一种适用于散射通信的联合帧同步和频偏估计算法研究

针对对流层散射通信中存在的多径衰落以及收发两端频偏,对一种适用于对流层散射通信的联合帧同步和频偏估计算法进行了研究;设计了一种适用于对流层散射通信的新型同步帧结构,其在帧同步信息前增加了周期循环PN序列用于辅助判决,能够提高衰落信道下的信号起点捕获概率;采用基于FFT的部分相关频域捕获算法,搜索最大相关值和频偏索引,同时完成了帧同步和频偏估计;在多径衰落和频偏影响下实现了联合帧同步和频偏估计算法;仿真结果表明:在衰落速率5 Hz,频偏1000 Hz散射信道下,正确捕获到帧同步信息概率在-4 dB信噪比下仍可达到90%以上,且频偏估计偏差在0.4 Hz以内     

基于PN序列的频偏估计算法

本文提出了一种基于时域PN序列导频相关性的频偏估计算法,通过计算接收信号和发送信号共轭乘积的自相关函数,将频偏估计问题转化为一个单频谱估计问题,并且给出了简化的谱估计算法,从而避免了频率搜索,具有较低的实现复杂度,另外,此算法使用和符号同步相同的PN序列资源,节省系统频谱资源。在多径信道下也给出了相应的形式,经过理论分析和仿真证明了,在多径信道下,改进算法的获得了频率分集增益,提高了估计性能。     

OFDM稀疏信道估计中改进的OMP算法

针对传统的最小二乘（LS）算法需要导频数多而估计精度不高、正交匹配追踪（OMP）算法估计效果好但计算复杂度高的缺点,从硬件实现的角度出发,提出一种基于动态门限的OM P信道估计算法,对OFDM 的信道响应进行估计。该算法可减少OM P算法寻找匹配向量时向量运算的次数。仿真结果表明,与LS算法相比,该算法使用较少的导频,获得了很好的信道估计性能;与OM P算法相比,该算法显著减少了计算复杂度和运算时间。     

LTE系统中一种改进的基于CP的ML频偏估计算法

主要研究了LTE系统下行链路中的载波同步,分析了基于PSS相关估计和基于CP的ML估计两类传统频偏估计算法。针对后者抗多径能力不足、抗极性反转能力差和估计范围较小的缺陷,提出了一种改进频偏估计算法。该算法在利用CP数据进行ML频偏估计时去掉一部分受符号干扰的数据,以减少多径影响;利用PSS相关估计结果的极性信息,对算法估计结果进行修正,扩大频偏估计范围和提高抗极性反转能力。仿真结果表明：改进算法相对于原算法在多径环境下具有更好的估计性能;当频偏｜εF｜接近0.5时能够抵抗极性反转具有较高的鲁棒性,当｜εF｜〉0.5时原算法失效而改进算法仍能够保持较高的估计性能。     

一种新的LTE系统频偏估计算法

相位差分算法是LTE系统中经典的频偏估计算法,受LTE信号结构的限制,其估计范围较小且不能工作于跳频传输模式.针对相位差分算法的缺点,提出了一种基于互相关函数能量比的频偏估计算法.该算法根据LTE上行链路PRACH信道中ZC序列循环移位和频偏之间的关系,利用接收ZC序列与原始序列的互相关函数和接收ZC序列与原始序列的单位循环移位序列的互相关函数的能量比来估计频偏,可增大频偏估计范围,减少信噪比对估计误差的影响,且不受跳频传输的影响.仿真结果表明,相比传统的相位差分算法,该算法频偏估计范围更大,估计精度随信噪比变化较小,可有效改善LTE系统频偏估计性能.     

LTE小区搜索中定时与频偏估计算法研究

在长期演进（LTE）的小区搜索中,定时同步与频偏估计是一个非常重要的同步过程。基于分段相关算法,提出了一种改进算法。利用分段相关算法具有抗频偏的优点结合差分运算,并采用对接收端信号进行累积处理方法,提高了定时同步精度。将本地PSS信号累积相加的结果与接收信号进行相关运算,有效降低了算法的运算量。同时利用本地PSS信号与接收PSS信号的相关性,提出一种有效的频偏估计算法。理论分析与仿真实验表明,与传统算法相比,提出的定时与频偏估计算法有效提高了估计精度,减小了运算量。     

基于线性回归的UWB系统频偏估计算法

提出了一种利用接收序列与本地PN序列的相关值辐角的线性回归来估计UWB系统载波频偏的方法,该算法将接收序列与本地PN作相关,利用辐角随时间的线性变化特性,将相关值辐角作线性回归估计频偏.仿真结果表明,与传统PN相关频偏估计算法相比,该算法性能稳定,在有效估计区间内估计精度不受频偏大小影响,抗多径能力强,在低信噪比仍有较高的估计精度.此外,此算法与系统同步使用相同的PN序列与相关计算结果,节约了系统资源,易于实现.     

