压缩采样匹配追踪在水声MIMO-OFDM信道估计的应用

针对水声MIMO-OFDM系统,利用水声多径信道冲激响应的稀疏特性,提出一种基于压缩采样匹配追踪 (Compressive Sampling Matching Pursuit, CoSaMP)的信道估计方法。该算法首先利用观测矩阵构建一个向量代替信道,然后采用匹配追踪思想确定这个向量的非零抽头系数位置,最后利用最小二乘法对非零抽头系数进行估计,通过对该向量的估计实现信道响应的估计。与传统最小二乘法（least square, LS）相比,信道估计性能得到很大的提高,与正交匹配追踪（Orthogonal Matching Pursuit,OMP)相比,提高信道估计性能的同时,降低了计算复杂度。通过仿真分析,不但验证了该算法的有效性,还比较了该算法在不同通信系统中的信道估计性能。      

基于导频和修正Kalman滤波的MIMO-OFDM信道估计方法

提出了一种适用于时间频率选择性衰落信道的MIMO-OFDM系统的组合信道估计方法。采用AR过程对信道进行建模,利用基于导频的低维Kalman滤波算法进行信道估计,并采用LS算法估计时变的信道衰减因子。Kalman滤波跟踪了信道的时域相关性,为了同时跟踪信道的频域相关性,采用了一种基于MMSE(minimum mean square error)的合并器对Kalman滤波算法进行修正。仿真表明,提出的这种组合算法降低了传统的Kalman滤波结构的复杂度,能够跟踪信道的时频变化,改进了基于LS准则的信道估计算法,并且与复杂的高维Kalman滤波算法的信道估计性能相当。     

室内可见光通信信道估计的研究

要:建立了室内可见光通信系统模型,针对其信道冲击响应,分别采用最小二乘(LS)估计方法和最小均方差(MMSE)估计方法对信道进行了理论分析,并且通过计算机仿真,对两种不同的估计方法性能进行了比较,最后在此基础上,分别对抽头长度和训练序列长度对信道估计的性能影响进行了仿真验证。实验结果表明:在相同信噪比下,MMSE方法的性能优于LS方法,但是计算量比LS方法复杂,而且LS方法性能依赖于噪声的影响,信噪比越高,LS估计方法的性能越好。同时抽头数越多,训练序列越长,信道估计的性能越好,但也会增加计算的复杂度。     

深度学习辅助的5G OFDM系统的信道估计

传统的信道估计算法难以满足5G系统中的高速率低时延的需求。针对该问题,将通信信道的时频响应视为二维图像,提出了一种基于图像恢复技术的信道估计方法。首先,设定参数产生基于5G 新空口（ New Radio,NR）标准的物理下行链路共享信道（ Physical Downlink Shared Channel,PDSCH）的信道数据信息数据集,将所产生的信道矩阵看作二维图像;然后,构建基于卷积神经网络的图像恢复网络,并融入残差连接来提高网络的性能;最后,利用训练好的网络模型进行信道估计。仿真结果表明,与最小二乘算法（Least Square,LS）、实际信道估计（Practical Channel Estimation,PCE）和基于图像超分辨率ChannelNet网络相比,所提出的信道估计算法性能提升明显。     

MB—OFDM超宽带系统信道估计研究

MB-OFDM（多带正交频分复用）超宽带技术正越来越受到人们的关注,而信道估计是通信领域的一个研究热点,是进行相关检测,解调,均衡的基础。文章介绍了基于导频信道估计的基本方法,主要研究了LS（最小平方误差）估计、和MMSE（线性最小均方误差）估计,并提出应用神经网络进行信道估计。通过对几种方法的仿真分析给出了适用于MB-OFDM的信道估计方法。     

OFDM通信系统中的一种通用的信道估计模型

本文根据DFT的一个性质为OFDM通信系统构造了一种通用信道估计模型。该模型利用系统子信道中的一部分专门进行信道估计,适用于慢消失信道。该模型同最小平方差（LS）和最小均方差（LMMSE）相结合分别形成两种信道估计方法,并从理论角度分别分析它们的计算复杂性和均方差性能。对多径信道仿真表明,基于LS的方法误符号率性能比基于LMMSE的方法差2－3dB,但是计算复杂度较低。总之,此信道估计模型的计算复杂度和性能随着用于信道估计的子信道数目增加而增加,当所用子信道数目是周期头长度的两倍时,达到计算量和估计性能的最佳平衡。     

