无人飞行器通信中联合信道估计和Turbo均衡

Turbo均衡技术能有效克服信道多径、消除符号间干扰(ISI),从而提高接收机整体性能。针对无人飞行器地空视距链路信道这种快时变多径信道,提出了一种联合信道估计和Turbo均衡的迭代接收算法。该算法采用单载波调制体制,通过信道估计和Turbo均衡之间相互反馈软信息来消除ISI。Matlab仿真结果表明,经过2次以上的迭代后,相比较于传统的单载波频域Turbo均衡算法,新算法的误码率性能得到了显著改善。     

一种水声通信中的多阵元Turbo均衡算法

Turbo均衡应用在水声通信中的问题主要在于水声信道时间扩展长,多接收阵元处理复杂度较高。该文研究了将时间反转与马尔可夫链蒙特卡罗(MCMC)均衡联合优化算法用于实现Turbo均衡。首先进行时间反转实现多接收阵元较长多径时延的压缩,再利用白化滤波器解决时间反转造成的噪声模型失配问题,最后利用复杂度较低的MCMC均衡器结合软迭代信道估计对时间反转合并后得到的信号进行均衡。结合真实实验信道条件对信道响应估计的误差建立模型,通过仿真比较得出, 该算法在相同条件下相对于多阵元直接自适应Turbo均衡算法复杂度降低67%,且有1.6 dB的误码率性能增益。通过对湖上试验数据进行处理,进一步验证了该算法的优势。     

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。     

基于DDEA算法的短波信道Turbo均衡研究

针对数据引导均衡算法（DDEA）的缺陷,受到Turbo均衡中迭代思想的启发,提出一种基于数据引导均衡技术的短波迭代信道估计、均衡和译码算法,不仅均衡和译码之间互相传递软信息,信道估计器使用的也是译码器反馈的软信息,通过每次迭代时软信息质量的改善,提高系统的可靠性;通过多次迭代信道估计器输出的信道参数很接近当前帧的实际信...     

水声通信中基于软判决的块迭代判决反馈均衡器

在单载波频域均衡水声通信系统中,混合结构的时-频域判决反馈均衡器(H-DFE)计算复杂度高,不利于实时实现;而基于硬判决的块迭代判决反馈均衡器(HD-IBDFE)存在错误符号判决造成系统性能下降问题,同时需要估计判决符号和发射数据之间的互相关函数。该文对水声通信中基于软判决的块迭代判决反馈均衡(SD-IBDFE)接收机算法进行了研究,通过对均衡器输出信号进行软判决,并将符号软信息进行反馈,提高了系统性能,同时采用迭代信道估计方法来适应水声信道的时变性。通过仿真比较得出,该方法在水声信道条件下明显优于HD- IBDFE。对湖上试验数据处理结果表明,在浅水1.8 km通信距离下,单通道无编码QPSK调制可实现10-3的误码率并达到3000 bps的有效数据率。     

基于Kalman滤波的水声混合双向迭代信道均衡算法

水声信道均衡中基于信道估计的均衡方法理论上具有更优的均衡性能,但较高的计算复杂度限制了算法的实际应用。针对这一问题,该文首先基于Kalman滤波和Turbo均衡提出一种迭代Kalman均衡器,实现了基于软符号的迭代信道估计与迭代Kalman均衡,且复杂度较常规方法降低约1个数量级。其次,针对单一均衡算法和单一方向Turbo均衡器存在的误差传递现象,设计了基于迭代Kalman均衡器与改进成比例归一化LMS (IPNLMS)自适应均衡器相结合的混合双向Turbo均衡器,提高了自适应均衡器的收敛速度和均衡性能,并通过双向均衡结构带来的增益改善了符号估计误差传递的现象。理论分析与仿真实验验证了该文算法的有效性。     

