TD-SCDMA上行失步条件下一种改进的多用户检测算法

针对TD-SCDMA上行失步及强多址干扰的情况,设计了一种二级信道估计算法以及基于该信道估计算法的解相关干扰消除多用户检测算法。二级信道估计算法可以得到各接入用户主径的幅度以及时延,多用户检测算法根据信道估计的结果对接收数据进行解相关检测以及干扰消除。仿真结果表明,上行失步和强多址干扰情况下,该改进算法的误码率性能较传统的匹配滤波、联合检测以及解相关算法有较大的提升。     

一种基于协方差矩阵的MU-MIMO干扰消除算法研究

LTE-A(Long Term Evolution-Advanced)系统有高速率、低时延的需求。但是,系统中的干扰严重影响了终端接收信号质量,限制了系统性能的提升。对于小区间的同频干扰,重点研究了干扰消除性能较优的IRC(Interference Rejection Combining)算法。针对目前IRC算法的两种经典的协方差矩阵估计方案—基于数据信号和基于DM-RS参考信号的协方差矩阵估计方案的优点与不足,给出了一种基于样本点选取的协方差矩阵估计的改进方案。仿真结果表明,改进后的IRC算法较基于DM-RS参考信号的协方差矩阵估计的IRC算法有1 d B~2 d B的性能增益,因此更适用于受同频干扰比较严重的LTE-A系统中。     

一种改进的分数时延估计方法及应用

传统的分数时延估计算法对环境噪声和混响噪声比较敏感,在复杂的实际环境中,算法性能会严重下降。为进一步提高时延估计算法性能,提出一种基于广义互相关（Generalized cross correlation,GCC)改进算法的广义互相关 最大似然相位补偿（ GCC Maximum likelihood phase compensation,GCC MLP)分数延时估计算法。该算法改进了GCC频域加权函数,并将线性相位补偿应用于频域互相关谱,获得连续的分数时延估计值,进一步提高了分数时延估计的精确性。仿真结果表明,GCC MLP相位补偿分数时延估计算法增强了对环境噪声和混响噪声的鲁棒性,减小了时延估计误差,算法性能优于曲线拟合、Sinc插值等传统分数时延估计算法。     

声源定位中广义互相关时延估计算法的研究

基于时延估计（TDE）的声源定位算法是数字助听器中的核心算法之一,其估计精度会受到噪声和采样频率等因素的影响,导致了定位的不准确性。针对这一问题,结合相关峰精确插值算法（FICP）,提出了一种基于二次相关改进的广义互相关时延估计算法。该算法通过二次相关,有效地降低噪声的干扰,再利用FICP,提高相关函数的分辨率。仿真实验表明,无论在低信噪比,还是在高信噪比环境下,改进算法的时延估计性能都有了明显改善。     

基于麦克风阵列的GCC时延估计算法分析

准确的时延估计（Time Delay Estimation,TDE）是基于到达时间差（Time Difference of Arrival,TDOA）的声源定位技术的前提.在众多时延估计算法中,广义互相关（Generalized Cross Correlation,GCC）算法因其较低的运算复杂度和易于实现的特点得到了广泛的应用.针对不同的噪声情况,GCC时延估计算法利用不同的加权函数来抑制噪声干扰.本文在介绍麦克风阵列模型和GCC时延估计算法的基础上,针对GCC算法的弊端提出了一种改进算法,并在多种信噪比条件下,对部分加权函数的GCC时延估计算法进行了MATLAB仿真,通过比较其时延估计性能和声源定位精度,分析了这些加权函数各自的优劣性.     

