基于单分量提取的卷积盲分离算法

针对卷积盲分离问题,利用源信号之间相互独立的性质,提出一种基于单分量提取的联合块对角化算法依次估计各源信号对应的传输信道,以实现源信号分离.利用白化后观测数据相关矩阵的酉正交块对角化结构,改进最小二乘代价函数,将原函数中关于传输矩阵的四次函数转换为一组相互独立的子代价函数.每个子代价函数为三组待定参数的二次函数,用于估计一个独立信号块到达接收阵的子混迭矩阵.提出单分量提取的联合块对角化算法,交替估计各子代价函数中的三组待定参数,得到子信道混迭矩阵的估计,实现源信号的分离.实验结果表明,与经典的类Jacobi算法相比,所提算法收敛步骤大约减少20步,且收敛性能提高至少3dB,可快速有效地解决卷积盲分离问题.     

一种不受信道阶数估计影响的SIMO直接盲均衡算法

针对单输入多输出（Single-Input-Multiple-Output, SIMO）模型提出一种完全不需要信道阶数估计的直接盲均衡算法。文章利用接收数据的截短协方差矩阵和信号子空间的关系设计一种零延迟均衡器,并通过信道矩阵和均衡器系数的合响应特性克服了算法相位偏转的问题,最后得到一种对信道阶数估计鲁棒并且没有相位偏转的盲均衡算法。该算法不同于一般子空间类算法,不需要直接对接收信号的协方差矩阵进行信号子空间和噪声子空间的分解,因此对信道阶数估计具有很强的鲁棒性。文章给出了算法的Batch实现过程,同时为更好适应一般时变信道环境和实现实时处理的要求,通过递归迭代得到算法的自适应实现过程。仿真实验表明该算法几乎不受信道阶数过估计或欠估计的影响,同时该算法具有良好的均方误差（Mean Square Error, MSE）和误符号率SER（Symbol Error Rate, SER）性能,并且具有很快的收敛速度。      

基于时频子空间投影的LOFDM系统时域相关信道估计算法

Strohmer T与Beaver S于2003年提出了适用于时频散射信道的网格正交频分复用 (LOFDM, Lattice Orthogonal Frequency Division Multiplexing)系统,与传统OFDM系统相比该系统具有更高的频带利用率和更好的误码性能。LOFDM系统发送端需要自适应地调整信号的原形脉冲和其时频分布的参数,使之与信道保持匹配;而接收端则需要准确的信道估计以实现相干解调。本文针对LOFDM 系统由于其信号的时频交错特性接收端无法直接利用接收信号进行时域信道估计的问题,采用一种低复杂度的等效时频子空间投影方法有效分离奇偶子载波,并在此基础上提出了一种LOFDM系统频率选择性块衰落信道条件下的时域信道估计算法。同时还对系统存在的干扰进行了分析,推导得到LOFDM系统信道估计算法的Cramér-Rao理论下界。仿真表明:提出的LOFDM信道估计算法不仅具有较好的均方误差性能,而且近似达到理想信道估计的误符号率性能。      

OFDM系统中的信道自适应估计与跟踪算法比较

传统的QR分解和投影逼近子空间（PAST）分解算法,可用于矩阵的奇异值分解和秩数的估计。讨论了在正交频分复用（OFDM）通信系统中基于这两种分解方法对导引信号的子空间进行分解,实现信道矩阵的自适应跟踪估计。采用这种算法,降低了矩阵运算的维数,使每个符号期间信道估计的运算量减少,信道估计的均方误差减小,接收机的误码性能得到改善,同时利用计算机模拟,对两种算法运用到信道估计中的跟踪性能进行了比较。     

基于子空间的MIMO-OFDM盲信道估计

基于子空间的MIMO-OFDM盲信道估计算法传输效率较高,但是算法计算量较大且接收端需要较多的信号才能进行精确估计.本文将基于噪声子空间的跟踪算法应用到MIMO-OFDM系统进行信道估计,并且对接收信号进行重构,达到了降低算法复杂度的目的,并减少了对接收信号数量的需要.     

基于信号子空间的改进OFDM系统信道半盲估计

本文改进了一种基于信号子空间的OFDM系统半盲信道估计算法.该算法利用基于梯度变化的变遗忘因子递归最小二乘算法(GVFF-RLS)计算接收信号的自相关矩阵.通过同时对角化接收信号中的信息信号和噪声信号的全局协方差矩阵,推导出噪声信号子空间,无需对噪声信号的统计特性进行任何先验假定.本算法弥补了原始算法在慢衰落信道下收敛慢以及只限于加性白噪声的不足,实现了色噪声背景下高效半盲信道估计.仿真结果表明本文提出的算法具有良好的性能.     

