多小区Massive MIMO系统中低复杂度MMSE线性检测算法研究

文章针对多小区Massive MIMO上行链路系统中MMSE线性检测中涉及大矩阵求逆具有高复杂度的问题,提出了一种低复杂度的MMSE检测算法。首先考虑已知目标小区的信道状态信息而其他小区信道状态信息未知条件下,通过求解干扰项与噪声之和的均值与方差,将多小区信道模型转化为单小区信道模型,再利用MMSE算法进行检测。为了降低求逆矩阵的复杂度,将大矩阵分解为对角矩阵和空心矩阵之和,再利用诺依洛曼级数近似将其展开,并优化展开项因子来增加算法收敛速度。仿真结果表明,所提出的改进算法在性能损失很少的情况下复杂度从O(K~3)降低到O(K~2),其中K为本小区中的用户数。     

多径信道下MIMO系统发送天线数估计

为了解决认知无线电或信号截获中多径信道下MIMO系统发送天线数估计问题,首先分析了现有模型在多径信道下失效的原因,将MIMO多径信道模型等效变换出一种虚拟信道矩阵,从而建立多径信道下MIMO系统发送天线数估计模型;然后,利用随机矩阵理论中协方差矩阵最小特征值分布的相关研究结果,证明了时不变瑞利信道的协方差矩阵最小特征值收敛于第二类Tracy-Widom分布,分析了该特点对发送天线数估计的影响,并提出一种改进的RMT估计算法来估计多径信道下MIMO系统发送天线数.最后对改进算法进行了仿真验证,结果表明在低信噪比和小数据条件下,改进算法的估计性能相比RMT算法有较大提升.     

一种基于MMSE的低复杂度自适应均衡算法

传统的MMSE均衡算法需要作信道估计,算法复杂度也很高,采用了一种基于最陡梯度下降的LMS迭代算法,该算法不需要信道估计,也不需要复杂的矩阵逆运算,其算法复杂度远远低于MMSE均衡算法的复杂度。仿真结果表明,该LMS迭代算法的收敛速度比RLS算法的收敛速度稍慢,而误码率与RLS算法相当,但其算法复杂度远远低于RLS算法和传统的MMSE均衡算法。     

基于共轭梯度法的低复杂度信道估计

考虑在大规模MIMO系统中基于导频的信道估计,基站端配置有数百根天线,传统的MMSE估计器虽然在估计精度上有着良好的性能,但是由于在利用MMSE方法进行信道估计时,存在对协方差矩阵求逆的运算,导致其计算复杂度为OM3,其中M为信道协方差矩阵的维度。在基站天线数很大的时候,这将是一个极其复杂的过程。为解决这个问题,将通过将求逆过程转化为解线性方程组的问题,利用共轭梯度法,使整个计算过程的计算复杂度降为ONM2,其中N为共轭梯度法的迭代次数,而且N<相似文献   

OFDM系统中基于PM的时延估计算法

在正交频分复用(OFDM)系统的超分辨时延估计中,针对多重信号分类(MUSIC)算法的特征分解计算复杂度较高的问题,给出一种基于传播算子(PM)的时延估计算法。对OFDM系统进行信道估计,根据信道估计结果计算协方差矩阵,并利用协方差矩阵计算PM,然后根据PM构造出噪声子空间并将其标准正交化,最后利用伪谱函数进行时延估计。仿真结果和复杂度分析表明,在复杂度大幅度下降的条件下,所提算法与MUSIC性能相当,且逼近克拉美罗界。     

基于Akaike信息论准则的无人机OFDM信道估计算法

文章通过对无人机通信信道的分析,指出其稀疏信道特征,使用普通算法对此信道进行信道估计会引入高阶矩阵运算,为加快收敛速度、降低实现难度,文中提出了一种利用GAIC(generalized Akaike information criterion)准则和RPC(phase-rotated Chu sequences)训练序列的OFDM航空信道LS(least square)估计方法,该方法利用GAIC准则确定信道MA(moving average)模型的阶次及抽头位置,为减小信道估计的运算复杂度,引入RPC序列作为训练序列,既满足了LS(least square)估计,又大大减化了计算复杂度.文章针对具体应用给出文中算法的性能仿真结果,证明了此算法可避免高阶矩阵运算,节约了大量权值可忽略抽头所引入的资源占用和计算量,且显著减小估计误差,可更好跟踪快变的稀疏信道.     

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。     

基于加权l1最小化的低复杂度波达方向估计算法

基于阵列协方差矩阵的稀疏表征和阵列响应矩阵的Khatri-Rao积,提出了一种低运算复杂度的波达方向估计算法.所提算法在减少未知数个数的同时,通过线性变换降低约束方程的维数,可有效减少优化问题的计算复杂度.为充分利用阵列协方差矩阵中蕴涵的信息,使用Capon谱的倒数作为权值构建出了加权l1最小化问题,这使得所提算法在降低运算量的同时能够获得较好的估计性能.仿真实验验证了所提算法的有效性.     