利用二次相关改进的广义互相关时延估计算法

为了提高传统广义互相关时延估计算法的性能,本文将二次相关时延估计算法与广义互相关时延估计算法相结合,提出了一种利用二次相关改进广义互相关的时延估计新算法。该算法先对信号进行二次相关处理,利用相关函数抑制了噪声的干扰,然后在相关函数序列上进行权重处理,进一步提高了算法的抗噪声性能与估算精度。仿真实验证明新算法较广义互相关算法性能有了明显的提升,对闪电辐射源定位资料的分析也验证了该算法的有效性。     

基于二次相关的声学测量方法研究

针对传统语音信号时延估计易受噪声和混响环境影响,导致声学测量方法的测量精度降低的问题,提出一种基于改进二次互相关的时延估计方法。首先,采用滤波器对接收的音频信号进行滤波处理;然后通过二次相关算法抑制噪声对信号的干扰,并结合Hilbert变换方法对二次互相关峰值进行锐化处理,从而提升语音信号时延的峰值点检测精度;最后将改进的算法应用到声学测量中进行仿真验证。实验结果表明,在低信噪比SNR=-5 dB和SNR=-10 dB的环境下,对比于广义互相关算法和二次相关算法,提出的改进二次互相关算法的峰值明显度更高,时延估计精确度更高。而在高信噪比和混响环境下,改进二次相关算法的时延估计结果均优于另外两种算法。由此可知,改进的二次互相关算法的抗噪性能更强,时延估计效果更佳,可提升声学测量精度。     

基于改进二次相关算法的TDOA时延估计

在TDOA时延估计中,二次相关算法能够较好地抑制噪声干扰,进而提高时延估值精度.为了进一步提升在较强噪声干扰的条件下二次相关算法的抗噪性能,在传统二次相关算法中的互相关函数部分加入SCOT加权函数,提出了基于改进二次相关算法的TDOA时延估计.算法对接收到的信号分别进行自相关以及SCOT加权互相关,再将所得到的相关函数进行二次广义相关,通过检测相关函数的谱峰得到估算的时延值.实验仿真以及对实测数据的验证均表明,在低信噪比时改进算法较传统算法具有较高的估值精度.     

基于时差法的复杂转子系统声发射源定位算法

在复杂转子系统的碰摩声发射源定位中,常规的广义互相关时延估计算法难以得到准确的时延值,进而无法进行准确定位。针对这一问题,引入基于平滑相干变换(Smoothed Coherence Transform, SCOT)的双加权二次互相关时延估计算法,计算声发射源信号的到达时间差;再利用Hilbere差值法对相关峰值进行锐化,减小在碰摩过程中噪声的干扰,以获得较为精确的时延估计结果;最后使用得到的时延值进行声发射源定位。实验结果表明,与常规的广义互相关算法相比,该算法对复杂转子系统碰摩声发射源定位具有较高的定位精度。     

防干扰DFT信道估计算法

传统的DFT的信道估计算法只是把循环前缀以外的噪声忽略为0,其余都认为是有用的加性噪声,但是在循环前缀以内仍含有由于码间干扰(ICI)和信道干扰(ISI)带来的噪声以及其他的一些噪声干扰,严重影响了信道的估计值,本文在DFT算法之前首先消除了由ICI和ISI带来的干扰,再进行DFT的信道估计,最后在分别由禁忌算法和求导两种方法进一步消除循环前缀以内由于其他因素带来的噪声,这样大大增强了估计值的准确性,最后由matalb仿真结果可以看出,由于迭代算法和禁忌算法、求导方法的使用尽可能地消除了噪声的干扰,大大提高了信道的估计值,信道的误比特率和均方误差随着信噪比的增大越来越小,仿真结果证明改进的算法的性能优于传统的DFT算法,求导法性能略微优于禁忌算法。     

