时变信道下CPM信号自适应盲均衡算法

针对时变频率选择性衰落信道下二阶连续相位调制 (CPM) 信号盲均衡中存在的均衡性能较差问题,提出了一种新的自适应盲均衡算法。该算法使用双向自适应软输入软输出(SISO)方法,同时利用过去、现在和将来的观察数据符号来进行递归最小二乘(RLS)估计,有效改善了信道估计的精度。仿真结果表明所提算法具有良好的盲均衡性能。     

OFDM系统信道估计性能分析

介绍了OFDM系统中的信道估计技术,着重分析了基于导频插入的信道估计方法,叙述了基于最小二乘(LS)和线性最小均方误差(LMMSE)的信道估计方法,应用简化的LMMSE即SVD-LMMSE方法和卡尔曼滤波方法对信道进行估计,采用广义平稳非相关散射下的多径时变瑞利信道模型,对各个算法进行了仿真试验,得出不同算法下信道估计的误比特曲线,比较了各个算法的性能。仿真结果表明:基于MMSE准则的信道估计比基于LS准则的估计有更好的性能,但前者复杂度较高。     

基于变分贝叶斯推断的半盲信道估计

现有MIMO中继通信系统中,基于张量分解的半盲信道估计不能有效地将信道先验信息引入估计过程中,为此提出一种基于变分贝叶斯推断的信道估计算法.该算法首先利用NP(Nested PARAFAC)张量模型,引入有效精度、噪声精度等隐性超参数,建立信道估计概率图模型;由于所求信道参数后验概率分布较为复杂,传统最大似然和最大后验等点估计方法难以实现,算法采用变分贝叶斯推断,推导出信道矩阵、有效精度及噪声精度的递推公式,使具有因子分解形式的q分布逼近所求信道参数的后验分布;并分析了模型证据的下界、模型的初始化及算法复杂度等.该算法能利用信道先验信息以提高信道估计性能,有效精度和噪声精度等参数可自动调节,且计算复杂度与数据的维度呈线性关系.仿真结果表明:在平稳瑞利衰落信道条件下,与基于交替最小二乘(Alternating Least Square,ALS)的半盲估计算法相比,算法的计算复杂度较低,收敛速度较快;与带监督序列的双线性最小二乘(Bilinear Alternating Least Square,BALS)非盲估计算法,基于ALS及非线性最小二乘(Nolinear Least Square,NLS)的半盲估计算法相比,算法具有较高的估计精度.     

快变信道环境下的MIMO OFDM系统信道估计算法

为了实现对快变信道环境下的多输入多输出正交频分复用(MIMO OFDM)系统信道估计,提出了一种基于多项式的基扩展模型(BEM),并联合迭代判决反馈并行干扰抵消(PIC)检测的信道估计算法.利用BEM将信道估计转化为对少量模型参数估计的特性,并结合PIC检测算法,以达到精确信道估计和消除载波间干扰的目的.仿真结果表明,该算法与传统最小二乘、线性最小均方误差信道估计算法相比,在误码率约为10-3时,信噪比增益为5dB左右.此外,新算法不需要知道信道的时域统计特性,且采用了移相正交导频设计,在一定程度上降低了信道估计的复杂度.     

IEEE 802.16无线信道快速突发均衡的实现

针对IEEE 802.16无线信道进行了仿真,提出了一种工作于该信道的16QAM突发模式的快速均衡器算法,该算法采用Neuman-Hoffman序列的扩展序列进行信道快速估计,及用均衡器系数预加载算法以提高收敛速度,仿真结果证明:算法收敛速度优于递归最小二乘算法。     

低信噪比下的浅海水声稀疏信道估计

研究了浅海水声稀疏信道的估计方法,并在此基础上提出了一种应用于低信噪比且相邻路径最小时延差小于经典匹配跟踪算法可以分辨情况下的信道估计算法。所提出的信道估计算法基于最小二乘准则,利用浅海水声信道的稀疏特性,同时结合匹配跟踪算法,将信道脉冲响应函数的l1范数作为代价函数,并将其转化为凸优化问题进行求解。仿真实验验证了提出方法的有效性。     

一种用于实际OFDM系统的RLS自适应信道估计算法

对OFDM信道估计中的信道冲激响应(CIR)泄漏问题进行了分析,提出了一种新的时域一维递归最小二乘(RLS)自适应信道估计算法。RLS滤波器的输入和参考信号被一个独立于信道统计特性的矩阵加权,降低了CIR泄漏的影响。该算法保持了一维RLS算法低复杂度的特点,运算量远小于二维RLS算法。仿真结果证明,在非整数采样多径衰落信道下该算法极大提高了一维RLS信道估计的MSE性能,使其逼近于二维RLS算法。     