两种基于自适应相位补偿的FDOA估计算法

将约束的自适应相位差估计补偿算法引入到频偏估计当中,实现信号间相位对齐。然后,利用自适应相位补偿因子,根据估计方式的不同,给出了两种频偏估计算法:基于时间平均的算法与基于线性拟合的算法。基于时间平均的频偏估计算法是一种渐进无偏的估计算法,具有可控的误差和非常小的均方差,以及计算简单的特点。仿真结果表明当信号信噪比大于-3dB时,基于线性拟合的频偏估计算法性能与CRLB非常接近。     

WLAN中OFDM系统载波频率同步算法研究

针对OFDM技术中的载波频率同步问题,分析了载波频率偏差对OFDM系统造成的影响,总结了基于IEEE802.11标准的三种常见的频偏估计算法:基于循环前缀的最大似然算法、基于训练序列的时域相关算法和基于导频的频域相关算法,提出一种基于训练序列和导频的联合载波频偏估计算法。性能仿真结果表明,该联合估计算法在估计范围和估计精度上具有明显的优势,适合实际工程应用。     

一种改进的频偏估计算法及其性能仿真

论文在比较分析现有基于数据辅助的经典频偏估计算法的基础上,提出了一种改进的Fitz载波频偏估计算法.与原算法相比,该改进算法不仅扩大了频偏估计范围,同时提高了频偏估计精度.通过仿真验证了该改进算法性能.     

基于PN序列的OFDM时频同步改进算法

在训练符号辅助的正交频分复用同步算法中,训练符号中循环前缀的起始位置会出现与正确定时位置处强度相近的相关峰,从而造成定时错误。针对该问题,将现有共轭对称结构的训练符号,乘以伪随机加权因子而构造出新的同步训练符号,基于新的训练符号给出定时同步测度函数,并提出相应的定时同步算法和频偏估计算法。利用伪随机加权因子的自相关性,可有效消除循环前缀的相关峰,减少定时错误,提高频偏估计精度。理论分析和仿真结果表明,该算法在改善同步性能的同时,可降低计算复杂度。     

面向C-V2X通信的基于深度学习的联合信道估计与均衡算法

为了在不显著提升计算复杂度的情况下,有效提升通信系统的误码率（BER）性能,利用深度学习在数据处理方面的强大能力,提出一种面向基于蜂窝网络的车联网（C-V2X）通信的基于深度学习的联合信道估计与均衡算法——V-EstEqNet。与传统算法分两个阶段分别进行信道估计与均衡不同,V-EstEqNet将通信系统接收机中的信道估计与信道均衡进行联合考虑,并利用深度学习网络直接对接收数据进行校正和恢复,无须进行显式的信道估计环节即可完成信道均衡。具体而言,首先利用大量的接收数据对网络进行离线训练,使网络学习到叠加在接收数据中的信道特性;然后利用该特性恢复原始的发送数据。仿真实验结果表明,在不同的速度场景下,所提算法可以更加有效地追踪信道特性;同时,相较于传统信道估计算法（最小二乘法（LS）和线性最小均方误差法（LMMSE））配合传统信道均衡算法（迫零（ZF）均衡算法和最小均方误差（MMSE）均衡算法）,所提算法在低速环境下有最高有6 dB的BER增益,在高速环境下最高有9 dB的BER增益。     

低复杂度的时域同步OFDM信号检测算法

构造一种在所有正交频分复用(OFDM)符号中使用同一PN序列作为保护间隔的时域同步OFDM信号格式,提出一种基于快速傅里叶变换的PN码干扰消除和信号检测算法,该算法不使用FIR均衡技术,复杂度低,仅与常规CP-OFDM信号检测算法的复杂度相当,但由于引入了部分保护间隔内的噪声,因此BER性能不如CP-OFDM系统。仿真结果表明,在典型的双径短波信道中,两者的BER性能差距小于0.1 dB,在信道时域扩展较大的四径短波信道中,两者的BER性能差距小于1 dB。     

基于软判决的PN码序列多项式估计改进算法

针对现有伪噪声(PN)码序列多项式估计算法容错能力有限的问题,提出一种将统计预处理和软判决求解含错方程相结合的多项式估计改进算法。该算法利用PN码序列的周期特性,通过增加统计预处理环节降低序列的误码率,采用软判决求解含错方程的方法,实现低信噪比条件下PN码序列生成多项式的正确估计。仿真结果表明,改进算法具有较好的容错性能,在信噪比为-9 dB时其估计正确率可达90%以上,且与传统多项式估计算法相比信噪比增益至少为6 dB。     

