改进的FBMC系统高效前导信道估计算法

针对传统的干扰近似利用(IAM)算法导频开销过大或计算复杂度高和导频对(POP)算法抵抗噪声能力差等问题,论文提出了两种新的导频结构算法。第一种导频结构为新IAM导频结构,将导频一侧的数据取相反数作为辅助导频放置在导频另一侧,从而减少了一列导频符号开销。第二种导频结构为新POP导频结构,在导频对中引入虚数来增加等效导频功率,从而提高信道估计性能。并且论文从理论上分析了两种新导频结构算法的性能。仿真表明,新导频IAM算法在保持其传统信道估计性能时,减少了1/3导频开销,提高了数据传输效率,同时新导频POP算法比起传统的POP算法能够取得很好的信道估计性能。     

基于梯度追踪的MIMO-OFDM稀疏信道估计算法

现有的压缩感知MIMO-OFDM信道估计方法多采用正交匹配追踪算法及其改进的算法。针对该类算法重构大规模的数据存在计算复杂度高、存储量大等问题,提出了基于梯度追踪算法的MIMO-OFDM 稀疏信道估计方法。梯度追踪算法采用最速下降法对目标函数解最优解,即每步迭代时计算目标函数的搜索方向和搜索步长,并以此选择原子得到每次迭代重构值的最优解。本文使用梯度追踪算法对信道进行估计,并与传统的最小二乘估计算法、正交匹配追踪算法的性能和计算复杂度进行比较。仿真结果表明,梯度追踪算法能够保证较好的估计效果,减少了导频开销,降低了运算复杂度,提高了重构效率。     

一种适用于OFDM—UWB系统的低复杂度信道估计器

提出一种新的虚拟导频辅助信道估计(PPACE)算法,可适用于多带正交频分复用超宽带系统(MB-OFDM UWB),该方法具有低的实现复杂度,且能有效地抵抗多径信道带来的符号间干扰.在不知道信道和噪声的统计信息的情况下,基于离散傅立叶变换(DFT)的信道估计方法通常被用来提高最小二乘(LS)算法的性能.但由于基于DFT的信道估计器中需要使用额外的FFT/TFFT对,这会带来较高的计算复杂度以及相应的较大的面积和功耗.本文作者提出的PPACE算法仅使用了32点的DFT,大大降低了实现复杂度.仿真结果表明,低复杂度的PPACE算法要优于传统的基于DFT的算法,甚至优于线性最小均方差(LMMSE)方法,另外,本文作者根据UWB信道模型的参数提出了一种通用加窗技术,该技术能提高基于DFT的信道估计算法的均方误差(MSE)性能.     

基于多普勒辅助迭代的高速OFDM系统信道估计方法

在高速移动环境下,衰落信道的快时变性破坏OFDM子载波间的正交性并产生严重的载波间干扰,由此提出一种多普勒辅助迭代的信道估计方法。该方法在OFDM符号的适当位置插入导频符号,通过最小均方法迭代估计获得导频位置的信道信息,再由加权的时域插值获得数据符号位置的信道信息。插值加权系数与多普勒频移相关,由接收端的移动速度计算得出。在导频信道信息的迭代估计过程中,将检测到的数据符号作为新的导频信息反馈到导频信道估计模块进行迭代估计。仿真分析表明:在接收机移动速度达到300km/h时,该方法的性能稳定,不受多普勒频移影响,可以给出精确度逼近最佳信道条件下的信道估计结果。     

基于前导干扰消除的FBMC系统加权信道估计算法

针对FBMC系统信道估计时存在虚部干扰问题,提出一种新的信道估计算法。首先,该算法采用了基于虚部干扰消除的新导频结构;然后,利用两列导频分别作粗信道估计;最后,对粗信道估计采用加权方式进行精信道估计,进一步提高信道估计性能。仿真结果表明,与传统虚部干扰消除算法（IIE）相比,新导频结构算法在误码率为1%时,可获得1~2 dB的性能提升。     

OFDM移动接收中的迭代干扰消除

针对正交频分复用系统在高速移动接收中存在快变衰落信道难以估计、子载波间干扰(ICI)过大的问题,提出基于迭代结构的信道估计算法和ICI消除算法。利用信道解码器输出判决信息,通过离散傅里叶变换实现信道估计,并对时变信道进行线性近似,以较低的计算复杂度消除子载波间的干扰。仿真结果表明,该方法可以对抗10%~15%的归一化多普勒频移。     

