适用于IEEE 802.11a/g的联合信道估计和均衡算法

基于IEEE 802.11a/g协议,提出了一种联合信道估计和均衡的算法,该算法采用自适应信道估计方式在低信噪比情况下实现精确的信道估计,并且具有较低的设计复杂度。信道均衡采用频域内MMSE(FD-MMSE)均衡方式,与自适应信道估计配合在系统性能和计算复杂度方面取得较好折中。仿真表明该算法结构性能满足IEEE 802.11a/g协议规定,与同类算法相比在低信噪比区域提高系统性能的前提下算法的计算复杂度也有所降低。     

可重构智能表面辅助通信系统时变级联信道估计

针对可重构智能表面（RIS）辅助通信系统时变级联信道的估计中需解决的级联信道稀疏表示、时变信道参数跟踪和信号重构等关键问题,提出了一种结合Khatri-Rao积的分层贝叶斯卡尔曼滤波（KR-HBKF）算法。该算法首先利用信道的稀疏特性,通过Khatri-Rao积和克罗内克积变换得到RIS级联信道的稀疏表示,将RIS级联信道估计问题转化为低维度的稀疏信号恢复问题。然后,根据RIS级联信道的状态演化模型,在HBKF算法的预测模型中引入了时间相关性参数,应用改进的HBKF解决时变信道参数跟踪和信号重构问题,完成时变级联信道的估计。KR-HBKF算法综合利用了信道的稀疏性和时间相关性,能以较小的导频开销获得更好的估计精度。仿真结果表明,与传统压缩感知算法相比,所提算法具有约5dB的估计性能提升,且在不同的时变信道条件下具有更好的鲁棒性。     

基于改进DnCNN的RIS辅助毫米波系统信道估计

RIS是第六代移动通信系统中潜在的候选技术之一。然而,由于无源的RIS缺乏信号处理能力,这给RIS辅助毫米波大规模MIMO系统的信道估计带来了挑战。为了获得更精确的信道状态信息,将信道估计转化为图像去噪问题,提出改进的DnCNN来完成信道估计任务。具体地,采用LMMSE对信道进行粗估计。融合注意力机制网络和噪声水平估计子网络对DnCNN进行改进,以提高网络对噪声的提取性能和自适应性能,实现从信道的粗估计中得到高精度信道估计值。仿真实验表明,所提算法在低信噪比下具有较好的估计性能。     

认知无线电中OFDM信号信噪比盲估计

针对认知正交频分复用(OFDM,orthogonal frequency division multiplexing)系统中低信噪比多径信道下传统的OFDM信号信噪比盲估计算法的估计性能差,计算复杂度高的问题,提出一种新的OFDM信号信噪比盲估计方法,该方法首先利用自相关函数的特性粗略估计出信道阶数,确定循环前缀部分中不受符号间干扰的数据区间,然后根据选定区间的数据的自相关函数值估计接收信号的信号功率,最后利用循环前缀数据为部分有用数据的复制这一特性估计出噪声功率,从而估计出接收信号的信噪比。仿真实验结果表明,提出的方法无需任何先验信息,在低信噪比多径信道下具有良好的估计性能,且计算复杂度低,更适合于认知OFDM系统。     

RIS辅助去蜂窝大规模MIMO系统低复杂度预编码算法设计

构思了一种智能超表面(Reconfigurable Intelligent Surface, RIS)辅助去蜂窝大规模多输入多输出(Cell-free Massive Multiple-Input Multiple-Output, CF mMIMO)通信系统,提出了一种低复杂度预编码和RIS反射相位交替优化(Alternating Optimization, AO)算法。对于传统正则化迫零(Regularized Zero Forcing, RZF)预编码算法复杂度过高的问题,利用共轭梯度(Conjugate Gradients, CG)法,提出一种低复杂度的RZF-CG预编码算法,将RZF预编码的逆矩阵转换为线性方程组最小化问题,推导算法的残差以更新搜索方向,迭代求解逆矩阵。以最大化系统用户的总频谱效率为目标,推导了RIS相位闭合表达式,基于统计的信道状态信息提出一种低复杂度的投影梯度上升(Projected Gradient Ascent, PGA)算法。仿真结果表明,所提的AO算法能有效地提升系统性能,算法复杂度降低了约73.2%。     