基于噪声子空间跟踪的OFDM盲信道估计

基于子空间分解的OFDM信道估计算法利用信号子空间和噪声子空间的正交性可以对信道参数进行盲估计,但是子空间分解的运算量大,使盲信道估计算法的实用化受到限制。本文在噪声子空间自适应跟踪的基础上进行OFDM盲信道估计,显著降低了运算量。仿真结果表明,在适当选择学习因子后可以实现对噪声子空间的快速跟踪,在噪声子空间跟踪的基础上得到的信道估计性能接近于子空间分解法。     

基于QR分解的MIMO信道盲辨识和盲均衡方法

针对SIMO信道的经典盲估计方法,如子空间法(SS)等,都是基于接收端样本自相关阵的特征值分解(EVD)或奇异值分解(SVD)来实现信道估计的,而基于QR分解的SIMO信道盲辨识方法是最近提出的一种性能优良的新算法.本文将该算法推广为MIMO信道盲辨识算法,并且证明了在一定的假设下,即使各路源信号为空间相关且其统计特性未知时,该算法仍然保持有效.实验结果表明这种MIMO辨识算法具有收敛速度快、计算量小、无须对噪声做额外的处理、对噪声不敏感等优点.我们还将这种算法与经典的MIMO辨识算法进行了性能比较.     

一种基于子空间跟踪的认知MIMO预编码算法

针对多用户认知MIMO下行系统,提出一种适用于慢衰落信道环境的预编码算法。该算法基于子空间跟踪思想,利用信道时域相关性,通过递推方式自适应更新预编码矩阵来跟踪和适应慢衰落信道环境的变化。分别从算法收敛速度、收敛精度、跟踪性能以及计算复杂度四个方面进行了理论推导和仿真分析。结果表明,所提算法可以有效的跟踪信道环境的动态变化,与传统算法相比,在保证系统性能的同时显著降低了处理复杂度。     

基于块Hankel矩阵构造的双基地MIMO雷达相干多目标定位

该文提出了一种相干多目标情况下双基地MIMO雷达的收发角度估计方法。利用接收协方差矩阵中的元素构造块Hankel矩阵,该矩阵的秩等于目标的总个数,而与目标源的相干性无关,并通过奇异值分解获取信号子空间,最后运用ESPRIT算法估计出目标的发射角和接收角。仿真结果表明:本文算法能有效地估计出相干目标的收发角,且实现自动配对;相对于2维空间平滑算法,在低信噪比和低快拍数情况下,具有更好的估计性能。     

快速的ZP-OFDM系统中的盲信道估计算法

基于子空间的盲信道估计因为其节约带宽和发射功率成为OFDM系统中比较热门的研究领域。但是,之前很多子空间算法有的收敛速度快,计算复杂度却高,有的用迭代算法跟踪子空间的特征结构,复杂度较低,但收敛速度却比较慢。提出了一种基于快速收敛的LMS-Newton算法的ZP-OFDM系统的信道估计方法,既提高了收敛速度,计算复杂度又不是很高。借助于子空间跟踪,该算法可以自适应地估计信道相关矩阵的噪声子空间,从而估计OFDM系统信道。仿真结果表明该算法可以改善信道估计的性能。     

循环前缀块传输系统中的一种MIMO盲信道估计算法

信道估计一直是无线通信领域的研究热点之一,信道参数估计的好坏对系统的整体性能有着至关重要的影响。针对采用循环前缀的多输入多输出(MIMO-CP)系统,本文提出了一种基于子空间的盲信道估计方法,该算法利用了循环前缀所引起的冗余信息。基于子空间的盲信道估计算法都是通过对接收块的自相关矩阵进行奇异值分解(SVD)来实现信道估计的,因此需要利用尽可能多的接收块来得到准确的自相关矩阵的估计值,这就意味着会产生过久的判决延迟以及不能准确对快变信道进行跟踪。利用MIMO-CP系统中系统矩阵特有的块循环特性,对于连续的两个接收数据块以及对应的循环前缀部分组成的向量,可以重新构造一组新的向量而不改变系统的信道矩阵,因此可以通过较少的接收块来得到准确的自相关矩阵的估计值,该方法十分适用于对快变信道的盲估计。文章通过仿真分析了在不同的重复系数以及不同的接收块下该算法的性能并且比较了该算法与现有的“预编码”、“虚拟子载波”等盲信道估计算法的性能。仿真结果表明,提出的算法利用较少的数据块个数就得到了一个可靠的信道估计值和很好的误码率性能。      

