MIMO-OFDM系统中的子空间半盲信道估计

本文主要讨论了MIMO-OFDM系统中的一种半盲信道估计算法.该算法基于子空间分解技术,利用信号子空间和噪声子空间的正交性将两者分离.针对盲信道估计存在计算量大及收敛速度慢等缺点,本文充分利用少量的导频,给出了一种基于子空间跟踪技术的半盲MIMO-OFDM信道估计算法.仿真结果表明,该算法在保持盲信道估计算法性能的基础上,明显加快了收敛速度、降低了计算量.     

基于子空间的MIMO-OFDM盲信道估计

基于子空间的MIMO-OFDM盲信道估计算法传输效率较高,但是算法计算量较大且接收端需要较多的信号才能进行精确估计.本文将基于噪声子空间的跟踪算法应用到MIMO-OFDM系统进行信道估计,并且对接收信号进行重构,达到了降低算法复杂度的目的,并减少了对接收信号数量的需要.     

一种实用性强的MC-CDMA盲信道估计方法

基于子空间分解的MC-CDMA盲信道估计算法运算量大,实用性差.本文根据在MC-CDMA中信号子空间维数远小于噪声子空间维数的特点提出从信号子空间的角度进行MC-CDMA盲信道估计,并采用PASTd算法对信号子空间及其维数进行动态跟踪.本文还通过对子空间跟踪的结果进行正交化处理的方法,显著提高了盲信道估计的性能.本文的盲信道估计方法运算量低,实用性强,仿真结果表明其盲信道估计性能接近特征值分解法.     

基于噪声子空间跟踪的OFDM盲信道估计

基于子空间分解的OFDM信道估计算法利用信号子空间和噪声子空间的正交性可以对信道参数进行盲估计,但是子空间分解的运算量大,使盲信道估计算法的实用化受到限制。本文在噪声子空间自适应跟踪的基础上进行OFDM盲信道估计,显著降低了运算量。仿真结果表明,在适当选择学习因子后可以实现对噪声子空间的快速跟踪,在噪声子空间跟踪的基础上得到的信道估计性能接近于子空间分解法。     

基于SP-LCCMA的STBC MC-CDMA系统盲信道估计

研究了空时编码多载波码分多址系统（STBC MC—CDMA）盲信道估计技术。根据信道位于信号子空间的特点,提出基于信号子空间投影线性约束恒模算法（SP—LCCMA）的盲信道估计,避免了噪声子空间信道估计的缺点,将估计信道应用于STBC MC—CDMA系统多用户检测。仿真结果表明,提出算法的收敛速度和信干噪比（SINR）性能优于一般恒模算法。     

一种降低ADC资源的无数据辅助UWB信号接收机结构

为了在较少模数转换器（ADC）资源下,完成无数据辅助超宽带信号的较好接收,提出了一种基于压缩感知技术和盲信道波形估计的超宽带接收机结构。首先对接收的模拟信号进行随机映射并作低速率采样,接着利用基于最大似然准则的信号子空间压缩方法对基映射的信号进行盲信道波形估计,最后利用匹配跟踪算法解出原信道波形。计算机仿真表明,该方案能够在较少的ADC资源下,达到和传统高采样率接收机相近的性能。     

基于有限字符特性的空时OFDM系统决策反馈信道估计

该文提出了一种适用于空时编码正交频分复用(STC-OFDM)系统盲信道估计算法,利用信号的字符有限特性获取粗信道估计,进而利用映射星座先验知识,采用决策反馈方法得到信道精估计。充分利用了信号的先验知识,以较高的计算复杂度为代价,提高了盲信道估计精度,因此能较好地适用于具有慢时变频率选择性较强的信道,且子载波数不大的系统。与基于子空间盲信道估计算法比较验证了该算法性能。     

一种新的MIMO—OFDM系统的盲信道估计算法

深入分析了基于二阶统计特性的子空间盲信道估计算法,在分析得出MIMO—OFDM系统中的子空间盲信道估计方法不能用在发射天线数大于接收天线数这种情况下,引出了基于非冗余线性预编码的子空间盲估计算法。仿真结果表明,只要尸的取值合适,该算法就会有着很好的估计性能,并且通过分析发现,该算法的计算复杂度较小。     

改进的基于信号子空间的多通道语音增强算法

通过同时对角化麦克风阵列接收信号中语音信号和噪声信号的全局协方差矩阵,本文改进了一种基于信号子空间分解的多通道语音增强算法.该算法不依赖任何信号模型且无需对噪声信号的统计特性进行任何先验假定,它弥补了原始算法只限于白噪声背景下语音增强的不足,实现了色噪声背景下语音信号的最优估计.仿真结果表明本文算法在主观和客观测试中都具有良好的语音增强效果.     

