基于压缩感知的OQAM/OFDM系统POP方法信道估计

针对偏移正交幅度调制的正交频分复用(OQAM/OFDM)系统中成对训练序列(POP)法信道估计技术性能较差且受噪声影响较大的问题,提出了一种基于压缩感知(CS)的POP信道估计方法.该方法将压缩感知技术应用于POP法信道估计之中,将传统的频域信道估计方法转化为时域信道估计方法,通过压缩感知技术准确地重构出时域信道信息,减少导频开销,提高频谱利用率,得到更好的信道估计性能.与传统的OQAM/OFDM系统的信道估计方法进行比较,仿真结果表明,所提的方法能够在使用较少的导频符号的同时得到更高的系统性能和信道估计精度.     

基于时域RLS自适应滤波的OFDM信道估计

通过信道估计,可实现信号的相干解调,提高系统性能.在OFDM系统中,为适应慢衰落信道一定的时变性,利用多径信道时域脉冲响应每一径的幅度是独立同分布的,提出利用RLS自适应滤波器,对信道时域脉冲响应并行递推的信道估计算法.首先对每个时刻的信道时域脉冲响应进行加窗截取,窗长为循环前缀长度;再对截取后的信道时域脉冲响应利用FIR自适应滤波器并行递推,滤波器权值更新利用RLS算法;最后补零作FFT,得到所有子载波位置的信道频率响应.仿真结果表明,和已有的频域RLS递推算法相比,既降低了运算复杂度,又可将系统误码性能提高2～3dB.     

低压电力基于PLC的信道估计算法仿真

研究优化低压电力信道问题,针对低压电力线信道噪声污染严重,由于信道环境恶劣,造成误码率高。为了解决上述问题,采用OFDM系统中对低压电力信道的信道估计算法。传统LS(最小二乘法估计)算法复杂度低但性能受到限制,受噪声影响大。在综合考虑性能和复杂度,提出了新的改进的方法,并针对FFT的时域插值算法的缺陷,采用改进的算法进行仿真。仿真结果表明,改进算法使误码率降低,且减小了噪声的影响,证明信道估计算法提高了信噪比和估计的精度。     

一种新型改进的B.Steiner信道估计算法

为了克服目前改进的B.Steiner信道估计法受加性噪声的影响,理论上分析了改进的B.Steiner信道估计方法能够去除噪声径的原因,提出一种新型改进的B.Steiner信道估计方法。该方法通过设定适当的门限值,对B.Steiner信道估计结果进行修正。首先去除上述估计结果中的噪声径,然后消除保留径中噪声的影响,得到最终信道估计结果;与原改进方法相比,所提出的方法能有效地去除保留径中的噪声。在TD-SCDMA系统专用测试模型case 3的条件下进行仿真实验,结果表明:信号误码率一定时,系统所需的输入信号信噪比降低1 dB;并且该方法并不明显增加运算量,在门限处理的基础上主要增加了减法运算,并且减法运算的次数不超过KW次(其中K为用户数,W为信道冲击响应窗长)。     

一种改进的DVB-T信道估计算法

针对传统DVB-T系统信道估计算法估计精度低或复杂度高的问题,为了提高信道估计算法整体性能,提出了一种改进的DVB-T信道估计算法;该算法首先采用最小二乘法估计离散导频处频率响应估计值;进而,利用连续导频对信噪比进行估计;最后,将得到的信噪比估计值与预先设定的信噪比阈值进行比较,若估计值小于阈值,则先经过卡尔曼滤波处理,再在时频二维方向上用高斯插值得到全部子载波的频率响应值,否则直接在时域和频域上进行插值;此方法在信道条件较好时关闭卡尔曼滤波过程,从而有效减少滤波次数,提高算法整体运行速度;仿真结果表明,该方法能有效提高系统整体性能,减少在噪声影响较大时的干扰,同时也兼顾了算法整体运行速度。     

基于MIMO—OFDM系统的信道估计方法分析

MIMO-OFDM技术是未来无线通信系统的研究热点。信道估计是估计出信道的时域或频域响应,对接收到的数据进行校正与恢复,是实现MIMO-OFDM系统优良传输性能的重要环节。文章对MIMO-OFDM系统的多种信道估计方法进行了探讨,分析和比较了非盲信道估计、盲信道估计和半盲信道估计方法,并提出了未来信道估计算法的研究方向。     

