一种简化的OFDM信道估计方法

OFDM（JE交频分复用）技术是无线通信领域的重要技术,研究信道估计精度对系统性能有着直接的影响。提出了基于导频插入的LS（最小二乘法估计）、MMSE（最小均方误差估计）和SVD（奇异值分解）信道估计方法。并针对MMSE算法有很好的性能但复杂度大,LS算法复杂度低但性能受到限制,提出了一种改进方法。采用广义平稳非相关散射下的多径时变瑞利信道模型,对各个算法进行了仿真试验,得出不同算法的信道估计中误比特曲线,比较了各个算法的性能。仿真结果表明：改进的算法有好的性能和低的复杂度。     

OFDM稀疏信道估计中改进的OMP算法

针对传统的最小二乘（LS）算法需要导频数多而估计精度不高、正交匹配追踪（OMP）算法估计效果好但计算复杂度高的缺点,从硬件实现的角度出发,提出一种基于动态门限的OM P信道估计算法,对OFDM 的信道响应进行估计。该算法可减少OM P算法寻找匹配向量时向量运算的次数。仿真结果表明,与LS算法相比,该算法使用较少的导频,获得了很好的信道估计性能;与OM P算法相比,该算法显著减少了计算复杂度和运算时间。     

MIMO-OFDM系统中基于小波包的信道估计方法

对多输入多输出-正交频分复用(MIMO-OFDM)系统中基于导频辅助的最小二乘(LS)信道估计算法进行研究,针对LS算法对噪声影响比较敏感的缺点,提出了一种基于小波包去噪的信道估计方法,对导频符号的信道响应进行去噪处理后,再做内插估计.根据该方法的思想,基于长期演进(LTE)协议进行计算机仿真与分析,结果表明该方法比传统的LS估计算法具有更好的性能,能够有效减小信道噪声的影响,提高信道估计精度.     

基于导频的MIMO-OFDM系统信道估计算法研究

信道估计作为MIMO-OFDM的一种关键技术对系统性能有着十分重要的影响,该文分析了基于块状导频、梳状导频、矩形导频对信道估计的影响,并对LS线性插值算法进行了改进,通过计算机仿真验证了改进的LS插值算法在精度和性能上优于原有的算法。     

基于最小二乘的UWB信道盲估计算法

针对超宽带系统的离散信道模型,利用接收信号的一阶统计量,提出一种基于最小二乘（LS）的盲信道估计算法。利用接收信号的循环卷积特性,在一个符号间隔内建立模型,最后利用LS算法求解。仿真表明,该算法与基于导频序列的ML估计方法和LS估计方法相比,均方误差（MSE）性能相差不大,但计算复杂度明显降低,同时提高了系统传输效率。     

用于大规模MIMO系统的SAGE迭代信道估计算法

针对基于导频污染的大规模多输入多输出系统,提出一种空间交替广义期望最大化(SAGE)迭代的信道估计算法。将发送和接收的导频符号形成完备的数据空间集,利用基于导频的最小均方误差估计器初始化信道参数,通过导频符号和软信息迭代改进并更新初始估计数据。实验结果表明,该算法通过一次SAGE迭代即可实现精度收敛,且在高信噪比及导频污染的情况下相比基于导频的估计器具有更高的估计精度及频谱效率。     

基于压缩感知的稀疏信道估计方法

针对OFDM系统中传统最小二乘(LS)信道估计方法需要大量导频估计精度却不高的问题,提出基于压缩采样匹配追踪(CoSaMP)的压缩感知信道估计新方法.利用发送信号,接收信号和信道的频城关系建立基于压缩感知的数学模型,再采用CoSaMP算法对信道进行重构.仿真结果表明,与LS算法相比,基于CoSaMP的压缩信道估计方法能利用少量的导频信号达到与之相比拟的信道估计性能,提高了频谱利用率;与现有压缩感知信道估计算法(基追踪(BP)与正交匹配追踪(OMP)相比,在使用相同导频数目条件下,具有更好的信道估计性能和更低的计算复杂度.     

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．     

基于导频的OFDM无线通信信道估计算法

信道估计是无线正交频分复用(OFDM)通信中的重要环节,直接影响OFDM通信的均衡效果和动态数据流分配.在最小二乘法(LS)信道估计算法的基础上提出了一种改进的信道估计算法,该算法在两个导频符号之间,利用前一个符号估计得到的信道频率响应来均衡下一个符号的信道频率响应,在两个导频符号之间形成一个判决反馈回路.这种算法不仅改善了LS信号估计算法单纯的线性关系,而且避免了误差扩散.实验结果表明,该算法计算简单,大大提高了系统的传输效率.     