基于压缩感知的稀疏信道估计方法

针对OFDM系统中传统最小二乘(LS)信道估计方法需要大量导频估计精度却不高的问题,提出基于压缩采样匹配追踪(CoSaMP)的压缩感知信道估计新方法.利用发送信号,接收信号和信道的频城关系建立基于压缩感知的数学模型,再采用CoSaMP算法对信道进行重构.仿真结果表明,与LS算法相比,基于CoSaMP的压缩信道估计方法能利用少量的导频信号达到与之相比拟的信道估计性能,提高了频谱利用率;与现有压缩感知信道估计算法(基追踪(BP)与正交匹配追踪(OMP)相比,在使用相同导频数目条件下,具有更好的信道估计性能和更低的计算复杂度.     

用于大规模MIMO系统的SAGE迭代信道估计算法

针对基于导频污染的大规模多输入多输出系统,提出一种空间交替广义期望最大化(SAGE)迭代的信道估计算法。将发送和接收的导频符号形成完备的数据空间集,利用基于导频的最小均方误差估计器初始化信道参数,通过导频符号和软信息迭代改进并更新初始估计数据。实验结果表明,该算法通过一次SAGE迭代即可实现精度收敛,且在高信噪比及导频污染的情况下相比基于导频的估计器具有更高的估计精度及频谱效率。     

地空信道下基于OFDM/OQAM系统的信道估计研究*

针对地空信道时变快,正交频分复用/偏移正交幅度调制(OFDM/OQAM)系统存在固有干扰的问题,提出一种信道估计算法。该信道估计算法包含一种新型的梳状导频结构和一种改进的线性插值算法。提出的新型梳状导频通过将导频周围数据置零来消除系统的固有干扰和减小子载波间干扰对信道估计的影响,且导频分布在整个时间轴上,因而可以较好的跟踪信道状态;改进的线性插值算法通过在时域插零,来减小信道噪声和系统干扰对信道估计的影响。仿真结果表明,提出的梳状导频相比于传统梳状导频具有较好的优势,可有效提高系统的抗误码性能;改进的线性插值算法相比于传统插值算法可有效提高系统的可靠性。     

双衰落信道下OFDM信噪比估计算法

基于最小均方误差方法,在双衰落信道下,提出利用周期PN序列作为导频的信噪比(SNR)估计算法。在导频2侧插入保护间隔降低子载波间干扰对导频的影响,在时域进行相关运算消除噪声干扰,从而得到较精确的信道参数。仿真结果表明,该算法能较准确估计SNR,且可通过改变周期PN序列满足不同信道环境下的性能要求。     

OFDM/OQAM系统中的干扰近似导频搜索算法

非合作通信背景下,针对利用干扰近似法（Interference Approximate Method,IAM）进行OFDM/OQAM系统信道估计需要导频序列位置作为先验信息的问题,提出一种IAM导频搜索算法。IAM导频符号前后时隙为全0符号,经过OFDM/OQAM虚部干扰和信道衰落后导频前后时隙符号相位相同,利用此特征可以判定IAM导频符号位置。仿真实验表明导频符号值较大,多载波符号较少时,搜索算法在低信噪比条件下具有较高的搜索正确率。     

MIMO-OFDM系统空间相关性迭代信道估计算法

针对受到噪声干扰及多普勒效应等因素影响的多输入多输出（Multi-Input Multi-Output,MIMO）正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）无线系统信道估计问题,提出了一种有效的空间相关性迭代信道估计算法（SCICE）。SCICE利用同步符号与协议数据单元中的前置训练序列和中置训练序列,对信道的空间相关性进行估计,数据信息根据该信道相关性信息得到初始的信道估计值,接收端根据信道估计值进行数据符号检测,并将这些信息作为已知信息,以迭代的方式逐渐减小因空间相关性导致的信道估计误差,进而提高信道估计的准确性。与现有迭代信道估计算法的性能比较表明了提出的SCICE算法在瑞利衰落信道以及不同调制方式下具有更好的信道估计均方差与误码率性能。     

