基于FG方法的MIMO-OFDM信道估计

为提高MIMO-OFDM系统信道估计的性能,并且提高频谱的整体利用效率,文章提出一种利用信道特性构建因子图模型,结合EM算法进行信道估计的算法。将多输入多输出(MIMO)信道估计问题转化为一系列单输入单输出(SISO)信道估计问题,避免了大规模的矩阵运算。同时将EM算法代替因子图(FactorGraph)时域方向上的迭代,提高了系统性能。仿真实验表明,文章所提的算法能有效提高系统的性能。     

一种有效的MIMO-OFDM系统MAP信道估计

对于MIMO-OFDM系统,最大后验概率(MAP)信道估计算法可通过期望最大化(EM)算法降低计算复杂度,但将产生误差平底(error floor)现象。并且,系统的数据传输效率受限于发送端天线的数目。针对这些问题,该文提出了一种有效的MAP信道估计算法,并分析了算法的性能。所提算法在利用EM算法减小MAP 算法计算复杂度的基础上,利用角域内信道间的独立性降低估计误差。为改善系统数据传输效率及估计性能,通过多个OFDM符号进行联合的信道估计。仿真实验验证了所提算法拥有更好的估计性能和数据传输效率。     

一种降低复杂度的压缩感知水声信道估计方法

针对浅海的水声信道稀疏特性,提出了一种降低复杂度的前向回溯正交匹配追踪(RC-LABOMP)信道估计方法。首先计算正交匹配追踪和子空间追踪信道估计算法的两类支撑集,接着根据两类支撑集的交集和并集,预处理先验信息,最后利用先验信息完成前向回溯正交匹配追踪信道估计。该算法经过先验信息的预处理,能够减少原LABOMP算法的迭代次数,同时缩小原子的索引范围,因此能够显著降低原LABOMP算法的计算复杂度。此外,将提出的算法与水声Turbo均衡系统相结合,更适用于水声通信系统。仿真结果表明,所提算法在随机信道和水声信道条件下,具有估计精度高、误码率低的特点,同时能够显著降低LABOMP算法的计算复杂度,是一种适用于浅海水声信道的有效估计方法。     

基于分层模型的SC-FDE系统低复杂度稀疏信道估计

针对单载波频域均衡(SC-FDE)接收机提出一种低复杂度的贝叶斯稀疏信道估计算法。该算法利用广义平均场(GMF)推理方法结合贝叶斯分层先验模型得到。在GMF推理方法中,使用辅助函数来等效未知变量的联合后验概率密度函数;然后对辅助函数进行因子分解,通过对待估计的稀疏向量的辅助函数进行不同大小的分块来实现降低复杂度的目的。而原始的高复杂度算法(SC-VMP-3L)是所提出的算法的特例。最后,将GMF推理方法用于频域均衡中。仿真结果表明,在信道估计精度和误码率方面,所提出的算法性能基本与SC-VMP-3L算法的性能接近,且明显优于传统的正交匹配追踪（OMP）稀疏信道估计方法。在复杂度方面,与SC-VMP-3L算法相比有显著降低。      

长时延扩展水声信道的联合稀疏恢复估计

对具有长时延扩展的水声信道,传统的信道估计算法如最小二乘法将在大量零值抽头产生严重的估计噪声,导致估计性能下降,同时信道估计时所需的较高估计器阶数大大提高了运算复杂度。压缩感知信道估计方法可有效利用多径稀疏特性改善性能,但需采用较大的训练序列长度以保证稀疏恢复精度,由此导致额外的系统开销。利用水声信道多径稀疏结构在数据块间存在的相关性,建立基于分布式压缩感知的长时延水声信道联合稀疏模型,从而可利用同步正交匹配追踪算法进行联合重构,以进一步减小系统的训练序列开销,提高估计性能。最后通过仿真和海上实验验证了所提方法的有效性。     

基于扩展路径识别算法的水声OFDM系统低复杂度迭代稀疏信道估计

移动OFDM水声通信系统中,基于压缩感知的稀疏信道估计方法计算量较大,不适用于实时通信.针对这一问题,该文基于一致多普勒信道模型提出一种扩展路径识别(GPI)算法.该方法首先使用信道多普勒扩展矩阵构造等效发射序列,将多普勒信道转化为等效线性时不变信道.然后使用GPI算法估计信道多普勒及各路径的时延及幅度参数,实现低复杂度稀疏信道估计.此外,该文将GPI算法扩展到Turbo接收机中,通过利用信道译码器反馈的数据符号先验信息迭代提高信道估计精度.仿真结果表明,所提方法的性能优于传统的路径识别算法,且与OMP算法接近,而其计算量远低于后者.     