广义复相关熵与相干分布式非圆信号DOA估计

针对相干分布式非圆信号参数估计算法在脉冲噪声环境下性能退化的问题,本文提出了广义复相关熵的概念,并给出了基于广义复相关熵的相干分布式非圆信号DOA（Direction of Arrival）估计方法。该算法首先由分布式信源模型获得入射信号的阵列输出信号,利用信号的非圆特性得到扩展阵列输出信号,再通过扩展阵列输出信号的广义复相关熵矩阵获取信号子空间,避开了传统二阶统计量算法在脉冲噪声下不适应的问题,最后由信号子空间旋转不变特性得到信号的中心波达方向角度。仿真实验结果表明,在Alpha稳定分布噪声条件下,与传统算法相比,本文所提算法具有更好的性能。      

QR factorization based blind channel identification withsecond-order statistics

Most eigenstructure-based blind channel identification and equalization algorithms with second-order statistics need SVD or EVD of the correlation matrix of the received signal. In this paper, we address new algorithms based on QR factorization of the received signal directly without calculating the correlation matrix. This renders the QR factorization-based algorithms more robust against ill-conditioned channels, i.e., those channels with almost common zeros among the subchannels. First, we present a block algorithm that performs the QR factorization of the received data matrix as a whole. Then, a recursive algorithm is developed based on the QR factorization by updating a rank-revealing ULV decomposition. Compared with existing algorithms in the same category, our algorithms are computationally more efficient. The computation in each recursion of the recursive algorithm is on the order of O(m²) if only equalization is required, where m is the dimension of the received signal vector. Our recursive algorithm preserves the fast convergence property of the subspace algorithms, thus converging faster than other adaptive algorithms such as the super-exponential algorithm with comparable computational complexities. Moreover, our proposed algorithms do not require noise variance estimation. Numerical simulations demonstrate the good performance of the proposed algorithms     

基于SP-LCCMA的STBC MC-CDMA系统盲信道估计

研究了空时编码多载波码分多址系统（STBC MC—CDMA）盲信道估计技术。根据信道位于信号子空间的特点,提出基于信号子空间投影线性约束恒模算法（SP—LCCMA）的盲信道估计,避免了噪声子空间信道估计的缺点,将估计信道应用于STBC MC—CDMA系统多用户检测。仿真结果表明,提出算法的收敛速度和信干噪比（SINR）性能优于一般恒模算法。     

一种空时分布多径信号DOA-时延联合估计的ESPRIT方法

在城市密集环境下,由于局部密集多径反射信号不再符合点目标模型,传统多径参数(波达方向与相对时延)联合估计算法往往失效。针对此类问题本文考虑一种基于空时相干分布的多径模型,并在得到信道估计后将其转化至频率域去卷积获得空时联合信号子空间,由于多径扩展影响该信号子空间不再具有旋转不变结构,本文通过在联合信号子空间中抽取行向量构造不同的矩阵对,使各矩阵对在相位上满足旋转不变性质,然后,利用ESPRIT算法估计中心时延与中心DOA参数。与点目标ESPRIT方法相比该方法能够有效克服多径扩展影响,实现参数自动配对,且具有不敏感于多径分布形式的优点,仿真实验证明了其有效性。     

OFDM中基于子空间分解的半盲信道估计

针对OFDM系统中盲信道估计计算量大、收敛速度慢和估计精度低的缺点,以及传统信道估计方法的频带利用率低的缺陷,详细介绍了基于子空间分解的半盲信道估计方法。该方法利用接收信号的相关矩阵特性来估计信道,其是传输速率和收敛速度的折衷,通过Matlab软件仿真表明,此方法能较大地改善信道估计精度和降低系统的误差。仿真结果对信道估计问题的深入研究具有借鉴意义。     

Matrix-Group Algorithm via Improved Whitening Process for Extracting Statistically Independent Sources From Array Signals

This paper addresses the problem of blind separation of multiple independent sources from observed array output signals. The main contributions in this paper include an improved whitening scheme for estimation of signal subspace, a novel biquadratic contrast function for extraction of independent sources, and an efficient alterative method for joint implementation of a set of approximate diagonalization-structural matrices. Specifically, an improved whitening scheme is first developed by estimating the signal subspace jointly from a set of diagonalization-structural matrices based on the proposed cyclic maximizer of an interesting cost function. Moreover, the globally asymptotical convergence of the proposed cyclic maximizer is analyzed and proved. Next, a novel biquadratic contrast function is proposed for extracting one single independent component from a slice matrix group of any order cumulant of the array signals in the presence of temporally white noise. A fast fixed-point algorithm that is a cyclic minimizer is constructed for searching a minimum point of the proposed contrast function. The globally asymptotical convergence of the proposed fixed-point algorithm is analyzed. Then, multiple independent components are obtained by using repeatedly the proposed fixed-point algorithm for extracting one single independent component, and the orthogonality among them is achieved by the well-known QR factorization. The performance of the proposed algorithms is illustrated by simulation results and is compared with three related blind source separation algorithms