一种新的基于子空间的盲信道估计方法

提出了一种新的基于子空间的盲信道估计方法。该方法利用时序反转空时分组编码，运用“虚拟接收天线”的方法进行盲信道估计，在一定程度上克服了传统的基于子空间的信道估计算法对MIMO系统中输入输出天线数目的要求限制。仿真结果证明了此方法有较好的信道估计性能。     

OFDM中基于子空间分解的半盲信道估计

针对OFDM系统中盲信道估计计算量大、收敛速度慢和估计精度低的缺点,以及传统信道估计方法的频带利用率低的缺陷,详细介绍了基于子空间分解的半盲信道估计方法。该方法利用接收信号的相关矩阵特性来估计信道,其是传输速率和收敛速度的折衷,通过Matlab软件仿真表明,此方法能较大地改善信道估计精度和降低系统的误差。仿真结果对信道估计问题的深入研究具有借鉴意义。     

A novel approach for DOA estimation in unknown correlated noise fields

The key of the subspace-based Direction Of Arrival （DOA） estimation lies in the estimation of signal subspace with high quality. In the case of uncorrelated signals while the signals are temporally correlated, a novel approach for the estimation of DOA in unknown correlated noise fields is proposed in this paper. The approach is based on the biorthogonality between a matrix and its Moore-Penrose pseudo inverse, and made no assumption on the spatial covariance matrix of the noise. The approach exploits the structural information of a set of spatio-temporal correlation matrices, and it can give a robust and precise estimation of signal subspace, so a precise estimation of DOA is obtained. Its performances are confirmed by computer simulation results.     

基于CP-GTD模型的三维散射中心参数估计

 散射中心是目标光学区电磁散射的基本特征,可反映目标精细物理结构.在建立精确描述目标高频电磁散射的三维CP-GTD模型的基础上,根据散射中心类型和位置参数的弱耦合性,提出基于三维ESPRIT方法估计目标全极化三维散射中心的位置,进而利用特征分析中信号子空间与噪声子空间的正交性和最小二乘方法,实现散射中心类型和相干极化散射矩阵的估计.与现有基于单极化观测模型的估计方法相比,所提方法不仅具有更好的估计性能与抗噪能力,而且能够直接估计出目标散射中心的相干散射矩阵,仿真实验验证了上述结论的正确性.     

一种新颖的DOA估计算法

子空间类波达方向(Direction Of Arrival, DOA)估计算法的关键在于得到高质量的信号子空间估计。该文利用矩阵伪逆的双正交性,针对源信号不相关而其本身是色信号的情况,给出了一种新颖的DOA估计算法,它不需要知道噪声统计特性。该算法利用一组空时相关矩阵的结构化信息,能稳健而精确地估计出信号子空间,从而得到DOA的精确估计。仿真实验证实了所给算法的有效性。     

Noise covariance incorporated MEG-MUSIC algorithm: a method formultiple-dipole estimation tolerant of the influence of background brainactivity

This paper proposes a method of localizing multiple current dipoles from spatio-temporal biomagnetic data. The method is based on the multiple signal classification (MUSIC) algorithm and is tolerant of the influence of background brain activity. In this method, the noise covariance matrix is estimated using a portion of the data that contains noise, but does not contain any signal information. Then, a modified noise subspace projector is formed using the generalized eigenvectors of the noise and measured-data covariance matrices. The MUSIC localizer is calculated using this noise subspace projector and the noise covariance matrix. The results from a computer simulation have verified the effectiveness of the method. The method was then applied to source estimation for auditory-evoked fields elicited by syllable speech sounds. The results strongly suggest the method's effectiveness in removing the influence of background activity     

Single-trial subspace-based approach for VEP extraction

A signal subspace approach for extracting visual evoked potentials (VEPs) from the background electroencephalogram (EEG) colored noise without the need for a prewhitening stage is proposed. Linear estimation of the clean signal is performed by minimizing signal distortion while maintaining the residual noise energy below some given threshold. The generalized eigendecomposition of the covariance matrices of a VEP signal and brain background EEG noise is used to transform them jointly to diagonal matrices. The generalized subspace is then decomposed into signal subspace and noise subspace. Enhancement is performed by nulling the components in the noise subspace and retaining the components in the signal subspace. The performance of the proposed algorithm is tested with simulated and real data, and compared with the recently proposed signal subspace techniques. With the simulated data, the algorithms are used to estimate the latencies of P(100), P(200), and P(300) of VEP signals corrupted by additive colored noise at different values of SNR. With the real data, the VEP signals are collected at Selayang Hospital, Kuala Lumpur, Malaysia, and the capability of the proposed algorithm in detecting the latency of P(100) is obtained and compared with other subspace techniques. The ensemble averaging technique is used as a baseline for this comparison. The results indicated significant improvement by the proposed technique in terms of better accuracy and less failure rate.     

自适应频率和二维波达方向角跟踪估计算法

运用特征子空间分析方法的关键问题在于信号或噪声子空间的估计,在实际中有些信号的统计特性通常是随时间变化的,这时需要随时根据新的阵列接收数据对信号或噪声子空间进行更新,以得到参数的实时估计值,在该文中建立了多维信号参量联合估计的3D Unitary ESPRIT算法,然后提出了基于球面平均 ULV分解的子空间跟踪算法,将子空间跟踪算法与多维信号多量联合估计算法相结合,得到多维时变信号参数的跟踪估计算法,仿真计算结果验证了该算法的有效性。