一种降低复杂度的压缩感知水声信道估计方法

针对浅海的水声信道稀疏特性,提出了一种降低复杂度的前向回溯正交匹配追踪(RC-LABOMP)信道估计方法。首先计算正交匹配追踪和子空间追踪信道估计算法的两类支撑集,接着根据两类支撑集的交集和并集,预处理先验信息,最后利用先验信息完成前向回溯正交匹配追踪信道估计。该算法经过先验信息的预处理,能够减少原LABOMP算法的迭代次数,同时缩小原子的索引范围,因此能够显著降低原LABOMP算法的计算复杂度。此外,将提出的算法与水声Turbo均衡系统相结合,更适用于水声通信系统。仿真结果表明,所提算法在随机信道和水声信道条件下,具有估计精度高、误码率低的特点,同时能够显著降低LABOMP算法的计算复杂度,是一种适用于浅海水声信道的有效估计方法。     

基于虚拟时间反转镜的水声OFDM信道均衡

针对水声信道对正交频分复用(OFDM)系统带来的符号间干扰(ISI)问题,提出了虚拟时间反转镜(VTRM)信道均衡算法,该算法具有时间压缩特性和频域相位共轭特性,可以有效缩短信道长度,减小多途信道带来的相位畸变,采用匹配追踪(MP)算法估计信道冲激响应,可以精确的估计出水声信道的幅度、时延和相位信息,为虚拟时反信道均衡提供准确的信道信息,改进了传统匹配相关信道估计方法估计精度低、无法估计信道相位信息的缺点。仿真、水池和湖上实验结果表明,OFDM水声通信系统中,VTRM信道均衡技术性能优于被动时反镜(PTRM)信道均衡和最小平方(LS)信道均衡。     

一种抵抗水声信道多途干扰的新的盲均衡算法

由于在时变水声信道中会产生随机相位失真，CMA算法的误码性能严重下降。在双模式盲均衡算法的基础上，提出了一种适用于水声信道的新的盲均衡算法——NCMA算法。计算机仿真结果表明，在时变水声信道中，该算法性能优于双模式算法，能够达到对信号相位失真的恢复，并且收敛性能优于双模式算法。     

频选衰落MIMO信道的Turbo均衡

针对Turbo编码频选慢衰落MIMO信道,提出基于滑窗式概率数据辅助(Probabilistic Data Association)的软输出判决反馈均衡和软输入软输出Turbo信道解码器间迭代处理的Turbo均衡算法。充分利用已获得的信息,实现信道均衡与信道解码的迭代更新,克服传统判决反馈均衡器误差传播的缺陷。仿真表明,该系统经3次迭代就可获得较为满意的符号间干扰消除效果。     

基于叠加训练序列和低复杂度频域Turbo均衡的时变水声信道估计和均衡

针对时变水声信道估计和均衡问题,该文提出基于叠加训练序列(ST)和低复杂度频域Turbo均衡(LTE)的时变水声信道估计和均衡(ST-LTE)算法。基于叠加训练序列方案,将训练序列和符号线性叠加,使得训练序列和符号信道信息一致;基于最小二乘算法,进行信道估计。基于频域训练序列干扰消除技术,在频域消除训练序列对符号的干扰;基于频域线性最小均方误差(LMMSE)均衡算法,通过先验、后验、外均值和方差的计算,实现低复杂度信道均衡(符号估计);基于Turbo均衡算法,软重构叠加训练序列和更新信道估计,进行均衡器和译码器的信息交换,利用编码冗余信息,大幅度提升信道均衡性能。进行仿真、水池静态通信试验(通信频率12 kHz,带宽6 kHz,采样频率96 kHz,符号传输速率4.8 ksym/s,训练序列和符号的功率比为0.25:1)和胶州湾运动通信试验(通信频率12 kHz,带宽6 kHz,采样频率96 kHz,符号传输速率3 ksym/s,训练序列和符号的功率比为0.25:1),仿真和试验结果验证了所提算法的有效性。     