低快拍下多输入多输出雷达中的角度估计算法

研究了双基地多输入多输出(MIMO)雷达中的角度估计问题,提出了一种低快拍下的MIMO雷达的离开角(DOD)和波达角(DOA)联合估计算法。该算法利用矩阵束方法从接收数据中构造出扩展矩阵来进行奇异值分解(SVD),进而进行二维角度估计联合估计。在低快拍数情况下所提算法的角度估计性能优于传统的借助旋转不变技术的信号参数估计(ESPRIT)方法,同时该算法能自动配对、无需谱峰搜索,而且复杂度也低于传统的ESPRIT算法。分析了所提算法复杂度,推导了克拉美-罗界(CRB)。仿真结果验证了该算法的有效性。     

OFDM系统中一种实用的干扰抑制信道估计算法

针对OFDM系统中IS信道估计在噪声消除和干扰抑制上的不足,提出一种干扰抑制信道估计算法.算法利用OFDM信号的时频二维特性,在LS信道估计基础上通过3次FFT/IFFT实现信道噪声消除和窄带干扰抑制,算法复杂度低,具有较好的工程可行性.算法仿真结果表明,这种干扰抑制的信道估计性能比传统LS信道估计在多径信道下的性能提升3 dB以上,在有窄带干扰的场景下系统性能损失在1.5 dB以内.     

大规模MIMO系统中低复杂度的稀疏信道估计

针对大规模多输入多输出（MIMO）系统信道估计算法复杂度高的缺陷,结合无线通信信道固有的稀疏性提出了一种低复杂度的稀疏信道估计算法。该算法是在传统的离散傅里叶变换（DFT）信道估计的基础上利用分离算法将信道抽头与噪声空间分离开来,使得信道估计时只需要计算信道抽头的部分,因此算法的计算复杂度被大大降低。仿真结果表明,该算法在保持低复杂度的同时,可获得接近最小均方误差（MMSE）性能。     

MIMO广播系统中基于有限反馈的多用户选择新算法

在基于有限反馈多输入多输出(MIMO)广播系统的多用户选择研究中,目前已有的用户信噪干扰比(SINR)估计存在较大误差,这使得整个系统的性能受到制约。该文利用推导出的上下界来联合估计用户接收到的有用信号功率,得到了一种误差较小的SINR估计式,并基于该式给出了一种用户选择新算法。仿真结果表明,新的用户选择算法可以在低信噪比和高信噪比下同时达到较优性能,且复杂度较低。     

基于FABA-SISO的时变频率选择性衰落信道CPM信号盲均衡

该文针对时变频率选择性衰落信道下高阶连续相位调制(CPM)信号盲均衡中存在的均衡性能较差、复杂度较高以及收敛速度慢等问题,从双向自适应信道均衡的角度出发,将线性调制信号均衡中使用的前后向自适应软输入软输出(FABA-SISO)算法推广,建立一种新的基于FABA-SISO的信道盲均衡方法,并结合逐幸存处理(PSP)思想和Kalman滤波,提出一种适用于高阶CPM信号的自适应盲均衡算法。该算法通过使用FABA-SISO算法,同时利用过去、现在和将来的观察数据进行Kalman滤波信道估计,有效改善了信道估计的精度,同时使用PSP算法来降低系统的复杂度,使得算法具有较好的工程应用性。仿真结果表明所提算法具有良好的盲均衡性能以及收敛性。     