MIMO-OFDM系统的联合估计检测算法

针对最大似然检测算法复杂度高,最小二乘信道估计性能较差等缺陷,提出了一种SAGE-IGQS联合估计检测算法,该算法使用LS算法进行信道初始化,采用SAGE算法进行信道迭代估计,并结合改进的Grover量子搜索算法进行信号检测,从而提高了系统的有效性。理论研究和仿真结果表明:该算法在降低系统复杂度的情况下,误比特率性能优于传统的联合检测算法,与理想信道估计下的最大似然检测算法相接近。     

自适应OFDM系统中基于LS估计的信道预测算法分析

信道预测技术可以为自适应系统提供准确及时的信道状态信息.针对现有的信道预测算法都是假设已知当前及以前的信道信息来预测未来的信道状态信息而忽略信道估计的影响,提出了一种基于LS信道估计的时变多径信道的时域预测方法.该方法采用自适应OFDM系统模型,以当前接收的导频符号序列为观测值进行LS信道估计得到信道的频域值,然后通过IDFT变换到时域,结合AR模型来预测未来信道衰落系数.仿真结果表明,与传统的频域预测算法相比,该算法有效地降低了最小均方误差,能很好地满足自适应OFDM系统中时变多径信道的要求.     

基于可变抽头长度的IEEE 802.11n信道估计方法

为了提高在不同信道冲激响应长度下无线局域网传输性能,提出一类基于可变抽头长度的MIMO OFDM信道估计方法.该类方法利用训练序列对信道进行估计,动态调整抽头长度及位置,基于最小二乘原理完成一个较大点数的信道估计,估计噪声功率并确定噪声门限.根据IEEE 802.11n无线局域网信道模型中多群集效应,使用消去策略确定需要的抽头长度,在满足门限后对系统进行抽头长度更新后的最小二乘估计.分析及仿真结果表明,该类方法与传统MIMO OFDM信道估计方法相比,节省了系统资源,估计性能有显著提高,尤其适用于较高信噪比及较大星座图调制的MIMO OFDM系统.     

空时分组编码MIMO-OFDM系统的两步信道估计方法

为了提高基于空时分组编码MIMO-OFDM系统信道估计算法的性能,提出了一种适用于空时分组编码MIMO-OFDM系统的两步信道估计方法。首先,运用最小均方误差估计算法对导频信道进行初始信道参数估计;然后,通过已得到的初始信道参数,运用本文提出的估计算法来获得更精确的后续信道参数,从而进一步提高信道估计的精度。仿真结果表明:与MMSE估计算法和ML估计算法相比,本文提出的算法具有较低的复杂度,且有效地减小了信道估计的误差。     

基于改进PLS和PLS_ZP算法的卫星移动通信信道估计

针对传统最小平方(least square,LS)算法和基于离散傅里叶变换(discrete Fourier transform,DFT)的信道估计算法不能有效提高宽带卫星移动信道的传输性能这一问题,提出改进的基于功率判决的LS估计算法(简称PLS)和PLS补零插值算法(简称PLS_ZP).PLS算法在基于DFT估计算法的基础上,利用宽带卫星移动信道的衰落特性,通过对有效抽头数的限制设定功率阈值,抑制有效抽头外的噪声;PLS_ZP算法利用时域补零等效频域内插的原理对原频域插值算法进行改进,充分利用所有已估计导频信息.理论分析和仿真结果表明,与传统信道估计算法相比,PLS和PLS_ZP算法的信道估计均方误差(mean square error,MSE)和误比特率(bit error rate,BER)均有一定程度的提升,且算法复杂度较低,易于硬件实现.     

基于DFT的MC-CDMA系统信道估计算法

基于导频辅助的最小平方(LS)算法是MC-CDMA中常用的信道估计算法,它运算量低,实现简单,但信道估计精度差。该文讨论了MC-CDMA的导频插入方式,提出一种基于离散傅里叶变换(DFT)的信道估计算法。该算法将LS信道估计循环前缀长度外的时域响应值置零,并设定阈值忽略循环长度内的噪声和无效径响应。该算法保留了LS算法运算量小和实现简单的优点,大大降低了噪声对信道估计精度的影响,仿真结果验证了算法的有效性。     