基于正则总体最小二乘准则的OFDM系统信道估计算法

基于导频的最小二乘(LS)估计方法的优点是结构简单,容易实现,但对噪声和干扰敏感。通过对OFDM系统中由于信道的时变性产生的载波间干扰进行了分析,在此基础上提出正则总体最小二乘(TLS)信道估计算法。根据Tikhonov正则化原理,导出了总体最小二乘正则化解法的计算公式。与一般的LS信道估计相比,TLS方法同时考虑了信道噪声和信道时变特性,所以该算法不仅在一般的信道条件下具有良好的性能而且也适合快变信道条件下的OFDM系统。仿真结果表明,该算法具有很好的均方误差和误比特率性能。     

基于DFT的时域LS信道估计算法

基于IEEE 802.16d/e标准的OFDMA系统中存在保护子载波和导频非2n等间隔插入,针对该问题,提出一种基于DFT的时域LS信道估计算法。该算法对相比信道自相关矩阵R容易获得的矩阵T进行奇异值分解(SVD),得到基于DFT的低阶近似。仿真结果表明,该算法的信道估计性能和运算复杂度介于LMMSE-SVD算法、IFFT/FFT算法之间,对导频要求更宽松,应用更广泛。     

MIMO-OFDM中的一种最优导频设计算法

从系统设计角度研究了MIMO-OFDM系统的信道估计方法，提出一种基于空频域的最优导频设计算法。该算法适用于快速时变和频率选择性衰落信道，在基于LS准则的信道估计算法中无需矩阵求逆运算，大大降低了复杂性。通过计算机仿真证明该算法在空频编码的信道估计中具有最小MSE性能。     

基于小波去噪与离散余弦变换相结合的正交频分复用系统信道估计算法

针对传统的基于离散余弦变换(DCT)信道估计算法没有处理循环前缀之内噪声的问题,提出了一种基于小波去噪与DCT插值相结合的正交频分复用(OFDM)系统信道估计方法。首先,采用最小二乘(LS)法对接收到的导频信号进行信道初步估计;然后,对LS法估计出的结果进行离散小波阈值去噪处理;最后,利用DCT插值对循环前缀内的噪声再次处理,以进一步减小噪声的影响。在Matlab 2012平台上仿真,与传统的基于DCT信道估计算法相比较,误码率相同的条件下,所提算法的信噪比(SNR)性能提升了1 dB左右;均方误差相同的条件下,所提算法的SNR性能提升2 dB左右。仿真实验结果表明,该算法能够较好地减小加性高斯白噪声(AWGN)的影响,并有效提高信道估计的准确度,其总体性能较基于DCT的信道估计算法更优。     

MIMO-OFDM系统中一种基于均方误差估计的最优导频设计

在MIMO-OFDM系统信道估计算法中,基于频域的最小二乘法在保证一定误差性能的条件下具有较低的系统实现复杂度,但其误差性能并非最佳。在比较多种导频辅助算法后,从接收端任意天线出发,设计了一种改善信道估计性能、减小算法复杂度的新导频结构。该导频序列中相位是相互正交且均匀分布的。而且与已有研究结果中导频矩阵设计采用实部加虚部的形式不同,文中的导频矩阵元素为实数或纯虚数,从而可以有效减小运算的复杂度。理论推导证明,新提出的导频结构是最佳的,均方误差最小。仿真结果显示,新提出的算法在不增加复杂度的基础上,具有比传统的最小二乘法更小的均方误差,并随着信噪比的增大越加明显;该算法比传统的最小二乘法系统误符号率小很多;随着子载波数的增加,在大信噪比的情况下,新提出的算法性能更为优越。     

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。     

An efficient sparse channel estimator combining time-domain LS and iterative shrinkage for OFDM systems with IQ-imbalances

A time-domain(TD) least square(LS) channel estimator is first proposed to estimate channel parameters of OFDM system with IQ imbalances at both transmitter and receiver.Then,an iterative shrinkage(IS) algorithm from compressed sensing is adopted to further improve the estimation performance by using the TD-LS solution as the initial value of IS in the case of sparse channel.Simulation shows that our algorithm combining TD-LS and IS performs better on bit error rate than the frequency-domain LS and matching pursuit in sparse Hilly Terrain channel when the same LS equalizer is adopted.     

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。