新的降低复杂度的Turbo均衡

Turbo均衡是一种通过反复均衡和信道译码来提高接收性能的迭代接收机算法。通常的Turbo均衡算法采用均衡与软输出译码的迭代运算，由于均衡和译码的重复计算，使得复杂度大大提高。文中提出了2种降低复杂度的Turbo均衡器：第一种采用软判决维特比译码，第二种采用软输入硬输出的维特比译码。通过仿真表明，这2种算法在几乎没有损失接收性能的情况下，大大降低了计算复杂度，并且第二种的性能要好于第一种。     

基于粒子滤波的Turbo盲均衡

粒子滤波是一种基于贝叶斯估计的算法,在信道盲辨识和盲均衡问题上具有快收敛、抗深衰信道等优势。Turbo盲均衡在低信噪比条件下有较好的误码性能。为了在深衰信道下使通信具有良好的误码性能,对粒子滤波盲均衡算法进行改进,改进算法的重要性采样函数利用了粒子的先验信息,得到一种软输入软输出的粒子滤波盲均衡算法。依据Turbo盲均衡的框架结构实现了一种基于粒子滤波的Turbo盲均衡算法,该算法利用信道编码带来的编码增益,提高了均衡和信道辨识的性能。仿真结果表明相比粒子滤波盲均衡算法本文提出算法的误码率性能提高1dB左右,误帧率性能则提高了3dB以上,经分析可知在信道系数估计较为准确的条件下,系统数据帧几乎没有误码。      

基于Turbo均衡和信道估计的单通道盲信号恢复算法

定时同步是单通道盲信号接收端处理的难点,提出了一种无需定时同步基于Turbo均衡的单通道盲信号恢复算法。该算法将定时同步偏差等效为符号间干扰（ISI,inter-symbol interference）信道,通过信道估计和Turbo均衡相互反馈软信息来改善源信号信息恢复性能。重点研究了初始盲均衡算法、信道估计算法、混合信号的MMSE均衡算法以及三者间的软信息交互。算法复杂度低、计算量小,适用于高阶调制信号。仿真结果表明,对BPSK、QPSK和8PSK信号,该算法都能得到较好的性能,且对等功率和不等功率信号同样适用。     

Low-Complexity Block Turbo Equalization for OFDM Systems in Time-Varying Channels

We propose low-complexity block turbo equalizers for orthogonal frequency-division multiplexing (OFDM) systems in time-varying channels. The presented work is based on a soft minimum mean-squared error (MMSE) block linear equalizer (BLE) that exploits the banded structure of the frequency-domain channel matrix, as well as a receiver window that enforces this banded structure. This equalization approach allows us to implement the proposed designs with a complexity that is only linear in the number of subcarriers. Three block turbo equalizers are discussed: two are based on a biased MMSE criterion, while the third is based on the unbiased MMSE criterion. Simulation results show that the proposed iterative MMSE BLE achieves a better bit error rate (BER) performance than a previously proposed iterative MMSE serial linear equalizer (SLE). The proposed equalization algorithms are also tested in the presence of channel estimation errors.      

Turbo Equalization with Prediction and Iterative Estimation of Time-Varying Frequency-Selective Channels

Turbo equalization that cooperates with channel prediction and iterative channel estimation is investigated for mobile wireless communications. Frames of information bits are encoded, interleaved, and mapped to symbols for transmission over time-varying frequency-selective fading channels. At the receiver, the Turbo equalizer consists of a maximum a posteriori probability equalizer/demapper and a soft-input soft-output maximum a posteriori probability decoder. With initial channel estimates and sparse pilot insertion across a number of frames, the receiver predicts the channel of the current frame. The effect of error propagation of channel prediction is mitigated by the de-interleaver that is embedded in the Turbo equalizer. The predicted and interpolated channel is refined through a channel estimator that uses the soft estimates of data symbols at each Turbo iteration. Due to the bandlimiting feature of channel variation, the channel estimation error can be smoothed by low-pass filters that follow the channel estimator. Simulation results show that incorporating Turbo equalization with channel prediction and iterative channel estimation can combat time- and frequency-selective fading and improve reception performance.