基于OFDM的无线通信系统信道估计技术研究

OFDM是第四代移动通信系统的核心技术之一,信道估计是OFDM中急需解决的一个关键技术。首先介绍了OFDM技术的基本原理及其系统组成,重点研究了基于导频的OFDM信道估计技术,针对块状导频插入方式,讨论了LS（最小二乘）、MMSE（最小均方误差）和SVD（奇异值分解）算法,并通过仿真对其性能进行了比较。结果表明：MMSE和SVD算法比LS算法有更好的性能,但是LS算法的复杂度较低。     

基于Akaike信息论准则的无人机OFDM信道估计算法

文章通过对无人机通信信道的分析,指出其稀疏信道特征,使用普通算法对此信道进行信道估计会引入高阶矩阵运算,为加快收敛速度、降低实现难度,文中提出了一种利用GAIC(generalized Akaike information criterion)准则和RPC(phase-rotated Chu sequences)训练序列的OFDM航空信道LS(least square)估计方法,该方法利用GAIC准则确定信道MA(moving average)模型的阶次及抽头位置,为减小信道估计的运算复杂度,引入RPC序列作为训练序列,既满足了LS(least square)估计,又大大减化了计算复杂度.文章针对具体应用给出文中算法的性能仿真结果,证明了此算法可避免高阶矩阵运算,节约了大量权值可忽略抽头所引入的资源占用和计算量,且显著减小估计误差,可更好跟踪快变的稀疏信道.     

G3-PLC系统压缩感知信道估计的LS-SAMP算法

为了提高G3-PLC系统可靠性,引入压缩感知(Compressed Sensing,CS)的信道估计方法,提出了一种基于最小二乘(Least Squares,LS)的稀疏度预测自适应匹配追踪(LS Based Prediction-Sparsity Adaptive Matching Pursuit,LS-SAMP)算法。该算法在稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit,SAMP)算法的基础上,采用了基于LS的稀疏度预测方法对信道稀疏度进行预估计,使算法可以快速逼近信道的真实稀疏度,提高算法运行效率;其次利用主成分分析方法对观测矩阵进行线性优化,降低观测矩阵相干度,提高算法的重构性能。实验结果表明,在误码率为10-3时,所提算法相对于LS算法的信道估计性能有1 dB的提升,且其运行效率比SAMP算法提升了31.23%,以更有效的方式提高了G3-PLC系统的可靠性。     

高速移动环境下基于深度学习的信道估计方法

针对高速移动环境下信道快时变、非平稳特性导致下行链路信道估计性能受限的问题,本文提出一种基于深度学习的信道估计网络,即ChanEstNet.ChanEstNet使用卷积神经网络（Convolutional Neural Network,CNN）提取信道响应特征矢量和循环神经网络（Recurrent Neural Network,RNN）进行信道估计.我们利用标准的高速信道数据对学习网络进行离线训练,充分挖掘训练样本中的信道信息,使其学习到高速移动环境下信道快时变和非平稳的特点,更好的跟踪高速环境下信道的变化特征.仿真结果表明,在高速移动环境下,与传统方法相比,所提信道估计方法计算复杂度低,性能提升明显.     

基于NOMA-VLC系统的GWO-DNN信道估计方法

为了解决室内非正交多址（NOMA）可见光通信（VLC）信道估计方法的可靠性和用户公平性低问题,提出了一种在NOMA-VLC系统中使用灰狼优化（GWO）算法对深度神经网络（DNN）进行信号补偿和恢复的方法,即GWO-DNN信道估计方法。该方法引入非线性收敛因子和二维混沌映射,有效提升了系统可靠性和多用户传输公平性。实验结果表明：在误码率（BER）为10-4时,所提方法比最小均方误差（MMSE）方法最高可获得4.3 dB的信噪比（SNR）增益,两用户的SNR差异由3.2 dB降到0.9 dB;在不同阶次的正交幅度调制下,所提方法的性能均优于MMSE方法,且调制阶次越高性能改善越明显。     

地空通信中基于贪婪算法的SC-FDE系统稀疏信道估计

针对在地空频率选择性衰落信道中,信道冲激响应具有时域稀疏特性的情况,提出了基于贪婪算法的单载波频域均衡(SC-FDE)系统稀疏信道估计方法。Chu序列是SC-FDE中常用的导频序列,对其进行分析并证明了将Chu序列进行循环移位所构造的导频矩阵满足RIP条件,将导频矩阵作为测量矩阵,把地空信道估计问题建模为稀疏重构模型,采用贪婪算法中的OMP和Co Sa MP算法对信道进行稀疏重构,仿真验证了所得信道估计较传统最小二乘(LS)信道估计方法更加准确。在相同的训练序列长度和信道环境下,利用所得信道估计对接收信号进行最小均方误差(MMSE)均衡,蒙特卡罗仿真结果表明,所提方法与传统LS信道估计方法相比,系统误码性能提高2~3 d B。     