基于非空时隙数的无线射频识别标签估算算法

针对无线射频识别(RFID)系统中现有标签估计算法估计时间长、误差大的问题,提出了一种基于非空时隙数的标签估算方法。首先,分析了动态帧时隙ALOHA(DFSA)算法的系统模型,指出标签估算的必要性;其次,对当前存在的一些标签估计算法进行了研究,列举其存在的不足;再次,通过在不同帧长条件下对非空时隙平均数与待识别标签数的关系进行研究,得出两者之间存在着的不依赖于帧长的归一化曲线并将其运用于标签估计。而且通过引入精度需求,运用概率分析理论和折半查找的方法来确定不同标签总数下的轮询次数K;最后,对所提标签估计算法进行仿真,从估算精度和估算时间两个方面与现有的标签估算算法作了性能对比分析。仿真结果表明,该算法最大估计误差仅为1%,在帧长为128、标签数为400的情况下,相比Adaptive Slotted ALOHA Protocol(ASAP)、Fast Zero Estimation(FZE)、最大后验概率(MAP)估计算法,其误差率分别减少了66.7%、78.3%和72.2%;此外在识别相同数目标签的情况下,所提算法耗费的估计时间也明显少于上述3种算法。由此可见,基于非空时隙数的标签估算算法具有较高的估算精度和估算效率,能够对RFID系统中的待识别标签进行快速准确的识别。     

实值化的修正传播算子测向算法

针对修正传播算子测向算法运算量大的问题,提出了实值化的修正传播算子算法。本算法利用酉变换将修正的传播算子变换成实矩阵,通过实值化的谱峰搜索取得了降低运算量的效果,并且保持了与修正传播算子算法一致的测向性能。最后,通过仿真比较了实值化的修正传播算子算法、修正传播算子算法、传播算子算法及多重信号分类算法的性能,验证了本算法在运算量和测向性能方面的优越性。     

基于快速傅里叶变换的正弦信号频率高精度估计算法

为了进一步提高加性高斯白噪声背景中正弦信号的频率估计精度,提出了一种新的基于插值快速傅里叶变换(FFT)的正弦信号频率估计算法.首先,对N点正弦采样序列进行等长度时域补零延长,再进行 2N 点FFT; 然后, 搜索幅度最大离散谱线位置得到频率粗估计值; 最后, 采用幅度最大谱线以及原信号的离散时间傅里叶变换(DTFT)在幅度最大谱线左右两侧的两点抽样值进行精估计.仿真结果表明,当信号实际频率位于FFT两条离散谱线之间任意位置时,所提算法的频率估计均方根误差均接近克拉美罗下限,具有较好的一致性,估计精度高于Candan算法、Fang算法、三谱线合理结合(RCTSL)算法和Aboutanios算法, 且信噪比阈值较低,估计性能优于现有频率估计算法.     

基于小波去噪与离散余弦变换相结合的正交频分复用系统信道估计算法

针对传统的基于离散余弦变换(DCT)信道估计算法没有处理循环前缀之内噪声的问题,提出了一种基于小波去噪与DCT插值相结合的正交频分复用(OFDM)系统信道估计方法。首先,采用最小二乘(LS)法对接收到的导频信号进行信道初步估计;然后,对LS法估计出的结果进行离散小波阈值去噪处理;最后,利用DCT插值对循环前缀内的噪声再次处理,以进一步减小噪声的影响。在Matlab 2012平台上仿真,与传统的基于DCT信道估计算法相比较,误码率相同的条件下,所提算法的信噪比(SNR)性能提升了1 dB左右;均方误差相同的条件下,所提算法的SNR性能提升2 dB左右。仿真实验结果表明,该算法能够较好地减小加性高斯白噪声(AWGN)的影响,并有效提高信道估计的准确度,其总体性能较基于DCT的信道估计算法更优。     

MIMO-OFDM系统中基于小波包的信道估计方法

对多输入多输出-正交频分复用(MIMO-OFDM)系统中基于导频辅助的最小二乘(LS)信道估计算法进行研究,针对LS算法对噪声影响比较敏感的缺点,提出了一种基于小波包去噪的信道估计方法,对导频符号的信道响应进行去噪处理后,再做内插估计.根据该方法的思想,基于长期演进(LTE)协议进行计算机仿真与分析,结果表明该方法比传统的LS估计算法具有更好的性能,能够有效减小信道噪声的影响,提高信道估计精度.     