RIS辅助无线系统中基于压缩感知的稀疏度自适应级联信道估计方法研究

为了解决可重构智能超表面（Reconfigurable Intelligent Surface, RIS）辅助无线通信系统中级联信道的估计问题,本文提出了一种基于压缩感知（Compressive Sensing, CS）的自适应双结构稀疏正交匹配追踪算法（Adaptive Double-Structured Orthogonal Matching Pursuit, ADS-OMP）。已有的双结构稀疏正交匹配追踪算法（Double-Structured Orthogonal Matching Pursuit, DS-OMP）利用级联信道的双结构稀疏特性即行稀疏特性和列稀疏特性来提高算法估计性能,但需要已知相关信道稀疏度信息。本文提出的ADS-OMP算法在现有的DS-OMP算法基础上设计合理的判决准则和迭代阈值来估计相关稀疏度,从而能在角域级联信道的行稀疏度和列稀疏度均未知的情况下完成级联信道估计,有效克服了现有DS-OMP算法对相关信道稀疏度的依赖,算法实用性更强。仿真结果表明,本文提出的ADS-OMP算法和已有DS-OMP算法估计性能一致,算法复杂度在同一数量级上,前者复杂度略微提升。      

大规模MIMO时分双工系统的基站天线互易校准算法

对于采用大规模MIMO技术的时分双工系统,基站天线的互易误差会破坏上下行基带信道互易特性,大幅降低系统下行传输性能。考虑到大规模MIMO技术所带来的基站天线间的耦合效应,该文设计了基于总体最小二乘估计的基站天线互易校准算法,以实现对基站的天线互易误差的补偿。该算法以增加计算复杂度为代价,以及通过增加信道测量样本,克服了上下行信道估计误差对现有天线互易误差校准算法的影响。同时,该文通过瑞利商迭代求解降低了该算法的复杂度。若忽略用户天线互易误差,计算机仿真结果表明,该算法相对于现有的基站天线互易误差校正算法,具有1.8 dB左右的性能增益。若考虑用户天线互易误差,该算法相对于已有的算法,具有随信道估计误差方差减小而增大的增益。     

宽带毫米波大规模MIMO系统中低复杂度波束域信道估计

针对宽带毫米波大规模MIMO系统信道估计精度低及实现复杂度较高的问题，在传统支撑检测方案的基础上提出一种基于Gauss-Seidel方法的串行支撑检测（GS-SSD）方案。该方案不使用共同支撑假设，参考串行干扰删除，将整体信道估计问题分解为一系列子问题，每个子问题仅考虑一个信道成分。同时，利用Gauss-Seidel方法近似高复杂度的矩阵求逆。仿真结果表明，相比于基于串行支撑检测（SSD）的方案， GS-SSD方案在将求逆复乘数降低一个数量级的同时可以取得接近SSD方案的信道估计性能。     

OFDM系统中基于PM的时延估计算法

在正交频分复用(OFDM)系统的超分辨时延估计中,针对多重信号分类(MUSIC)算法的特征分解计算复杂度较高的问题,给出一种基于传播算子(PM)的时延估计算法。对OFDM系统进行信道估计,根据信道估计结果计算协方差矩阵,并利用协方差矩阵计算PM,然后根据PM构造出噪声子空间并将其标准正交化,最后利用伪谱函数进行时延估计。仿真结果和复杂度分析表明,在复杂度大幅度下降的条件下,所提算法与MUSIC性能相当,且逼近克拉美罗界。     

基于LPA的SIMO-OFDM系统盲信道估计

OFDM系统中的盲信道估计对能否正确恢复信号起决定性作用,现有的算法存在计算复杂度高、精度低的缺点.本文提出将传统的盲信道辨识算法,即线性预报法应用于SIMOOFDM系统中.该算法利用二阶统计量信息,其计算复杂度明显降低,本算法对信道阶数的估计更具有鲁棒性,可获得较高的估计精度.仿真表明,本文算法的性能优于子空间算法.     