TD-LTE系统信道估计算法研究

TD-LTE信道是一个衰落失真信道,接收端需要对信道作出正确的估计。本文对基于OFDM信道的LS、DFT、DCT、MMSE、LMMSE、LRLMMSE等信道估计算法进行了研究,并通过MAT—LAB仿真,从均方差MSE和误码率SER两方面比较了这些算法的特点。     

基于导频的光OFDM系统信道估计

信道估计是光正交频分复用（OOFDM）系统关键技术之一,为了克服光纤色散和模式的传输时延所产生的载波间干扰（ICI）,设计了一种基于导频的信道估计器,通过分析最小二乘（LS）和线性最小均方误差（LMMSE）算法估计原理,仿真实验比较两种算法的误比特率和均方误差性能,实验结果表明,LS与LMMSE在OOFDM系统中都有较好的作用,但LMMSE算法性能要优于LS算法。     

基于OFDM系统的信道估计器设计方法

从信道估计出发,研究了正交频分复用（OFDM）系统中信道估计的多种算法,详细地分析比较了最小均方误差（MMSE）、最小平方（LS）、导频辅助调制（PSAM）、奇异值（SVD）四种信道估计算法在估计误差、实现复杂度、跟踪速度以及频带效率等方面的性能。     

OFDM电力线通信系统的时域信道估计方法

针对G3-PLC协议,提出了两种改进的时域信道估计方法。为达到时域降噪效果,采用了预置电力线信道最大时延的方法,但这使得相关的时频变换矩阵不满秩,无法直接采用最小二乘准则估计其时域特性。因此,文中提出一种基于修正变换矩阵的时域LS算法,解决了矩阵不可逆问题。同时进一步提出了一种无需信道统计特性的时域线性最小均方误差算法,大幅降低了复杂度。仿真结果表明,修正的时域LS算法和简化的时域LMMSE算法均性能良好。     

基于DFT的OFDM系统信道估计改进算法

基于DFT的信道估计算法计算复杂度比MMSE算法低,性能比LS算法好.但是传统的基于DFT的信道估计只消除了信道冲击响应估计中循环前缀长度之外的噪声,循环前缀长度内的噪声并没有得到抑制,因此算法性能还有提高的空间.本文提出了一种改进的基于DFT的信道估计算法.算法首先估计出噪声方差,然后利用噪声方差设定一个门限,通过此门限对循环前缀内的信道时域冲击响应值进行阈值,进一步消除噪声的干扰.仿真证明,本文的改进信道估计算法性能优于原算法.     

基于小波阈值去噪的UFMC信道估计算法

通用滤波多载波(Universal Filtered Multi-Carrier,UFMC)技术是一种新型多载波技术,是5G备选波形技术之一。对UFMC系统进行了介绍,再针对该系统的信道估计问题,提出一种基于小波阈值去噪的最小二乘(Least Square,LS)信道估计算法。首先利用LS算法获得导频处的信道响应,再用插值算法得到信道的全部响应,最后通过小波去噪来消除信道中的噪声干扰。实验仿真表明,提出的信道估计算法与LS算法相比,系统的误比特率更低,信道估计值更加精确。     

MIMO-OFDM中一种新的信道估计算法

根据不同发射天线发射的导频移位后应相互正交的原则,运用最小二乘推导出了基于MIMO-OFDM信道估计模型的时域信道估计解。针对该时域信道估计解需要矩阵求逆,运算量大的缺点,研究了基于空时频三维导频符号的设计方法,该方法使得时域信道估计解不需要矩阵求逆,可大大降低信道估计的复杂度,并且可以使信道估计误差最小。仿真结果表明,提出的基于空时频导频的信道估计方法相比传统LS算法和文献算法,MSE和BER性能均有较大的提高。     

一种MC-CDMA系统LS信道估计的改进算法

LS信道估计算法计算量小,实现简单,但是受噪声的影响信道估计精度低。为降低噪声对信道估计精度的影响,提出一种基于DFT的LS信道估计改进算法。该算法利用MC-CDMA中闲置的虚载波对信道噪声功率进行估计,通过将LS信道估计的时域响应限制在循环前缀长度内并进一步通过设置门限值忽略LS信道时域响应在循环前缀长度内的噪声分量和无效径响应,显著提高了信道估计精度。本文的算法运算量小,实现简单,信道估计精度高,仿真结果验证了算法的有效性。