基于循环前缀的OFDM信道估计新算法

OFDM具有抗频率选择性衰落、抗符号间干扰强、频谱利用率较高等优点,而被选用在高速无线通信系统中为其核心技术．OFDM系统的可靠信道估计是实现数据高速率传输的关键,针对OFDM信号结构的特点,通过直接分析循环前缀在信道卷积中的作用,利用循环前缀信号构造出一个高阶的循环Toeplitz矩阵,使用DFT运算代替矩阵求逆,大大降低计算复杂度,能快速、可靠的进行信道估计．     

OFDM移动通信系统中的最大多普勒频移估计

为了估计移动正交频分复用(OFDM)系统中衰落信道下的多普勒干扰,提出了利用OFDM符号的循环前缀检测最大多普勒频移的方法.在已有的单载波系统多普勒估计算法的基础上,结合OFDM符号已有的循环前缀,通过计算循环前缀的归一化自相关函数,得到最大多普勒频移.在衰落信道下的计算机仿真结果表明,该算法可以准确地估计出最大多普勒频移.该方法只需利用OFDM符号的循环前缀,不需要其他辅助数据或者插入导频,可以方便地应用于现有OFDM系统中.     

一种基于双周期结构的OFDM频偏估计方法

设计了一种具有异周期毗邻结构的新型循环前缀，提出了相应的OFDM频偏估计算法。该异周期毗邻结 构循环前缀由CP1和CP2两部分构成,使OFDM符号具有双周期特征。通过引入较短的CP1,牺牲极少的资源， 可以有效克服现有频偏估计方法中的固定频偏估计范围的缺陷，同时具有频偏估计范围大，精度高的特点。     

无循环前缀正交频分复用多址上行链路处理算法

提出了一种无循环前缀正交频分复用多址(OFDMA)上行链路发射信号帧结构,为消除因无循环前缀造成的正交频分复用(OFDM)符号块间干扰(IBI),接收端对接收信号进行时域过采样,对过采样后OFDM符号中无符号块间干扰部分采用最小均方误差(MMSE)算法进行信号检测.采用最大似然估计算法进行时间同步和频偏参数估计,利用伪随机(PN)序列的相关性对信道参数进行估计.仿真证明:本文提出的频偏信道参数估计算法具有良好的抗噪特性、衰落信道适应性和高的估计精度,而MMSE算法也具有较好的误比特率性能.     

基于MATLAB的OFDM多普勒频移估计算法仿真分析

在移动正交频分复用OFDM系统中,该文介绍了基于循环前缀的最大多普勒频移估计算法,并运用MATLAB软件搭建系统仿真平台进行仿真分析,仿真结果表明：在假定系统符号已经同步的情况下,循环前缀长度的选取对多普勒估计的精度有一定的影响。     

OFDM系统中一种有效的定时和频偏估计方法

为了在没有任何导频信息的条件下,实现OFDM(orthogonal frequency division)系统中的符号定时和频偏估计算法.提出了一种重复训练后缀的OFDM信号结构,并给出了一种有效的符号定时和频偏估计方法.该方法对ZP(zero padding)-OFDM信号形式进行适当的改进,在不需要任何附加训练和导频信息的条件下,实现了符号定时和频偏的有效估计,与基于循环前缀的估计方法相比,该估计方法扩大了可估计的频率偏差范围,同时降低了运算量.     

基于DFT变换信道估计的阈值滤波改进算法

在信道估计中,传统的基于DFT的信道估计算法复杂度低于MMSE算法,性能要优于LS算法.但由于传统算法单纯地将所有样点认为是有用信道冲激响应,忽略了噪声的影响.提出了一种基于2次噪声估计原理的改进算法,算法首先利用循环前缀长度以外的序列点估算出噪声方差,再利用估算出的噪声方差将循环前缀长度以内的噪声样点区别开,利用新的噪声样点进行2次噪声估计得到门限值,从而对信道时域冲激响应进行阈值滤波,进一步消除噪声对系统的影响.仿真结果表明,改进后的算法性能优于传统算法.     

OFDM系统中干扰消除技术的分析

正交频分复用（OFDM）技术已被越来越多的人所关注,并且在IEEE802．11无线局域网中得到实际应用．在OFDM系统中为了消除符号间干扰（ISI）和子载波间干扰（ICI）,一般要采用加入循环前缀（CP）的技术．从信道对信号作用方面分析了循环前缀技术消除干扰的过程,并给出了仿真结果．结果表明,循环前缀的加入可以有效地消除符号间干扰（ISI）和子载波间干扰（ICI）．     

—种改进的基于循环前缀的OFDM系统定时同步方法

同步是正交频分复用（OFDM,Orthogonal Frequency-Division Multiplexing）系统研究的关键问题之一,本文主要研究了基于循环前缀（CP,Cyclic Prefix）的OFDM系统定时同步方法。传统的基于循环前缀的OFDM系统定时同步方法只局限于在一个符号内进行相关运算,同步效果不够理想,而且在多径信道存在的情况下循环前缀的长度大都比较长才能正确确定符号定时点,降低了传输效率。本文提出了一种扩展的多符号联合定时同步算法,仿真结果显示,改进后的方法提高了传输速率,在符号同步估计性能较原始方法有显著的提高。     

OFDM中基于DFT信道估计的改进算法

在正交频分复用(OFDM)系统的估计算法中,基于离散傅里叶变换(DFT)的信道估计因其算法实现简单,性能又优于最小二乘法(LS),常常用于实际OFDM系统中.传统的DFT算法中通常只抑制了信号中循环前缀(CP)外的噪声,并没有消除循环前缀内的噪声.提出了一种改进型算法,该算法通过加窗降低系统中频谱泄露现象,并对噪声进行估计修正,考虑到CP范围内外的噪声分布情况,设置了一个新的阈值点来抑制样本内的噪声.仿真结果表明:该算法较传统的DFT估计算法性能更好,更进一步地改善了系统误码率,能获取准确的信道信息.     