OFDM系统中的一种高精度的信道估计算法

在基于OFDM的移动通信系统中，提出一种建立在基于导频的最小二乘（least squares，LS）估计方法基础之上的高精度信道估计方法。该算法首先利用信道时域相关特性，对通过LS算法得到的信道时域冲激响应（Channel Impulse Response, CIR）估计值进行有效径提取，并将所得到的时域估计值变换到频域。然后利用信道频域相关特性，用线性最小均方误差(Linear Minimum Mean Squared Error，LMMSE)合并器对估计结果进行修正。2.4GHz频段上的仿真表明了这种基于导频的信道估计方法能够跟踪信道的时频变化，并且在一定程度上可以接近于理想信道估计的误码率性能。     

基于分散型导频的MB OFDM UWB稀疏信道估计

针对多频带-正交频分复用（MB-OFDM） UWB系统,提出一种基于分散导频的UWB信道估计算法.该算法采用分散型导频,避免了频域内插,可以实时对信道进行估计.然后利用UWB信道的稀疏簇特性和傅立叶变换,在时域和频域连续对信道参数进行修正,有效地改善了低信噪比时的性能.仿真结果表明,在信噪比SNR=12时,新算法的误比特率比经典的内插LS算法约有3.5dB的改善.     

一种新的MIMO-OFDM自适应信道估计算法

基于经典的多输入多输出 正交频分复用(MIMO－OFDM)系统离散傅里叶变换(DFT)信道估计方案,提出了一种新的自适应信道参数估计算法,该算法能在一个OFDM导频符号内准确地估计出信道冲激响应、多径时延和噪声方差. 首先通过DFT信道估计得到初步估计值;然后提出了联合估计算法估计出各个接收天线上的噪声方差和多径时延,利用多径时延估计值提取信道初步估计中多径点上的信息,有效去除非多径采样点上的噪声. 仿真和分析表明,相比传统固定多径数目的估计算法,该算法能自适应地跟踪信道噪声能量和多径时延的变化,提高信道估计的精度.     

基于叠加训练序列的稀疏信道参数估计

针对稀疏多径的频率选择性块传输信道,提出了基于叠加训练序列的新信道估计方法,在不占用额外信号带宽的情况下估计信道参数.利用叠加训练序列得到时域信道冲激响应的LS解,根据广义Akaike信息论准则得到信道的长度和具体多径的时延值,然后将时域信道冲激响应中非多径点的值置零,降低加性白噪声对信道估计的影响,提高信道估计的精度.通过仿真,在稀疏多径信道的条件下,与纯粹的叠加训练序列的信道估计方法相比,该方法较大程度地降低信道的估计误差,提高系统性能.     

OFDM系统基于自适应滤波的LS信道估计

针对传统LS信道估计的性能受噪声影响较大的问题,提出一种基于自适应滤波的LS估计算法。该算法在时域采用不同宽度的滑动窗口,对信道能量集中区域的LS估计结果进行自适应滤波。通过仿真分析,将基于自适应滤波的LS算法与LS估计算法、MMSE估计算法在误符号率(SER)方面的性能进行比较,可以发现,基于自适应滤波的LS的信道估计算法是一种高精度、低复杂度的估计算法。     

水声稀疏信道估计与大范围白适应平滑预测研究

研究了对水声稀疏信道的估计与预测．基于水声稀疏信道模型提出了信道重要权系数检测迭代估计算法来对信道的时域冲激响应进行估计,该算法无需预先知道信道多径数,同时可有效利用预估的信道多径数下限减少计算量;基于线性自回归模型提出了大范围自适应平滑预测算法来对水声信道进行预测,无需估计复杂的水声信道二阶统计特性,通过降低信道采样速率和局部平滑以进一步降低预测误差．文中算法比最小二乘（LeastSquares,LS）算法和匹配追踪（MatchingPursuit,MP）算法性能更为优越;当通信距离较短时,信道预测误差在10^2内．本文算法能够对水声稀疏信道进行有效估计和预测,可为水声通信中的自适应技术提供依据．     

Novel Channel Estimation Method in Broadband MIMO-OFDM Systems

A least square （IS） parametric channel estimation method in broadband mt/ltiple input multiple output （MIMO） orthogonal frequency division multiplexing （OFDM） systems is proposed. The mean square error （MSE） performance using optimal training pilots is also given, which proves the method can improve the estimation precision greatly in sparse channel.. Since such method needs the multi-path time delays information of the channel, the probabilistic data association （PDA） method is employed to estimate the time delay of each path. Simulation results show that both the bit error rate （BER） and the MSE performance of the proposed method are better than the traditional LS channel estimation method.