MIMO-OFDM 系统时域参数化信道估计算法研究

针对MIMO-OFDM 系统信道估计问题,提出了一种在时域内进行最小二乘信道估计的方案．它的基本 思想是利用发送端与接收端导频序列所形成的时域信号来计算信道的时域响应信息．为了获得LS 信道估计的最小 均方误差,本文给出了一种最优导频序列设计方案,它要求每根发射天线中的导频序列为等间隔排列,不同发射天 线之间的导频序列位置相互交错．本文还提出了一种基于LS 准则的参数化信道估计方法,对比传统的LS 信道估 计算法,本文算法能够大幅度地提高信道估计的精度;对比传统的LSPCE 算法,本文算法可以有效地降低其计算复 杂度．仿真实验和性能分析验证了所提方法的有效性．     

基于二维导频和降噪滤波的信道估计方法

在分析多径噪声环境中信道估计经典算法的基础上,提出一种基于二维导频和降噪滤波的信道估计改进算法。文中采用的二维导频设置图案,充分保留了信道信息,从中可提取信道参数的最优初始估计。在此基础上,通过DFT/IDFT变换将信道频率响应子空间和噪声子空间分离,进行降噪滤波。仿真结果显示,在多径时变衰落信道下,利用以上两种提出的信道估计方法有效提高系统的估计性能。     

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。     

分布式视频编码虚拟依赖信道模型研究

视频信息固有的非平稳特性,如冲突区域等,使时域预测技术变得非常复杂.在分布式视频编码(DVC)中,由于解码端不能获取当前编码帧的信息,精确地对时域相关噪声进行建模变得更为困难.文中以虚拟依赖信道模型为切入点对如何降低时域相关噪声进行了研究.首先对DVC虚拟依赖信道进行了建模,并对影响边信息的主要因素进行了分析,分析结果表明在变换域中不同的频率子带对时域相关噪声的敏感度不同.在此基础上提出了一种新的基于小波变换域的虚拟依赖信道模型VCMDWT,基于分类编码的思想对较为平稳的LL子带进行Wyner-Ziv编码,对非平稳的高频子带进行SPIHT帧内编码.实验结果表明,与基于像素域的方法相比,所提出的VCMDWT模型能够得到更稳定的虚拟信道,提高DVC系统的率失真性能达到2.6dBs以上.     

改进的MFCCs电话语音识别方法

为了提高电话语音识别系统在环境和信道等噪声下的鲁棒性，文章针对电话语音MFCC特征的低阶系数最易受到污染的特点，通过舍充最易受污染的低阶MFCC系数，并结合RASTA滤波来去除卷积信道噪声，使系统的识别性能和抗噪性能有了明显的改善。     

LTE中一种新的干扰与噪声功率估计方法

在分析长期演进计划及其增强系统的基础上,提出一种利用主同步信号估计干扰与噪声功率的方法。利用该方法估计当前同步子载波的信道系数,根据相邻子载波信道近似相等的特性,计算相邻同步子载波接收数据的估计值,将该估计值与实际接收数据的差值进行自相关,并通过统计平均得到干扰与噪声功率的估计值。仿真结果表明,在多径丰富的衰落信道场景下,与目前常用的循环前缀估计算法相比,该方法能较好地估计干扰和噪声功率。     

通道扰动对神经元网络动力学行为的影响

利用Hodgkin-Huxley（H-H）神经元数学模型,研究高斯白噪声通过通道扰动对神经网络时空动力学行为的影响.相同参数条件下,比较外激励噪声与通道扰动对神经元网络各种时空斑图的影响,发现通道扰动更有利于神经元网络时空斑图之间的转换和螺旋波的形成.最后,进一步分析了温度和耦合强度对神经网络时空动力学行为的影响.     

基于零树小波的交通视频车辆运动阴影滤除方法

基于高斯模型的背景建模方法与简单的背景差分方法很难准确区分运动车辆与阴影.基于此种原因,文中提出基于零树小波的交通视频车辆运动阴影滤除方法.首先将含有噪声的运动前景图像转换至HSV颜色空间.然后对 S通道和V 通道进行多级下采样小波变换,通过构造运动前景的零树小波掩模,关联不同尺度子带间的系数,使各精细尺度子带掩模的值能得到父子带系数的指导和校正,提高子带自适应阈值的准确性.进一步通过结合阴影的颜色特征,提高判断区域车辆与阴影的区分度.最后通过大量仿真实验验证文中方法的有效性.     

