基于CV-RMMP重构算法的水声稀疏信道估计

多径匹配追踪算法在水声信道稀疏估计中具有较好的估计精度,但该算法需要信道稀疏度的先验信息,且计算复杂度大.本工作提出一种基于交叉验证与正则化相结合的多径匹配追踪算法,将其用于水声信道估计.交叉验证提供算法的停止准则,不需要信道的稀疏度和噪声水平的先验信息,并检查算法是否过拟合,提高了估计的准确性.正则化用来进一步筛选候...     

一种稀疏度自适应超宽带信道估计算法

针对在超宽带信道估计中应用压缩感知理论需要预知信道稀疏度的问题,利用超宽带信道在时域上的稀疏性,将信道估计问题转化为压缩感知理论中的稀疏向量重构问题,提出了稀疏度自适应正则化压缩采样匹配追踪（SARCoSaMP）算法。该算法在压缩采样匹配追踪（CoSaMP）算法的基础上,引入自适应和正则化方法,自动调整所选原子数目,逐步逼近信道稀疏度K,在稀疏度未知的情况下精确地实现信道估计。仿真结果表明,该算法可有效应用于超宽带系统的信道估计,并且其性能明显优于CoSaMP算法和稀疏自适应匹配追踪（SAMP）算法。     

基于压缩采样匹配追踪的稀疏度和稀疏信道联合估计

原始的压缩采样匹配追踪算法依赖于已知稀疏度,因此本文研究了一种稀疏度和稀疏信道联合估计算法。首先提出了一种新的稀疏向量的替代,能够在有限长度的训练序列下,达到较好的稀疏度和信道估计效果。然后通过对稀疏信道估计中的噪声分量的分析,提出了一种稀疏度估计算法,结合信道估计最终给出了一种稀疏度和稀疏信道联合估计算法。仿真结果表明：新的稀疏向量的替代在稀疏度和信道估计方面都有明显的优势,并且提出的稀疏度和稀疏信道联合估计算法在性能上好于mCoSaMP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．     

一种改进的正则化自适应匹配追踪算法

针对压缩感知中未知稀疏度信号的重构问题,提出了一种改进的正则化自适应匹配追踪算法。它通过自适应变步长迭代对信号稀疏度进行估计,并将其作为初始支撑集长度,然后在分阶段迭代中正则化筛选原子,最终实现信号的精确重构。仿真结果表明,该算法重构信号的性能和效率均优于子空间追踪算法、正交匹配追踪算法和稀疏度自适应匹配追踪算法。     

MIMO OFDM系统时域信道估计新方法

提出一种多输入多输出-正交频分复用（MIMO—OFDM）系统的时域信道估计新方法。设计了一种具有最佳自相关性的实训练序列,并利用训练序列的自相关性获得信道的时域冲激响应。同时针对时域信道具有一定的稀疏性,通过信道有效路径估计,减少噪声对信道估计结果的影响,提高算法估计性能。理论分析和实验仿真结果表明,文章方法在更低的计算复杂度和更高的系统传输效率下,具有更高的估计性能。     

一种改进的适用于稀疏信道的完全反馈均衡器

为了在稀疏信道下有效地降低传统均衡算法的运算复杂度,在完全反馈均衡器CFE（complete feedback equalizer）之前,利用信道估计器针对稀疏多径信道提出了一种新的低复杂度的多径时延信道估计方法,仅对少量幅值较大的信道抽头做均衡。理论分析与基于实测信道的计算机仿真表明,这种算法通过对多径的跟踪降低了需要估计参数的雏数,从而提高了信道估计器的性能,并且降低了运算的复杂度。     