基于粗精二次估计的RFID标签数目估算方法

为了解决航空物联网信息采集领域RFID标签估算方法存在的估算精度和运算量之间的矛盾,以及标签读取过程随机性所导致的估算方法性能不稳定的问题,结合粗估计的快速、精估计的准确和二次估计算法性能的稳定性,提出一种基于粗精二次估计的RFID标签数目估算方法。首先,对帧时隙ALOHA算法标签读取过程进行建模,分析得出碰撞时隙中的平均标签数目和碰撞时隙所占比例之间的数学模型;然后,基于上述数学模型进行标签数目粗估计,评估粗估计值是否需要进行二次精估计。在二次精估计中,将粗估计值作为先验知识,采用基于先验知识的最大后验概率（MAP）估计算法提高估算准确度,相比原始后验概率估计算法的搜索范围可减少90%。仿真实验表明,基于粗精估计的RFID标签数目估算平均误差为3.8%,估算方法性能稳定性显著提高,运算量大幅下降,可有效地应用于航空物联网信息采集过程。     

基于蚁群算法的IP网络流量矩阵估计

针对IP网络流量矩阵(TM)估计的高度病态性,导致很难精确估计网络流量矩阵,因此提出了一种基于蚁群优化(ACO)算法的IP网络流量矩阵估计方法。通过适当的建模,将流量矩阵估计问题转化为最优化问题,再通过蚁群算法求解模型,有效解决了网络流量矩阵估计。通过测试结果分析,与现存的方法相比,所提算法的精度比最大熵和二次规划稍差,但这两种方法复杂度太高,不适用于大规模网络,因此,在网络规模较大的情况下,算法是较优的,可提高流量矩阵估计的精度。     

RIS辅助毫米波系统中基于压缩感知的信道估计

针对可重构智能超表面（RIS）辅助无线通信系统中使用传统信道估计方法导频开销过高的问题,提出了一种基于块稀疏的正交匹配追踪（OMP）信道估计方案。首先,根据毫米波（mmWave）信道模型推导出级联信道矩阵,并将其转换到虚拟角域（VAD）中以获得级联信道的稀疏表示;其次,利用级联信道特有的稀疏特性将信道估计问题转换成稀疏矩阵恢复问题,并使用压缩感知的重构算法进行稀疏矩阵的恢复;最后,通过分析特殊的行-块稀疏结构,对传统的OMP方案进行优化,从而进一步减少导频开销并提升估计性能。仿真结果表明,与传统的OMP方案相比,所提出的基于行-块稀疏结构的优化OMP方案的归一化均方误差（NMSE）减小了大约1 dB。可见,所提出的信道估计方案能够有效减少导频开销并获得更好的估计性能。     

基于非线性卡尔曼平滑的GPS定位估计方法

在GPS单机定位中,通常采用卡尔曼滤波作为位置状态解算的方法.文中提出一种将非线性平滑技术用于GPS定位估计的方法,该方法可用于单机GPS接收机的定位解算,在非线性滤波的基础上进一步提高定位精度.提出一种随接收卫星数量而实时改变测量参数的动态测量模型,根据GPS的伪距、多普勒频移和导航信息等原始数据进行定位模型的解析,运用新型的平淡卡尔曼平滑算法求解该动态模型.GPS定位实验结果表明,与通用的最小二乘迭代法和非线性滤波等方法获得的结果相比,所提出的方法能获得更高的定位精度.     

新的基于粒子群优化的正交频分复用系统盲频偏估计算法

针对正交频分复用(OFDM)系统频偏估计问题,提出了一种基于粒子群优化(PSO)的盲频偏估计算法。首先,根据频偏估值重建的接收信号和实际接收到的信号误差最小原则构造了盲频偏估计的数学模型,并推导出了代价函数;然后,利用粒子群优化算法强大的随机并行全局搜索能力,通过最小化代价函数估计频偏。仿真比较了常系数、微分递减两种惯性权重策略PSO算法的频偏估计性能,并与最小输出方差、黄金分割盲频偏估计算法进行了比较分析。仿真结果表明,所提算法精度高,同一信噪比下较同类算法大约有一个数量级的提升,且不受调制类型和频偏估计范围(-0.5,0.5)的限制。