基于奇异值分解的MIMO-OFDM系统角域MAP信道估计算法

最大后验概率信道估计算法应用于多输入多输出-正交频分复用(MIMOOFDM)系统时需要大规模的矩阵求逆和乘积运算,且系统数据传输效率随发送天线数的增加明显降低.为克服这些问题,提出了一种基于奇异值分解的角域最大后验概率信道估计算法.该算法通过期望最大化把(MIMO)信道估计问题简化为一系列独立的单输入单输出(SISO)问题,并使用奇异值分解避免了大规模矩阵求逆和乘积运算;通过多个OFDM符号联合估计信道提高了系统数据传输效率及算法的估计性能.仿真实验验证了此算法的有效性.     

Turbo编码MIMO-OFDM系统中的EM迭代信道估计

该文对频率选择性衰落信道条件下的Turbo编码多入多出正交频分复用(MIMO-OFDM)系统的信道估计进行了研究,提出了一种将Turbo迭代译码与EM迭代信道估计相结合的方法。采用该方法的EM迭代信道估计性能得到了明显提高,且适合于非常恶劣的信道环境。另外,通过仿真可知,利用EM迭代信道估计算法的系统性能优于利用简化的最小二乘(LS)信道估计算法所获得的系统性能。     

一种基于1bit压缩感知的毫米波信道估计算法

针对毫米波大规模多输入多输出(MIMO)系统在接收端使用高精度模/数转换器的成本和功耗高等问题,文章提出了一种采用1 bit量化器的信道估计算法。该算法首先根据量化后的接收信号计算条件期望估计量化前的接收信号,然后利用毫米波信道在角度域的稀疏性,使用正交匹配追踪算法,每次迭代选取与当前残差最大相关的原子进行最小二乘估计。为了提升算法的有效性,文章同时提出了每次迭代选取多个原子的解决方案。仿真结果表明,文章所提算法的平均归一化均方误差是期望最大(EM)算法的1/10,且每次迭代运行时间为EM算法的1/20,其在有效性和可靠性等方面均有较大提升,在毫米波大规模MIMO系统信道估计应用中有一定的实用价值。     

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。     

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。     

平坦信道下的MIMO信道估计误差分析

基于导频序列推导了频率平坦多输入多输出(MIMO)信道下的最小二乘信道估计(LS)误差;将信道估计误差等效为高斯噪声,推导了信道估计条件下系统的等效信噪比,提出了用系统的等效信噪比来分析和评估在信道估计误差条件下系统的误码性能;最后用等效信噪比的方法评估了ZF-V-BLAST算法在信道估计下的性能,结果表明和计算机仿真结果基本相吻合。     

一种基于多信道模型的IIR信道盲辩识算法

本文的主要贡献在于:1)证明了对单输入单输出(Single-Input-Single-Output SISO)IIR信道的输出进行过采样可以将其转化成单输入多输出(Single-Input-Multiple-Output SIMO)的多信道模型,不同的子信道具有相同的AR系数。2)由SISO向SIMO模型的转化时,本文指出子信道数是可变的,并且当子信道数等于过采样的倍数时,辨识效果最好。实验证明本文算法估计效果好,计算量小。特别是当用于估计的点数较少时仍能保持良好的性能,因而可适用于快变信道。     

一种新的最小均方误差线性合并算法

针对未编码的多输入多输出系统,将基于训练序列的最小均方误差(MMSE)信道估计算法与最优线性无偏估计结构(BLUE)相结合对已估计的信道参数进行估计.仿真结果表明,使用线性合并的MMSE算法比传统的MMSE算法具有较小的参数估计误差,比使用线性合并的LS算法性能更好.     

应用加权高斯模型的非理想稀疏信道估计

在高速通信系统中,由于多径信道通常存在一些小的散射体,使得抽头向量不满足理想的稀疏特性,导致经典的稀疏估计算法存在一定的性能损失。针对上述非理想稀疏特性问题,提出了一种基于酉变换近似消息传递(Unitary Transform Approximate Message Passing,UT-AMP)和加权高斯(Weighting-Gaussian,WG)先验模型的稀疏估计算法。首先,由非理想稀疏信道的构造分析,导出了WG先验模型和参数;其次,利用贝叶斯公式对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统进行因式分解和因子图建模,归纳了在消息传递框架内期望最大化(Expectation Maximization,EM)算法嵌入方式,推导了联合UT-AMP和EM的信道估计算法;最后,建立仿真环境对所提算法进行复杂度分析和数值仿真。仿真结果表明,所提算法能够以同阶复杂度实现信道估计性能和频带利用率的提升,具有很高的应用和推广价值。     

基于MCoSaMP算法的MIMO稀疏信道估计

针对单载波多输入多输出(Multiple Input Multiple Output,MIMO)系统中的稀疏信道估计问题,基于压缩传感(Compressed Sensing,CS)理论,提出了一种改进的压缩采样匹配追踪(Modified Compressive Sampling Matching Pursuit,MCoSaMP)算法.新算法在现有的压缩采样匹配追踪算法的基础上,通过前一步迭代的残差设计了一种自适应加权因子,利用该加权因子进行加权最小二乘估计,逐步减小了异常样本对当前估计的影响.仿真结果表明,在使用相同长度的训练序列时,新算法与现有的基于压缩采样匹配追踪的估计算法相比,在估计精度上有明显提高.     