一种优化的gOMP稀疏OFDM信道估计方法

无线多径信道多呈现稀疏特性,即信道时延扩展大,但是路径的个数少,利用信道先验稀疏信息的稀疏信道估计方法可以提高稀疏信道的估计准确性。针对贪婪算法选择字典原子在残余误差最小意义下的非最优性,及广义正交匹配追踪算法gOMP利用含噪信号估计稀疏信道过程中过多的选择字典原子导致gOMP算法重建性能下降的问题,提出优化的广义正交匹配追踪算法（optimized generalized orthogonal matching pursuit,OgOMP）。在OgOMP算法原子选择阶段,采用使残余误差最小化的原子选择标准代替残差与字典内积绝对值最大化的原子选择标准以选择原子。为删除多余的误选原子,添加原子精炼步骤对每一步迭代后选择的字典原子进行二次选择,选择对应最大信道衰落系数的原子,选择的原子数与信道稀疏度相同,删除错选原子以保证重建信号与原始信号的稀疏性一致。本文仿真对比了gOMP和OgOMP算法的信道估计均方误差、误码率、残差收敛速度以及不同导频数、不同原子选择数对算法的影响。仿真结果表明：相同的误码率下,OgOMP算法比gOMP算法在估计稀疏信道时最大可以节省4 dB的信噪比,信噪比为20 dB时均方误差最大可以减小5 dB;两种算法的残差收敛速度均优于MP算法;导频数的增加可以减小两种算法的信道估计均方误差,相同信道估计性能下OgOMP算法具有更小的导频开销;每步迭代选择的原子数目不同时,相比于gOMP算法,OgOMP算法性能基本不变,具有更好的稳定性,仿真结果验证了改进算法的有效性。     

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

在多输入多输出正交频分复用(MIMO-OFDM)系统中, 信号经过频率选择性衰落的信道后, 在接收端需要进行均衡和相干信号的检测, 故准确的信道估计量必不可少. 传统的信道估计方法均基于信道抽头是密集型的假设, 利用线性重构算法, 如最小二乘(LS)或最小均方误差(MMSE)等, 可以达到Cramer-Rao下界(CRLB). 然而, 通过物理信道测量发现, 在实际通信系统中, 宽带信道抽头分布通常表现出稀疏特性. 通过充分利用信道的稀疏特性, 该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计. 在达到与传统的信道估计方法相同性能的前提下, 基于CoSaMP的信道估计方法以非常小的计算复杂度为代价, 大大减少了导频信号开销, 从而提高了频谱资源利用率.     

FSO—OFDM系统的SVD—MMSE信道估计算法

针对基于MMSE的FSO—OFDM系统信道估计算法计算量复杂、对信道矩阵具有奇异性要求等弊端,设计了基于SVD-MMSE算法的FSO—OFDM系统信道估计流程,并通过MonteCarlo方法对SVD—MMSE算法进行了仿真验证,将MMSE算法与SVD—MMSE算法进行了对比分析,结果表明SVD-MMSE算法相对于MMSE算法既能降低系统计算复杂度又能保证系统可靠性,即在系统复杂度与性能之间可以得到很好的折衷．     

一种快速的基于压缩感知的多普勒高分辨方法

利用雷达目标在多普勒域的稀疏性,基于压缩感知的目标多普勒估计方法,能够在有限的相干积累时间内实现多普勒的高分辨.然而,即使采用压缩感知中的一种高效算法——正交匹配追踪算法,其运算复杂度也相对较高.为了进一步降低运算复杂度,对接收脉冲进行分组,将一维的多普勒估计问题转化为一个二维的稀疏信号重构问题,进而利用一种针对二维稀疏信号优化的低复杂度正交匹配追踪算法对其进行估计.仿真表明,该方法具有较高的运算效率,并能够获得接近直接应用传统的正交匹配追踪算法的多普勒分辨率.     

Riker子波匹配追踪算法及其改进

匹配追踪（Matching Pursuit）算法的基本思想是基于信号的可分解和重构,是在一个确定的函数集合中自适应地选择一些函数来表示一个信号的计算过程,函数集合中的每个函数都称为原子。本文利用奇异值分解对传统的匹配追踪算法进行了改进,提高收敛速度、计算速度以及重构精度,并将得到的时频分布与其他方法进行对比,测验结果证明了改进算法的高效性和有效性。     

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.     