井下OFDM信道估计算法研究

针对煤矿井下信道情况复杂,多径效应会带来噪声增加和误码率上升等问题,建立了煤矿井下正交频分复用系统模型,研究了井下正交频分复用信道最小平方、最小均方误差估计算法;在矩形导频分配方案的基础上,提出了在时域利用曲线拟合方法实现数据符号处信道系数的估计算法。该算法与插值算法相比,对导频符号处信道系数的准确性要求不高,只要求所构造的函数尽可能接近真实值。仿真结果表明,提出的拟合估计算法和最小均方误差估计算法相比,在估计性能没有太大变化的前提下,大大降低了实现复杂度。仿真结果和理论分析基本一致。     

基于MLS的NB-IoT系统下行信道估计算法

窄带物联网(NB-IoT)是3GPP针对低功耗、广覆盖类业务定义的新一代蜂窝物联网技术,是实现万物互联的重要技术之一,而信道估计则是NB-IoT终端能否准确恢复发射信号的基础。通过对NB-IoT中基于导频的下行信道估计算法进行研究,提出基于移动最小二乘法(MLS)的信道插值估计算法。在发射端插入导频信号,根据接收端的信号计算导频点信道参数,并引入紧支的概念,利用附近子域对导频点的影响权重估计信道参数。仿真结果表明,与线性插值和二次插值算法相比,采用该算法进行信道估计系统误码率较低,并且算法的计算复杂度也未显著增加。     

基于压缩感知的高阶MIMO系统信道估值算法

针对通信网络中的天线数量巨大，很难完成对信道的有效计算与估值。借助于高阶多输入多输出（MIMO）系统的可靠性，提出了一种基于压缩感知的信道估值高阶MIMO系统。设计了一种简单的导频结构，以降低计算复杂度；利用导频序列长度可以随着信道稀疏度变化情况自适应的调整，从而节省了导频资源的开销。仿真实验表明，与传统的信道估计算法比较，在相同的信道估计精度条件下，HMCE-CS算法可以降低平均导频序列长度；或者在相同的导频序列长度条件下，HMCE-CS算法可以提高信道估计精度，验证了该算法的有效性。     

基于压缩感知的MIMO-OFDM信道估计中的导频设计方案

多输入多输出-正交频分复用(Multiple input multiple output-orthogonal frequency division multiplexing,MIMO-OFDM)系统作为MIMO系统和OFDM系统的结合,具有很高的频带利用率并能有效地对抗无线信道的多径效应。本文研究了MIMO-OFDM系统稀疏信道估计及其导频优化,将信道估计问题转化为压缩感知(Compressed sensing,CS)理论中的稀疏信号重建问题,将最小化测量矩阵的互相关作为导频优化的目标。结合已有的随机序贯搜索(Stochastic sequential search,SSS)和扩展算法2(Extension scheme 2,ES2)算法以及导频移位机制,提出了一种快速的导频优化算法随机搜索移位算法(Stochastic sequential search-shift mechanism,SSS-SM)。此算法的运算复杂度远低于已有的ES2算法,运算时间不受发射天线数影响。将SSS-SM算法和ES2算法分别获得的导频设计结果应用于MIMO-OFDM系统的信道估计,仿真结果表明,采用SSS-SM算法可以更低的算法复杂度获得与ES2算法相同的信道估计性能;高信噪比情况下,SSS-SM算法对应的均方误差(Mean square error,MSE)比ES2平均低约3~5 dB,因此这种方法在高信噪比下更有优势。     

正交频分复用通信系统中的快变信道估计

信道的快速变化导致正交频分复用通信系统(OFDM)载波间的正交性遭到破坏,从而产生载波间的相互干扰(ICI),传统的信道估计方法(不可虑ICI影响)不再适用。为此,Choi等人提出了相应的快变信道估计方法,但该方法计算量较大,且需要信道的统计特性知识,而实际信道的统计特性往往无法精确得到。Linartz等人证明:在大多数应用条件下,信道在一个OFDM帧周期内的变化近似满足线性特性。对OFDM系统的ICI特性进行了时域和频域两方面分析,并利用信道变化的线性特性,提出了一种新的快变信道估计方法,该方法具有计算量小、且不需要信道的统计特性信息的优点。文章还得到如下结论:与慢变信道情形不同,在信道快速变化条件下,当OFDM系统中的训练序列应分成许多长度相同的组,且这些组在OFDM帧中等间隔分布时,信道估计误差最小。