共查询到17条相似文献,搜索用时 109 毫秒
1.
MIMO-OFDM(多输入多输出—正交频分复用)系统的信道估计问题是系统接收机进行相干解调的关键。针对标准粒子滤波算法在MIMO-OFDM信道估计时存在观测系数不准确和粒子退化等问题,提出了一种基于神经网络的重要性样本调整粒子滤波(NNISA-PF)算法。对MIMO-OFDM通信系统及时变信道进行建模,得到了状态空间模型;详细分析了标准粒子滤波的改进算法——NNISA-PF;在MIMO-OFDM快衰落和慢衰落信道下,对Kalman、Bootstrap和NNISA-PF三种滤波算法分别在AWGN、Middleton-A噪声下的NMSE和BER性能进行了仿真对比分析。仿真结果表明,在快衰落和慢衰落情况下,NNISA-PF算法都可以有效对抗噪声干扰,尤其是在非高斯噪声环境下优势明显;NNISA-PF算法可以较准确地对MIMO-OFDM时变信道进行半盲估计,使MIMO-OFDM技术优势得到充分发挥。与现有的半盲信道估计方法相比,该方法具有估计精度高、对非高斯噪声鲁棒性强等优点。 相似文献
2.
为克服常用的最小均方(LS)估计算法误差平底较高,且需要占用大量导频资源跟踪时变信道的缺点,提出一种基于Kalman滤波跟踪的MIMO-OFDM半盲的信道估计算法,该算法在采用少量导频的前提下,建立参数化信道模型,采用自适应Kalman滤波技术跟踪时变信道状态信息。仿真表明:该算法能很好地跟踪时变信道状态,显著降低多普勒频移条件下估计的均方误差。 相似文献
3.
信道的准确估计是提高MIMO-OFDM系统性能的关键.在最优导频时域信道估计的基础上,提出了一种较低复杂度的改进算法,利用时变信道的自回归(AR)模型构造卡尔曼滤波器对估计出的时域信道响应进行滤波,提高信道时域响应的估计精度.仿真结果表明,在慢时变信道环境下,改进方法可以进一步提高信道估计的精度,同时保持了较低的复杂度. 相似文献
4.
传统的信道估计方法往往假设多径分量数已知且为常数,粒子滤波算法可估计服从高斯分布的时变信道。实际无线环境中,多径分量数目与幅度皆为时变,则粒子滤波估计方法性能恶化。本文提出基于二进制粒子群算法和卡尔曼滤波的MIMO-OFDM信道混合估计方法。采用随机集建模MIMO信道,并分析得到其多径转移概率模型;基于此模型将信道分解为离散部分和连续部分,推导得到此两部分与整体信道关系;采用二进制粒子群算法拟合信道离散部分,利用卡尔曼滤波估计信道幅度,将利用信道估计计算得到的观测值与真实观测值的近似程度作为适应度函数。仿真结果表明:本文所提出的信道估计方法性能优于基本粒子滤波的信道估计方法。 相似文献
5.
6.
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。 相似文献
7.
粒子滤波是一种基于序贯重要性采样原理的蒙特卡罗方法,其重采样步骤将导致“粒子贫化”,传统的基于粒子滤波的OFDM时变信道估计算法精度较低、计算复杂度较高。本文从消除“粒子贫化”角度出发,用粒子流的方法取代了重采样。通过建立微分方程实现贝叶斯估计,采用粒子流将粒子平滑移动到状态空间中的后验分布上,实现从先验粒子到后验粒子的更新,提出了一种基于粒子流滤波的OFDM时变信道估计算法。与基于粒子滤波的信道估计方法相比,本方法计算复杂度低,估计精度高,对环境噪声具有较好鲁棒性。 相似文献
8.
MIMO-OFDM系统中一种基于自适应滤波的信道估计方法 总被引:6,自引:0,他引:6
该文提出了一种适用于MIMO-OFDM系统的基于自适应滤波器的信道估计方法,此方法在不需要任何信道统计信息的前提下,通过自适应滤波的方法对时变信道状态参数进行即时跟踪与估计。仿真结果表明该文提出的基于自适应滤波的信道估计方法,相比于不考虑噪声的基于LS算法的信道估计方法,MSE和BER性能均有很大的提高。其中基于LMS滤波器的信道估计方法具有计算复杂度小的特点;而基于RLS的信道估计方法具有收敛速度快,MSE和BER性能均优于基于LMS方法的特点。 相似文献
9.
10.
在多径分量数确定的前提下,MIMO-OFDM系统采用传统的基于导频辅助和盲信道估计算法能获得较好性能。实际无线环境中,多径分量数目与幅度都是时变的,则传统信道估计方法不再适用。该文采用随机集理论建模MIMO-OFDM系统信道多径分量数的变化和MIMO信道。基于此模型提出了集中粒子空间重采样方法(CRS),在保留大概率粒子抽样样本的同时主动抛弃小概率抽样样本,以获得更为准确的真实样本逼近。并提出了基于集中重采样Rao-Blackwellised粒子滤波的信道估计方法(RBPFC)。仿真结果表明:所提出的RBPFC方法信道估计性能最好,基本Rao-Blackwellised粒子滤波方法次之但优于基本粒子滤波算法,卡尔曼滤波的信道估计方法性能最差。 相似文献
11.
MIMO-OFDM系统能在宽带无线信道中达到很高的速率。文章建立了MIMO-OFDM信道识别的条件并实现了基于子空间方法的盲信道估计技术。该方法将现存的在SISO-OFDM系统中的基于子空间的盲信道估计进行统一,并且推广到MIMO-OFDM系统中。特别是该方法可以获得信道的精确估计,且能快速收敛。仿真实验的结果显示了该方法的均方误差性能。 相似文献
12.
针对卫星信道中高功率放大器产生非线性失真的问题,本文提出了一种基于粒子滤波技术的盲均衡法。该算法优势在于不需要对非线性信道线性化处理,而是利用带权值的离散随机样本点来对期望分布进行近似,通过将非线性模型建模成状态空间模型,对信道参数进行跟踪和符号序列估计。仿真结果表明,算法实现了对放大器非线性幅度和相位特性的粒子滤波估计,并对符号序列进行了盲恢复,在误比特率为 较截断Volterra均衡有1.5 dB左右的性能增益;通过增加粒子数目和平滑长度能一定程度上提高算法性能,但在复杂度与性能折中考虑下,不能无限增加粒子数目。 相似文献
13.
14.
15.
16.
17.
Hyoung-Goo Jeon Hyoung-Kyu Song Serpedin E. 《Communications, IEEE Transactions on》2008,56(9):1430-1433
This letter proposes a novel Walsh coded training signal design and decoding method to estimate the channel response in MIMO-OFDM systems. The Walsh coded training signals, designed to be orthogonal in the time domain, facilitate the separation of the desired training signal from the received mixed signal and the estimation of the channel response. The proposed channel estimation method is directly applicable to practical MIMO-OFDM systems with null subcarriers and exhibits nearly the same performance as Li?s original channel estimator [5] at a much reduced computational complexity. 相似文献