基于扩展路径识别算法的水声OFDM系统低复杂度迭代稀疏信道估计

移动OFDM水声通信系统中,基于压缩感知的稀疏信道估计方法计算量较大,不适用于实时通信。针对这一问题,该文基于一致多普勒信道模型提出一种扩展路径识别(GPI)算法。该方法首先使用信道多普勒扩展矩阵构造等效发射序列,将多普勒信道转化为等效线性时不变信道。然后使用GPI算法估计信道多普勒及各路径的时延及幅度参数,实现低复杂度稀疏信道估计。此外,该文将GPI算法扩展到Turbo接收机中,通过利用信道译码器反馈的数据符号先验信息迭代提高信道估计精度。仿真结果表明,所提方法的性能优于传统的路径识别算法,且与OMP算法接近,而其计算量远低于后者。     

大规模MIMO系统上行链路时间-空间结构信道估计算法

针对大规模多入多出(MIMO)系统上行链路非平稳空间相关信道的估计问题,该文利用信道的时间-空间2维稀疏结构信息,应用狄利克雷过程(DP)和变分贝叶斯推理(VBI),设计了一种低导频开销和计算复杂度的信道估计迭代算法,提高了信道估计精度。由于平稳空间相关信道难以适用于大规模MIMO系统,该文借助于狄利克雷过程构建了非平稳空间相关信道先验模型,可将具有空间关联的多个物理信道映射为具有相同时延结构的概率信道,并应用变分贝叶斯推理设计了低导频开销和计算复杂度的信道估计迭代算法。实验结果验证了所提算法的有效性,且具有对系统关键参数鲁棒性的优点。     

OFDM叠加导频联合信道估计和检测方法

针对现有正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)系统信道估计和迭代检测算法中频谱效率低和鲁棒性差等问题,提出了一种基于酉近似消息传递和叠加导频的信道估计与联合检测方法。首先,在软调制/解调中叠加导频对正交幅度调制的星座点进行预处理,检测时将叠加的导频作为频域符号的先验分布,利用置信传播算法进行调制和解调,实现检测模型的简化。然后,应用因子图-消息传递算法对OFDM传输系统和信道进行建模和全局优化,引入酉变换加强信道估计算法的鲁棒性。最后,建立OFDM仿真环境对现有方法进行仿真分析。仿真结果表明,相对于现有的独立导频类算法,所提算法能够以相同复杂度显著提升OFDM系统的频谱效率和鲁棒性。     

改进的高效MIMO-OFDM系统EM信道估计算法

针对MIMO-OFDM系统中期望最大化(EM)信道估计算法在高信噪比(SNR)下带来的误差地板(EF)现象,且OFDM符号的数据传输效率随发射天线数的增加而明显降低,提出一种改进的高效EM信道估计算法。该算法首先引入一种准确的等效信号模型并推导出一种修正的EM算法,改善了EM算法在高SNR下的性能;在多个OFDM间利用相位正交导频序列来提高数据传输效率,同时进行联合信道估计以提高估计性能。仿真实验验证了所提算法具有更高的信道估计性能和更高的数据传输效率。     

一种用于SCMA系统的混合期望传播检测方法

作为一种新的非正交多址接入技术,稀疏码多址接入(Sparse Code Multiple Access,SCMA)被提出以支持大规模连接.基于稀疏因子图,SCMA利用低复杂度的消息传递算法(Message Passing Algorithm,MPA)来实现接近最优的多用户检测.但是,传统MPA的复杂度仍然很高.为了灵活地控制算法的复杂性,提出了一种混合期望传播检测算法用于SCMA检测,建立算法复杂度与信道阈值之间的关系,利用信道阈值控制算法复杂度.此外,将混合期望传播检测算法与消息回退机制相结合以提高性能.仿真结果表明,与其他检测方案相比,所提算法可以灵活地在算法性能和计算复杂度之间进行折衷.     