通道参数对MIMO雷达估计性能的影响效果分析

为在目标参数估计中正确处理MIMO雷达收发通道网的未知系数,提出并建立了3种通道参数模型,分别推导了各模型下的目标估计和克拉美罗界(Cramer-Rao lower bound,CRLB),比较了各模型下的参数估计性能,研究了通道参数的不同处理方法对MIMO雷达估计性能的影响效果。理论分析表明,在目标估计时如果将通道系数作为未知参量与目标参数联合估计,可比将其作为随机参量求期望获得更高的参数估计精度,而且随着信噪比的降低两者的参数估计性能差异会随之扩大。仿真实验也验证了上述结论的正确性。     

Adaptive wavelet shrinkage for noise robust speaker recognition

Speaker recognition faces many practical difficulties, among which signal inconsistency due to environmental and acquisition channel factors is most challenging. The noise imposed to the voice signal varies greatly and a priori noise model is usually unavailable. In this article, we propose a robust speaker recognition method that employs a novel adaptive wavelet shrinkage method for noise suppression. In our method, wavelet subband coefficient thresholds are automatically computed, which are proportional to the noise contamination. In the application of wavelet shrinkage for noise removal, a dual-threshold strategy is developed to suppress noise, preserve signal coefficients and minimize the introduction of artifacts. The recognition is achieved using modification of Mel-frequency cepstral coefficient of overlapped voice signal segments. The efficacy of our method is evaluated with voice signals from two public available speech signal databases and is compared with state-of-the-art methods. It is demonstrated that our proposed method exhibits great robustness in various noise conditions. The improvement is significant especially when noise dominates the underlying speech.     

基于Gammatone滤波器和子带能量规整的语音特征提取

为了改善传统语音特征参数在复杂环境下识别性能不足的问题,提出了一种基于Gammatone滤波器和子带能量规整的语音特征提取方法.该方法以能量规整倒谱系数(PNCC)特征算法为基础,在前端引入平滑幅度包络和归一化Gammatone滤波器组,并通过子带能量规整方法抑制真实环境的背景噪声,最后在后端进行特征弯折和信道补偿处理加以改进.实验采用高斯混合通用背景分类器模型(GMM-UBM)将该算法和其他特征参数进行对比.结果表明,在多种噪声环境中相比其他特征参数,本文方法表现出良好的抗噪能力,即使在低信噪比下仍有较好的识别效果.     

基于EMD-SVD差分谱的DWT域LMMSE自适应信道估计算法

针对当前基于奇异值分解的线性最小均方误差（SVD-LMMSE）法信道估计误差相对较大的问题,提出了一种基于经验模态分解和奇异值分解（EMD-SVD）差分谱的离散小波变换（DWT）域线性最小均方误差（LMMSE）自适应信道估计算法。在对信号进行最小二乘（LS）信道估计及预滤波处理后,运用DWT对信号的高频系数进行阈值量化去噪处理;然后结合基于EMD-SVD差分谱的自适应算法,将强噪声小波系数中微弱的有效信号提取出来,并进行信号的重构;最后根据循环前缀（CP）内、外噪声方差的均值设置相应门限,对循环前缀以内的噪声进行再次处理,从而进一步降低噪声的影响。对算法的误码率（BER）和均方误差（MSE）性能进行实验仿真,实验结果表明：所提算法的整体性能明显优于经典的LS算法、传统的LMMSE算法和目前较为流行的SVD-LMMSE算法,能够较好地降低噪声的影响,并可有效提升信道估计的精确度。     

小波变换在水下图像处理中的应用

因水下信道的特殊性以及成像的复杂性,使得水下图像中的不确定因素给图像处理带来严重的影响。本文主要介绍了一种利用小波变换进行水下图像增强的方法。为降低对水下图像噪声增强程度,方法对不同尺度上的系数进行不同尺度的对比度增强。通过真实水下图像实验证明了该方法的有效性。     

基于复小波噪声方差显著修正的SAR图像去噪

提出了一种基于复小波域统计建模与噪声方差估计显著性修正相结合的合成孔径雷达(Synthetic Aperture Radar,SAR)图像斑点噪声滤波方法。该方法首先通过对数变换将乘性噪声模型转化为加性噪声模型,然后对变换后的图像进行双树复小波变换(Dualtree Complex Wavelet Transform,DCWT),并对复数小波系数的统计分布进行建模。在此先验分布的基础上,通过运用贝叶斯估计方法从含噪系数中恢复原始系数,达到滤除噪声的目的。实验结果表明该方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪效果。