FMT系统中信道估计的分析与仿真

根据FMT系统的特点，研究了在FMT系统中进行信道估计的方法．在此基础上，改进了基于扩频序列的信道估计方法．理论分析和计算机仿真结果均表明，在时域中对FMT系统进行信道估计简单有效，并且基于扩频序列估计的性能优于LS估计，改进后的估计方法进一步提高了性能。     

信号估计中的贝叶斯方法及应用

贝叶斯估计理论在图像处理领域有广泛的应用.结合图像去噪问题,讨论了贝叶斯最大后验概率估计技术,并推导了信号的最小均方误差估计;在此基础上,提出了一种利用后验均值准则推导维纳滤波表达式的方法.     

一种正弦波信号频率幅值的高精度估计方法

为了提高正弦波信号频率和幅值的频域估计精度,提出了窗函数迭代逼近方法.Matlab仿真结果表明,该方法切实可行,估计精度可以提高4~5个数量级,且与频率偏差δ基本无关.     

DOA估计的可靠性评判及多阵列三角定位

提出了一种DOA（derection of arrival）估计可靠性评判准则，试验数据验证了该可靠性评判准则的有效性。DOA估计误差分析表明，目标信号信噪比、传感器失效和采集系统故障等原因均可能导致传感器信号相关性下降或者丢失，而使得DOA估计出现重大偏差；利用可靠性条件，能够方便判定估计DOA的可靠程度。将DOA估计算法及可靠性条件，应用到多DOA三角定位试验中，定位结果表明，该可靠性条件能够有效避免目标位置估计出现野值。     

组合电路复杂度与面积的翻转信息熵估计方法

为了提高在信息论基础上的逻辑电路面积和功耗分析方法的估计精度,在传统输出信息熵估计理论基础上,提出了利用翻转信息熵进行电路实现复杂度和面积估计的理论方法。概率的方法被用于对组合逻辑电路的输入输出信号翻转行为的相关和相似进行量化分析。在此基础上实现了翻转信息熵面积估计算法,对随机生成的大量电路和标准benchmark电路进行的实验结果表明,该方法带来了至少3%左右的估计精度改善。     

配电网集成负荷估计和状态估计

负荷估计和状态估计对于配电网的管理和控制非常重要．文中提出了一种集成的负荷估计和状态估计框架．一方面提出了一种基于连接机制的事例推理新方法(CBCBR)用于解决配电网节点负荷估计问题,分别介绍了CBCBR的原理、结构、混合学习算法和实际应用,CBCBR具有快速、增量式、自适应学习能力；另一方面提出了一种抗差状态估计方法,同时实现了结构空间和量测空间的抗差．抗差状态估计器使用CBCBR的输出作为输入的伪量测量,同时CBCBR可使用抗差估计器的输出改善其自身性能．所提集成的负荷估计和状态估计框架能有效抵御坏数据的影响,并可实现自适应性调节．使用33节点系统测试所提方法,所用节点数据来自实际系统,算例结果证明了读方法的有效性．     

小波基下的多分辨率SURE阈值信号估计

根据小波阈值估计理论，通过最小化风险的估计，可计算自适应于数据的阈值，提高估计的信噪比。分析了噪声和信号在小波分解下的特性，提出了小波基下自适应于每一尺度的多分辨率SURE阈值算法，并采用该算法对被噪声污染的信号进行了估计，阈值T选取统一阈值，噪声的标准差由中位公式求出。仿真结果表明，与传统的小波阈值法相比，该算法明显地提高了估计的SNR。     

三阶Erlang分布参数的Bayes估计及检验

首先给出了三阶Erlang分布在定数截尾场合下参数的极大似然估计;其次给出了在“平均剩余寿命”下的三阶Erlang分布参数的拟矩估计;然后再利用共轭先验分布得到了参数的经验Bayes估计、区间估计和假设检验;最后通过模拟得到一组随机样本并给出了不同截尾样本下参数的点估计和区间估计。     

非线性系统时变时滞和参数的在线联合估计

为了解决非线性系统的时滞和参数的在线联合估计这一问题 ,提出了一种基于遗传算法的非线性系统时变时滞和参数的在线联合估计方法。将遗传算法的二进制编码改进为十进制编码。对于系统输入带有纯时滞的非线性系统 ,采用改进的遗传算法对系统时滞和参数进行在线联合估计。此方法能够有效地在线联合估计非线性系统的时变时滞和参数 ,并具有一定的抗噪声能力。仿真实验结果验证了此方法的有效性     

基于深度学习的OFDM信道估计

针对多径正交频分复用(orthogonal frequency division multiplexing, OFDM)信道环境下信道频域选择性衰落导致下行链路信道估计性能受限的问题,提出一种基于深度学习的信道估计(deep learning-based channel estimation, DL-CE)方法。采用自回归过程对信道建模,利用深度学习设计信道估计网络追踪信道响应及其频域相关系数。通过迭代训练,基于深度学习的信道估计网络能够学习到自回归系数的最优估计,同时利用先验信道信息估计信道频域响应和频域相关系数。与传统方法相比,所提信道估计方法性能提升明显。