一种低复杂度的LTE信道估计的算法

信道估计是MIMO-OFDM系统中的关键技术,传统信道估计的复杂度因太高而不易实现,针对该问题,提出了一种基于K-L变换(Karhuen-Loeve)的LMMSE信道估计算法,通过对信道冲激响应矩阵进行等价变形,避免了原算法中矩阵求逆的过程。而且对K-L展开后形成的特征值进行处理,使得计算复杂度得到很大程度的改善。仿真结果表明,所提改进算法不仅具有较低复杂度,而且具有良好的信道估计性能。     

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。      

结合反卷积和扩张卷积的信道估计算法

信道估计作为无线通信的关键,近年来成为相关领域的研究热点。本文针对正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）系统下传统信道估计算法性能难以满足复杂场景的通信需求、受噪声影响大等问题,提出了一种基于反卷积网络及扩张卷积网络信道估计的深度学习方法。该方法利用信道的相关性构建了一个轻量级的反卷积网络,利用少数几层反卷积操作来逐步实现信道插值与估计,在较低的复杂度下较好地实现了信道估计。为改善估计性能,进一步构建了一个扩张卷积网络来抑制信道噪声,提高信道估计的准确度。仿真结果表明,在不同信噪比条件下,本文提出的基于反卷积及扩张卷积的深度学习方法比传统方法具有更低的估计误差,且复杂度较低。      

基于高阶矩的Nakagami-m参数估计方法

衰落信道参数估计是无线信道传输系统中的关键技术。首先建立了噪声条件Nakagami-m分布模型,提出了一种基于高阶矩的Nakagami-m参数估计方法。该方法利用了高阶矩具有检测高斯分布特性的特点,用以识别衰落信道的属性。理论分析和仿真试验均证明了新方法的可行性和有效性,并对矩估计方法的计算复杂度进行了分析,从理论上证明其运算量低于最大似然估计方法。     

On Blind Timing Acquisition and Channel Estimation for Wideband Multiuser DS-CDMA Systems

The problems of blind timing acquisition and channel estimation for DS-CDMA signals in multipath fading channels are investigated. Using only the spreading code of the desired user, methods based on QR decompositions are proposed. These methods perform comparably or even better than subspace based methods with an order lower complexity. Furthermore, the methods exhibit significantly more robustness to channel order mismatch. Based on the acquired timing information, channel estimation algorithms are also developed which are competitive with the previously proposed subspace based channel estimation algorithms. In addition, a channel order estimation algorithm is proposed for the scenario where the order is unknown. Performance of the proposed algorithms is evaluated through simulation and comparison to asymptotic Cramér-Rao bounds.     

Low-Complexity Channel Estimation Using Short-Point FFT/IFFT for an Iterative Receiver in an LDPC-Coded OFDM System

A frequency-domain channel expanding technique (FD-CET) is proposed for channel estimation in an iterative receiver of a low-density parity-check coded orthogonal frequency division multiplexing system. The FD-CET can expand a subset of the frequency-domain channel gains to all of them in a short-point FFT/IFFT format. This technique is applied to estimate the channel gains utilizing the pilots and information from the decoder in an iterative manner. It is a novel low complexity channel estimation method. Numerical results demonstrate that the proposed channel estimator approaches a maximum-likelihood performance within only a few iterations under multi-path channels.     

基于韦伯分布函数的低复杂度变步长符号算法

针对OFDM系统中传统信道估计算法在冲击噪声环境中性能急剧下降的问题,提出了一种基于韦伯分布函数的顽健型变步长符号算法进行信道估计。在深入研究冲击噪声特性及韦伯分布函数性质的基础上,提出了采用估计误差绝对值的韦伯分布函数控制步长的低复杂度变步长符号算法。该算法在利用传统符号算法顽健性的基础上,采用估计误差的韦伯分布函数动态地改变迭代符号算法的步长,从而能够以较低的复杂度提高变步长符号算法在冲击噪声环境中的收敛速度。算法复杂度分析及仿真结果表明,在冲击噪声环境下所提算法相较于传统自适应滤波信道估计算法能够以更低的复杂度、更快的收敛速度达到相同的信道估计均方误差。     

适用于IEEE 802.11a/g的联合信道估计和均衡算法

基于IEEE 802.11a/g协议,提出了一种联合信道估计和均衡的算法,该算法采用自适应信道估计方式在低信噪比情况下实现精确的信道估计,并且具有较低的设计复杂度。信道均衡采用频域内MMSE(FD-MMSE)均衡方式,与自适应信道估计配合在系统性能和计算复杂度方面取得较好折中。仿真表明该算法结构性能满足IEEE 802.11a/g协议规定,与同类算法相比在低信噪比区域提高系统性能的前提下算法的计算复杂度也有所降低。     

基于LPA的SIMO-OFDM系统盲信道估计

OFDM系统中的盲信道估计对能否正确恢复信号起决定性作用,现有的算法存在计算复杂度高、精度低的缺点.本文提出将传统的盲信道辨识算法,即线性预报法应用于SIMOOFDM系统中.该算法利用二阶统计量信息,其计算复杂度明显降低,本算法对信道阶数的估计更具有鲁棒性,可获得较高的估计精度.仿真表明,本文算法的性能优于子空间算法.     

一种改进的基于导频的OFDM信道估计算法

文中对OFDM（正交频分复用）系统中基于导频的信道估计技术进行了研究。MMSE（最小均方误差估计）算法有很好的性能但复杂度大,LS（最小二乘法估计）算法复杂度低但性能受到限制,在综合考虑性能和复杂度的情况下介绍了两种改进方法。并针对基于梳状导频的二项插值算法的缺陷,提出了一种改进的算法,计算机仿真证明了改进算法的误码率性能在高信噪比条件下高于原算法。     

基于子空间信道矩阵迭代的阶数估计算法

针对二阶统计量信道盲辨识算法中有效阶数估计问题,该文提出了一种基于子空间信道矩阵迭代的阶数估计(SS-CMR)算法.基于过估计条件下的Q矩阵特殊结构和其解空间向量可等价为真实信道冲激响应与公共零点信道的卷积,该算法首先利用子空间算法获得估计的信道矩阵,然后构建迭代形式的代价函数进行阶数估计.仿真表明,SS-CMR算法较CMR算法性能提升,且明显优于现有其他阶数估计算法;解析分析表明算法复杂度较CMR算法明显降低,对首尾系数很小的信道的阶数估计尤为有效.     

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。