division muhiplexing （MIMO-OFDM） systems in time-varying fading channels. In this method, a decision-directed space-alternating generalized expectation-maximization （SAGE） algorithm is introduced to the tracking of time-varying fading. In order to improve the estimation performance of the SAGE algorithm, a low rank approximation method is presented by using the signal subspace of the channel frequency autocorrelation matrix. The study reveals that this method can be incorporated into the SAGE algorithm. Furthermore, a modified fast sub- space tracking algorithm is given to adaptively estimate the signal subspace by utilizing training OFDM blocks sent at regular interval. Simulation results demonstrate the considerable benefits of the proposed channel estimation method.     

Sparse channel estimation for MIMO-OFDM systems using distributed compressed sensing

A sparse channel estimation method is proposed for doubly selective channels in multiple-input multiple-output (MIMO) orthogonal frequency division multiplexing (OFDM) systems. Based on the basis expansion model (BEM) of the channel, the joint-sparsity of MIMO-OFDM channels is described. The sparse characteristics enable us to cast the channel estimation as a distributed compressed sensing (DCS) problem. Then, a low complexity DCS-based estimation scheme is designed. Compared with the conventional compressed channel estimators based on the compressed sensing (CS) theory, the DCS-based method has an improved efficiency because it reconstructs the MIMO channels jointly rather than addresses them separately. Furthermore, the group-sparse structure of each single channel is also depicted. To effectively use this additional structure of the sparsity pattern, the DCS algorithm is modified. The modified algorithm can further enhance the estimation performance. Simulation results demonstrate the superiority of our method over fast fading channels in MIMO-OFDM systems.     

MIMO-OFDM系统中一种新的低代价信道估计方法

准确的信道估计是保证MIMO-OFDM系统传输质量,发挥其优越性的关键．文中提出了一种适于MIMO-OFDM系统的低代价信道估计算法,采用新的导频结构,利用低阶LMMSE插值的方法估计信道响应．理论分析与计算机仿真表明,这种方法的估计精度高、跟踪能力强、并且实现复杂度低,因此具有重要的实际意义．     

低精度ADC下的大规模MIMO-OFDM信道估计算法

针对低精度模数转换器(ADC)下的大规模多输入多输出正交频分复用(MIMO-OFDM)系统,提出一种基于量化压缩感知的信道估计算法——块稀疏多比特迭代硬阈值(B-MIHT)算法。该算法挖掘了大规模MIMO-OFDM系统信道的块稀疏特性,通过构建等效块稀疏信道矩阵结合多比特迭代硬阈值算法,基于训练序列对低精度ADC下的大规模MIMO-OFDM系统进行信道估计,并在MATLAB平台进行仿真实验。结果表明:B-MIHT算法能够准确地恢复低精度ADC下的大规模MIMO-OFDM系统信道信息,在系统量化精度为5 bits的条件下具有良好的信道估计性能,信噪比为30 dB时,误码率(BER)为5.45×10^-3,归一化均方误差(NMSE)为1.73×10^-3,且在信道路径数增多的情况下其信道估计性能损失相对较小。     

Enhanced EM-based channel estimation for MIMO-OFDM in highly mobile channels

An enhanced expectation-maximization(EM)-based iterative channel estimator for coping with channel time variation is proposed for mobile multiple-input multi-output orthogonal frequency division multiplexing(MIMO-OFDM)systems.In the proposed scheme,the recursive least squares(RLS)algorithm is applied to track the time-varying channel impulse response(CIR)within several symbols.By using the tracked time-varying CIR,the ICI are constructed and then cancelled from the received signal,thus reducing their impactions on the channel estimation.Moreover,based on an over-sampled complex exponential basis expansion model(OCE-BEM),an improved channel predictor is derived in order to improve the initial channel estimates accuracy of the iterative estimator.Simulation results show that the proposed scheme outperforms the classic counterpart in time-varying scenarios with a smaller cost of complexity.     

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

在多输入多输出正交频分复用(MIMO-OFDM)系统中, 信号经过频率选择性衰落的信道后, 在接收端需要进行均衡和相干信号的检测, 故准确的信道估计量必不可少. 传统的信道估计方法均基于信道抽头是密集型的假设, 利用线性重构算法, 如最小二乘(LS)或最小均方误差(MMSE)等, 可以达到Cramer-Rao下界(CRLB). 然而, 通过物理信道测量发现, 在实际通信系统中, 宽带信道抽头分布通常表现出稀疏特性. 通过充分利用信道的稀疏特性, 该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计. 在达到与传统的信道估计方法相同性能的前提下, 基于CoSaMP的信道估计方法以非常小的计算复杂度为代价, 大大减少了导频信号开销, 从而提高了频谱资源利用率.     

一种有效的MIMO-OFDM系统时变信道估计算法

为了在快速时变环境下减小多普勒效应对系统性能的影响,提出了一种适用于快速时变环境下M I-MO-OFDM系统的两步信道估计方法.第1步运用最小二乘算法及内插算法对非导频处传输的数据进行初始估计;第2步运用第1步得到的数据估计值结合提出的降低信道估计矩阵维数的方法,从而获得精确的信道参数.仿真结果表明,与其简化估计算法和最小二乘(Least Square)估计算法相比,提出的方法有效的降低了信道估计的误码率及最小均方误差,并且具有较低的复杂度,可很好地满足快速时变信道环境的要求.     

MIMO-OFDM系统的SAGE-IPSO联合估计检测

针对多输入多输出-正交频分复用系统中最大似然检测算法难以硬件实现以及传统的信道估计性能较差等缺陷,提出了一种联合估计检测算法. 该算法使用离散傅里叶变换-最小二乘（DFT-LS）算法进行信道初估计,利用广义空间迭代期望最大化（SAGE）算法对估计的信道信息进行校正,并结合改进的粒子群优化（IPSO）算法完成对信号的迭代检测,使系统性能得到改善. 仿真分析结果表明,算法能以较少的迭代次数估计出信道状态信息和检测数据;在相同误比特率的情况下,性能优于经典检测算法,与理想状态下的最大似然检测算法仅相差1 dB左右.     

正交空时编码连续相位调制系统的信道估计算法

针对准静态瑞利衰落信道中突发模式的正交空时编码连续相位调制（OSTC-CPM）,利用双发多收空时编码连续相位调制系统的波形正交特性,提出了一种基于数据辅助的信道估计算法.接收天线将得到的信号同步地乘上每一发射天线对应的训练序列,然后延迟一码元相加并除以该训练序列能量,估计得到相应的信道衰落系数.理论分析结果表明,该算法的对数估计方差随比特信噪比的增加而线性减小.对不同训练序列长度、过采样倍数和成形滤波器进行仿真,结果表明在准静态瑞利衰落信道中,估计性能与理论分析结果吻合,系统的误比特性能与理想情况相差不到0.2 dB.该算法适合OSTC-CPM系统在准静态衰落信道条件下的信道估计.