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。     

一种改进的上行信道估计算法

为了提高长期演进(Long Term Evolution,LTE)系统上行信道估计的准确性,同时适当的降低信道估计算法的复杂度,针对上行物理共享信道(Physical Uplink Shared Channel,PUSCH),对基于离散傅里叶变换(Discrete Fourier Transform,DFT)的内插滤波信道估计算法进行改进,采用递归最小二乘法(Recursive LeastSquares,RLS)代替原有的内插滤波。根据Matlab仿真结果,提出的新算法在提高信道估计准确度和降低算法复杂度上可以得到有效的均衡。     

OFDM系统中基于期望最大化的半盲信道估计

针对传统的盲信道估计算法估计精确度低、算法复杂度高、收敛速度慢的缺点,研究基于期望最大化(EM)的半盲信道估计算法.仿真结果表明,该算法克服了盲信道估计精度低,收敛速度慢的缺点,而且在同等导频数量的情况下的估计性能较之传统的基于导频的信道估计算法提高了2dB.     

无人机蜂群通信的虚拟大规模MIMO信道估计算法

针对利用无人机蜂群通信实现热点区域覆盖的应用场景,提出了一种无人机蜂群通信中虚拟大规模多输入多输出信道估计算法,包括信道状态信息中导向矢量的波达方向(DOA, Direction Of Arrival)估计算法和子阵间距估计算法。考虑到空地信道状态依赖于地面用户的角域信息,因此先利用辅助用户对无人机方向角进行估计,在此基础上提出了一种基于降秩的DOA估计算法,获取精确的DOA信息。进一步,考虑到UAV动态位置变化导致不同UAV的天线阵列相对位置变化,提出了一种基于优化搜索的子阵间距估计算法,避免了大范围搜索带来计算复杂度高的问题。仿真结果表明,所提DOA和子阵间距估计算法可以提高信道估计精度。     

MIMO-OFDM系统中基于子载波分组信道估计的改进算法

针对传统的MIMO—OFDM系统信道估计算法复杂度高、对导频结构有特殊要求的缺点,提出了两种基于子载波分组信道估计改进算法。改进算法通过子载波分组将多天线信道估计转换成单天线信道估计来获取导频子载波信道响应,以避免大矩阵求逆运算,降低算法的复杂度;利用DFT滤波算法或LMS自适应滤波算法得到整个帧所有符号的信道响应,实现在算法复杂度基本不变前提下估计性能的提高。理论分析和仿真结果表明,改进算法与传统的信道估计算法相比较,具有较低的复杂度和更好的估计性能。     

OFDM系统中基于子空间分解的信道估计的改进

基于子空间分解的信道估计通过将接收端信道的频域信道响转换到变换域,将信号子空间和噪声子空间分离,既能有效的分离噪声,又具有较低的复杂度.通过对信道估计均方误差的推导,本文提出了一种阈值算法GPT将信号噪声分离的信道估计算法.通过在时域上对连续的OFDM符号求平均,有效的抑制了AWGN和ICI.进一步考虑信道衰落,对阈值进行自适应调整,提出了TAAT算法,仿真证明文中提出的两种算法均无需信道先验信息,能够正确的高精度的区分信号和噪声子空间,不受频谱泄漏的影响,克服了MST和低通截短算法对信道统计参数依赖性具有鲁棒性.在VA30,典型城市信道信道仿真表明,该算法性能逼近理想DFT时域信道估计,即假设信道信号径位置已知,噪声径完全去除.     

一种基于噪声功率估计的MC-CDMA信道估计算法

LS信道估计算法计算量小,实现简单,但受噪声的影响信道估计精度低.提出一种LS信道估计改进算法,利用MC-CDMA中闲置的虚载波对信道噪声功率进行估计,通过将LS信道估计的时域响应限制在循环前缀长度内,并进一步利用估计出的信道噪声功率,设置门限值忽略LS信道时域响应在循环前缀长度内的噪声分量和无效径响应,显著提高了信道估计精度.该算法运算量小,实现简单,信道估计精度高,仿真结果验证了算法的有效性.