基于EM-SBL迭代的稀疏SIMO信道频域盲均衡算法

针对单输入多输出系统下稀疏信道均衡问题,提出了一种新的基于最大似然准则的频域迭代均衡算法.首先将多天线联合均衡问题建模为非完整观测数据集下频域信号序列的最大似然估计问题,利用期望最大化算法进行近似迭代求解,最终得到各个单频信号加权求和形式的均衡输出表达式.在每次迭代过程中,算法依次完成均衡输出的更新和信道参数联合条件后验分布的更新.考虑到信道固有的稀疏特性,在求解信道参数联合条件后验时,引入具有稀疏促进作用的先验分布对信道系数加以约束,使用稀疏贝叶斯学习迭代求解信道参数联合条件后验.仿真结果表明,本文算法具有较好的收敛特性和稳态性能,在中高信噪比条件下可以获得接近信道已知条件下的稳态系统误符号率性能.     

Effects of imperfect channel sensing and estimation on the performance of cognitive radio systems

In realistic scenarios of cognitive radio (CR) systems, imperfect channel sensing may occur due to false alarms and miss detections. Channel estimation between the secondary user transmitter and another secondary user receiver is another challenge in CR systems, especially for frequency‐selective fading channels. In this context, this paper presents a study of the effects of imperfect channel sensing and channel estimation on the performance of CR systems. In particular, different methods of channel estimation are analyzed under channel sensing imperfections. Initially, a CR system model with channel sensing errors is described. Then, the expectation maximization (EM) algorithm is implemented in order to learn the channel fading coefficients. By exploiting the pilot symbols and the detected symbols at the secondary user receiver, we can estimate the channel coefficients. We further compare the proposed EM estimation algorithm with different estimation algorithms such as the least squares (LS) and linear minimum mean square error (LMMSE). The expressions of channel estimates and mean squared errors (MSE) are determined, and their dependencies on channel sensing uncertainty are investigated. Finally, to reduce the complexity of EM algorithm, a sub‐optimal algorithm is also proposed. The obtained results show that the proposed sub‐optimal algorithm provides a comparable bit error rate (BER) performance with that of the optimal one yet with less computational complexity.     

基于混合消息传递和部分近似的联合信道估计MIMO-OFDM接收机

本文提出了一种基于混合消息传递和部分高斯近似(Partial Gaussian Approximation, PGA)的多用户干扰消除方法,并应用到联合信道估计MIMO-OFDM接收机中。由于多用户干扰模型中存在的“乘积-求和”结构,使得选择标准消息传递规则,如置信传播(Belief Propagation, BP),期望传播(Expectation Propagation, EP),平均场规则(Mean Field, MF),或者联合方法时只能在性能或复杂度方面有所取舍。现有根据标准消息传递规则得到的最优性能接收机复杂度高,而近似程度大的低复杂度接收机性能损失严重。本文根据多用户干扰模型的自身特点,对标准消息传递规则进行了修改,提出了一种基于混合消息传递规则和部分高斯近似的多用户干扰消除方法。依据信道估计过程中不同用户的信道权重,采用不同的消息传递规则,可以实现复杂度和性能的均衡调整。仿真结果表明,本文提出的多用户干扰消除方法,在性能接近已知最优接收机的情况下,能够大幅降低复杂度。      

基于EM算法的改进OFDM时变信道估计

针对正交频分复用（OFDM）系统中的信道时变,基于时变信道的分段线性近似模型,提出一种改进的OFDM时变信道估计方案。该方案通过采用期望最大化（EM）迭代算法来提高符号平均信道脉冲响应的估计精度,从而提高时变信道估计的性能;此外,在迭代过程中进行带状子载波间干扰抑制,不仅进一步提高了时变信道估计的性能,而且降低了实现复杂度。理论分析和仿真结果表明,该算法以较低的复杂度代价有效提高了时变信道OFDM系统的性能。     

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。     

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。     

上行SCMA系统的动态子图检测算法

面对未来网络需求量的爆炸性增长,稀疏码多址接入（Sparse Code Multiple Access,SCMA）作为一种基于码本的非正交多址技术,在用户连接数、频谱效率和低时延都有很大的提升。由于码字的稀疏性,SCMA采用消息传递算法（Message Passing Algorithm,MPA）实现多用户检测,但是复杂度还是相对较高,以至于很难应用于实际系统。为了解决上述问题,提出了一种动态子图消息传递算法（Dynamic Sub-graph Message Passing Algorithm,DS-MPA）进行信号检测。DS-MPA利用剩余值来确定下一次迭代的子图,减少了资源节点的更新用户数量,达到了降低复杂度的目的。仿真结果显示算法性能几乎无损并且降低了1/3左右的复杂度。