基于LS的STBC导频信道估计方法

结合IEEE 802.16d(e)协议的相关内容,针对多天线载波分配和导频的排列方式,提出了一种简单的性能和复杂度折衷的导频信道估计算法,该算法是通过利用LS算法求得导频位置的信道估计,然后对导频信道估计进行滤波、插值来得到数据位置的信道估计.性能仿真显示,这种复杂度很低的算法BER性能损失是可以接受的,而且802.16标准规定系统导频只能用1个symbol,因此这种方法有其实用价值.     

Channel Estimation for Cyclic Postfixed OFDM

A novel channel estimation algorithm is presented in this paper for the recently proposed cyclic postfix based on orthogonal frequency division multiplexing （OFDM） systems. Phase equalization with the erasure decision is used to reduce both the channel estimation error and the computational complexity. Simulation results show that the proposed channel estimation algorithm can effectively estimate the channel impulse response （CIR） and the performance of the proposed phase equalization with erasure decision is comparable with the minimal mean square error （MMSE） equalization, but it offers less computational complexity.     

Low complexity joint estimation of synchronization impairments in sparse channel for MIMO–OFDM system

Low complexity joint estimation of synchronization impairments and channel in a single-user MIMO–OFDM system is presented in this paper. Based on a system model that takes into account the effects of synchronization impairments such as carrier frequency offset, sampling frequency offset, and symbol timing error, and channel, a Maximum Likelihood (ML) algorithm for the joint estimation is proposed. To reduce the complexity of ML grid search, the number of received signal samples used for estimation need to be reduced. The conventional channel estimation techniques using Least-Squares (LS) or Maximum a posteriori (MAP) methods fail for the reduced sample under-determined system, which results in poor performance of the joint estimator. The proposed ML algorithm uses Compressed Sensing (CS) based channel estimation method in a sparse fading scenario, where the received samples used for estimation are less than that required for an LS or MAP based estimation. The performance of the estimation method is studied through numerical simulations, and it is observed that CS based joint estimator performs better than LS and MAP based joint estimator.     

采用残差变化控制的自适应稀疏信道估计

针对传统压缩感知信道估计对稀疏度信息依赖和稀疏度自适应信道估计在低信噪比时抗噪能力较差的问题,提出了一种采用残差变化控制的稀疏度自适应的压缩感知信道估计算法。该算法在传统的压缩感知信道估计的基础上引入残差变化控制,通过比较每次迭代下的残差变化的幅度来控制信道估计的迭代次数,提高信道估计的自适应性和鲁棒性。同时,为解决传统稀疏度自适应压缩感知信道估计抗噪能力较差的问题,利用正交匹配追踪提高算法的抗噪声性能。相比于传统的稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit,SAMP)算法,所提算法约有4 dB的性能优势,且算法复杂度更低。     

Efficient compressive sensing based sparse channel estimation for 5G massive MIMO systems

Massive MIMO (multiple-input-multiple-output) is one of the key technologies of 5G mobile cellular networks, which can form a huge antenna array by providing a large number of antennas at the cell base station. It will greatly improve the channel capacity and spectrum utilization and has become a hotspot in the field of wireless communications in recent years. Aiming at the high complexity of channel estimation algorithm for massive MIMO system, a sparse channel estimation algorithm with low complexity is proposed based on the inherent sparsity of wireless communication channel. The algorithm separates the channel taps from the noise space on the basis of the traditional discrete Fourier transform (DFT) channel estimation, so that the channel estimation only needs to calculate the part of the channel tap, so the computational complexity of the algorithm is greatly reduced. The simulation results show that the proposed algorithm can achieve near minimum mean square error (MMSE) performance while maintaining low complexity. Moreover, the Bit Error Rate and Inter-Cell Interference also indicates that the proposed improved algorithm shows better overall performance than the conventional algorithms which makes it suitable from practical perspective.