面向非完全序列的水下三维传感网定位算法

针对三维空间节点定位精度低以及算法复杂度高的问题，提出一种面向非完全序列的水下三维传感网定位（NFSL）算法。该算法区别于传统基于序列定位算法，考虑更切实际的信标节点通信范围非全网覆盖的情况。首先，利用3D Voronoi图对三维定位空间进行区域划分，并确定虚拟信标节点以及其阶次序列；然后，根据由接收的信号强度指示（RSSI）所得的未知节点序列与信标节点序列的阶次相关系数得到"最邻近"信标节点并构建最邻近序列表；其次，设计针对非等长序列相似度的算法并利用该算法得到未知节点的非完全序列与最邻近序列表中各序列的阶次相关系数；最后，将该阶次相关系数作为权重实现对未知节点位置的加权估计。仿真实验以信标节点比例、通信半径、节点总数以及网络规模作为变量对NFSL与DV-Hop和质心算法的定位精度进行比较，仿真结果证明了该算法的有效性，且其定位精度随信标节点数的增加而大幅提高，与传统定位算法相比该算法定位精度最大可提高约23%。     

An adaptive least squares channel estimation based on conjugate gradient approach for multipath fading CDMA systems

Multiple access interference (MAI) is the main factor affecting the performance of channel estimation techniques for code division multiple access (CDMA) systems. Although, several multi-user channel estimation algorithms have been proposed to mitigate MAI, these algorithms require high computational complexities. In this paper, we address the problem of iterative least squares (LS) mobile channel estimation at high channel efficiency that requires a short training sequence along with the spreading sequences. We employ an efficient iterative method based on conjugate gradient (CG) algorithm to reduce the computational complexity of the estimation method. Computer simulations illustrate that the proposed method performs almost identical to the exact LS estimate for reasonable training lengths.     

一种可扩展的广义空移键控调制系统设计

5G车联网中的不同传输业务对高可靠、可扩展和低功耗的通信性能有较高要求,为此,设计一种新型高可靠、可扩展的广义空移键控调制(GSSK)系统。在发射端提出一种基于Butson Hadamard矩阵的广义空移键控调制(BHSSK)方案,通过引入具有正交性和可扩展性的Butson Hadamard矩阵,采用循环加权方法构造符号选择矩阵,将矩阵的列作为符号向量并调制到激活的天线组合上进行发送。针对检测复杂度对车联网下通信可行性的影响,在接收端提出一种基于方向夹角加权排序检测(DWOD)算法,通过设计发射天线组合的权重因子构造天线组合搜索空间,并设置判决收敛门限以减少信号检测的搜索范围,在保证可靠性的同时降低检测复杂度。Matlab仿真结果表明,BHSSK以较少的天线实现相对较高和可扩展的频谱效率,相比GSSK、GSM、MA-SM和HSSK分别达到约8dB、3dB、3dB和0.6dB的误码率性能增益。DWOD算法在达到近似最优误码率性能的同时,其复杂度减少了约40%~70%。     

面向物联网环境的高效通信接收机设计

物联网（IoT）通信系统具有活跃用户数低、数据帧短等特性,而信道估计和多用户识别所需的导频和用户识别码会显著降低IoT系统的通信效率和响应速度。针对上述问题,提出了一种基于非正交多址接入（NOMA）的盲信道估计和多用户检测算法。首先,利用码分多址（CDMA）系统中的扩频矩阵对每个用户所占用载波进行分配,并采用差分编码解决盲估计所引发的星座点旋转问题;其次,根据用户所分配载波具有的稀疏性,引入伯努利-高斯（B-G）分布作为先验分布,利用变量间的隐马尔可夫特性进行因式分解和建模,由用户数据的稀疏特征进行多用户识别;最后,应用消息传递算法对上述模型进行推导,解决NOMA引起的多用户干扰,得到面向IoT环境的联合信道估计和检测接收算法。仿真结果表明,相对于块稀疏单测量向量（BS-SMV）算法和块稀疏自适应子空间求解（BSASP）算法,所提算法能够在不提高复杂度的条件下获得约1 dB的性能增益。     

基于DFT寻径的压缩感知信道估计改进算法

正交频分复用系统中的信号在传输过程中受到无线信道环境衰落和延时的影响,容易产生符号间干扰（ISI）,对信道状态信息进行准确估计是降低ISI、提高信号传输准确率的有效方法。针对贪婪迭代类压缩感知信道估计算法存在的估计径错误及漏选问题,提出一种基于离散傅里叶变换（DFT）寻径的压缩感知信道估计算法DFT-OMP。通过DFT寻径的方式抑制由噪声引起的不理想原子,从而对OMP算法重构过程中的原子进行筛选,解决传统方法选取相关因子最大的原子作为重构原子而导致的依赖信号稀疏度问题。在原子预选后的贪婪迭代类压缩感知算法信道估计中引入残差精度控制,以提高信道估计的自适应性与鲁棒性。仿真结果表明,相对OMP算法,该算法能取得4 dB的信道估计性能增益,其适用于较大导频下的无线通信系统。