可重构智能表面中低复杂度毫米波信道估计算法

针对可重构智能表面(RIS)辅助的大规模多输入多输出(MIMO)毫米波系统中信道估计复杂度高的问题,该文提出一种低复杂度的信道估计算法。在该方案中,将RIS部分元素连接射频(RF)链,分离估计基站/用户和RIS之间的信道,分开获取信道有助于提升用户移动性场景下信道估计的灵活性。在所考虑系统中,首次使用低复杂度的2维快速傅里叶变换(2D-FFT)算法对角度进行估计,并考虑信号补零以获得更加精准的角度估计值,最后利用信号2维空间谱的谱峰和其对应的辐角得到路径增益估计。仿真结果表明,该算法达到了优良的信道估计性能,且在确保信道估计性能的系统参数设置下,该算法具有压倒性的复杂度优势。     

基于网格搜索的同步损伤和信道联合估计算法

为了实现多输入多输出(MIMO)正交频分复用(OFDM)系统中同步损伤和信道的联合估计,提出了一种基于网格搜索的联合估计算法。首先通过构建起一个以反映同步损伤和信道响应影响的系统模型,然后将各损伤参数估计的多维优化问题简化为二维网格和一维网格搜索,从而实现对载波频率偏移、采样频率偏移和符号定时误差的联合估计;数值仿真结果表明,本文提出的联合估计算法相比于非联合估计算法具有更好的估计性能。     

5G毫米波信道估计研究综述

信道估计是大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)毫米波(Millimeter Wave,mmWave)系统关键技术之一。梳理了近几年大规模MIMO毫米波的信道估计策略,重点从压缩感知(Compressive Sensing,CS)、参数估计和深度学习三个方面进行了描述与分析。通过算法性能的对比,总结了毫米波信道估计目前存在的问题以及未来发展的趋势。     

一种基于EM算法的MIMO-OFDM系统信道估计技术

从提高多输入多输出正交频分复用（MIMO—OFDM）系统频谱利用率的目的出发，提出了一种改进型的基于EM（Expectation Maximization）算法的信道估计技术。仿真结果表明，改进后的算法可以显著提高频谱利用率，同时保持原算法的精度。     

一种自适应稀疏度的混合场信道估计算法

针对6G超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)系统信道特性变化造成现有的近场和远场信道估计方案不能准确估计XL-MIMO混合场信道的问题,同时考虑到实际系统中稀疏度难以获取,提出了一种基于分段弱正交匹配追踪的混合场信道估计(Hybrid-field Stagewise Weak Orthogonal Matching Pursuit,HF-SWOMP)算法。该算法利用XL-MIMO混合场中近场和远场区域不同的信道特性,分别对近场和远场信道分量进行估计,从而得到混合场信道。仿真结果表明,所提XL-MIMO混合场信道估计算法性能相对于仅考虑近场和远场信道估计方案分别提高了约3.5 dB和3 dB,更符合实际信道场景。     

差分空时系统的天线选择算法

一般的天线选择算法都需要信道状态信息,根据信道参数选择天线.然而,估计多输入多输出(MIMO)系统的信道参数大大增加了系统复杂性,而且,在快衰落信道中,信道估计是很困难的.基于正交空时编码和接收信号向量的范数,提出了非相干的天线选择算法(NON-AS),不需要估计信道,并将算法应用于差分空时系统.性能分析和仿真结果表明,在高信噪比情况下,NON-AS算法能实现和完全复杂性系统同样的分集增益.     

时变条件下MIMO-OFDM系统中的信道估计算法

本文设计了时变多径衰落条件下MIMO-OFDM系统中一种新的信道估计算法.该算法结合递归EM算法和Kalman预测对时变信道进行跟踪.借助软球形译码器(List Sphere Decoder,LSD)产生的搜索列表,递归EM算法序贯遍历搜索列表中可能的符号组合来估计各个子载波上的信道频率响应;基于获得的信道频率响应估计,Kalman预测器利用衰落信道的时域二阶统计特性进一步跟踪信道时变.仿真结果表明:本文设计的算法可以有效跟踪信道时变,性能优于传统的软输入Kalman滤波算法.     

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.     

基于生成对抗网络的RIS辅助系统信道估计算法

针对可重构智能表面(Reconfigurable Intelligent Surface, RIS)辅助的通信系统中难以获取准确信道状态信息(Channel State Information, CSI)的问题,提出一种基于条件生成对抗网络(conditional Generative Adversarial Network, cGAN)的深度学习算法,用于实现可重构智能表面辅助单输入多输出(Reconfigurable Intelligent Surface assisted-Single Input Multiple Output, RIS-SIMO)系统的上行信道估计。采用最小二乘(Least Squares, LS)估计算法进行信道的粗估计,进一步设计cGAN将信道估计问题建模为低分辨图像到高分辨图像的恢复问题,通过设计网络结构和改进损失函数来提高信道估计的精度。仿真实验表明,相比传统的LS算法以及基于卷积的深度残差网络(CNN based Deep Residual Network, CDRN)估计算法,所提算法具有更高的估计精度,且可以适应更少导频数目和更复杂的应用场景。     

空时编码多载波码分多址MIMO系统下行频率选择性信道盲估计

基于子空间方法的无线信道盲估计由于其算法的固有特性,使得估计结果与实际信道之间存在一个不确定复系数,无法得到无线信道的精确估计。在利用子空间分解方法对空时编码多输入多输出MC-CDMA系统下行频率选择性信道盲估计的基础上,利用发射符号的有限码集特性,将单载波系统下的模糊复系数盲辨识方法推广到多载波多输入多输出系统,从而得到信道的精确估计。Monte-Carlo仿真表明,在信噪比较低的情况下,本方法的信道估计误差仍然较小。