一种新的MIMO-OFDM通信系统比特分配方案

从MIMO-OFDM系统模型出发,首先对理想信道传输矩阵进行奇异值分解,在子信道自适应调制设计中应用信道矩阵特征值把空分复用信道转化为并行子信道,将用于多载波自适应比特分配算法应用于MIMO-OFDM系统。然后以实现系统发射功率最小为原则,以降低系统比特分配算法复杂度为目标,提出了一种可变步长的子信道比特分配优化算法。仿真结果表明,这种算法不但可以实现和Campello方法相当的比特分配性能,还可以较大地降低系统的计算复杂度。     

基于LMMSE的分块滑窗信道估计算法

信道估计是LTE系统中的关键技术。传统频域LMMSE维纳滤波插值算法性能优异,但其计算复杂度太高而难以实现,针对该问题,提出了一种基于LMMSE的分块滑窗信道估计算法,通过对信道自相关矩阵实行分块确定维纳滤波抽头数,降低了计算复杂度,通过滑窗确定维纳滤波系数,确保了算法的性能。仿真结果和计算复杂度分析表明,提出的算法能达到计算复杂度和性能之间的良好折中。     

基于再生核Hilbert空间的非线性信道均衡算法

在高速无线通信领域,为消除码间干扰（ISI）必须研究非线性信道均衡技术。基于再生核希尔伯特空间（RKHS）研究非线性信道的自适应均衡算法。首先基于非线性维纳模型提出均衡器的结构,基于RKHS引入核方法,与仿射投影算法（APA）相结合推导出核仿射投影算法（KAPA）,再通过引入松弛因子得到改进的KAPA算法。用蒙特卡罗法对提出的自适应算法进行仿真,从收敛性能、误码率（BER）、跟踪能力、计算复杂度等方面与其他算法做比较。在不增加计算复杂度的情况下,极大降低了误码率,非常适合时变非线性信道均衡的应用。     

基于梯度追踪的MIMO-OFDM稀疏信道估计算法

现有的压缩感知MIMO-OFDM信道估计方法多采用正交匹配追踪算法及其改进的算法。针对该类算法重构大规模的数据存在计算复杂度高、存储量大等问题,提出了基于梯度追踪算法的MIMO-OFDM 稀疏信道估计方法。梯度追踪算法采用最速下降法对目标函数解最优解,即每步迭代时计算目标函数的搜索方向和搜索步长,并以此选择原子得到每次迭代重构值的最优解。本文使用梯度追踪算法对信道进行估计,并与传统的最小二乘估计算法、正交匹配追踪算法的性能和计算复杂度进行比较。仿真结果表明,梯度追踪算法能够保证较好的估计效果,减少了导频开销,降低了运算复杂度,提高了重构效率。     

OFDM移动接收中的迭代干扰消除

针对正交频分复用系统在高速移动接收中存在快变衰落信道难以估计、子载波间干扰(ICI)过大的问题,提出基于迭代结构的信道估计算法和ICI消除算法。利用信道解码器输出判决信息,通过离散傅里叶变换实现信道估计,并对时变信道进行线性近似,以较低的计算复杂度消除子载波间的干扰。仿真结果表明,该方法可以对抗10%~15%的归一化多普勒频移。     

LTE下行基于时频二维信道估计算法性能分析

传统的信道估计算法只在单个域上进行,为了降低LTE下行系统中信道估计的复杂度,并提高信道估计器的性能,可以利用LTE下行的多载波OFDM系统的二维结构,对不同的算法在时域和频域分别进行估计.由此可以对传统信道估计算法先在频域上进行信道估计,然后再在时域上进行信道估计,这样的信道估计方式可以大大降低算法的复杂度,并优化估计器的性能.另外,经过时频二维信道估计后,不需要再进行插值计算.仿真结果表明,该算法性能优于传统的只在频域上进行信道估计的性能.     

基于频域RLS的UWB信道估计算法研究*

为了提高超宽带接收机性能,提出一种适用于TH-PPM调制方式的超宽带信道估计算法,并对其误码率性能及复杂度进行了分析。算法基于信道频域特性,结合递归最小二乘（RLS）计算,达到信道参数估计的目的。算法可同时对多路信道进行估计,而且对幅度和相位不存在模糊因子。通过计算机仿真和与最大似然法信道估计算法的对比表明,该算法在误码率为10-4时,信噪比增益约为2 dB。通过对该算法性能的理论分析及计算机仿真实验表明,该算法在保证信道估计性能的前提下具有低复杂度,易于工程实现的优点。     

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。     

智能反射面缓解多普勒效应的相位优化简化方法

智能反射面（Intelligent reflecting surface, IRS）是实现智能无线环境最具吸引力的关键技术之一,在高速移动环境中部署IRS能有效缓解多普勒效应。已有文献针对高速移动信道提出IRS协助多普勒补偿方法,但其中部分信道参数估计需使用最大似然估计方法,使得IRS优化相位的计算复杂度较高。本文提出一种简化的IRS相位优化方法,给出改进的优化相位计算的直接表达式,表达式中的信道参数可仅通过低复杂度信道估计方法获得。与其他方案相比,新方案可避免使用复杂的估计方法,防止引入额外的估计误差,有效降低了计算复杂度。数值仿真结果表明,新方案在有效减少程序运行时长的同时,仍然可获得较高的的无源波束形成增益,并且在导频开销受限时具有较强的鲁棒性。     

MIMO-OFDM系统的低阶信道估计的改进

在慢衰落信道条件下,MMSE估计有较好的估计性能但复杂度较高。为了降低信道估计的运算复杂度,分析并总结了原有的MMSE信道估计算法以及其改进算法,提出一个基于MIMO-OFDM系统的OLR-MMSE信道估计算法。OLR-MMSE估计是结合了MMSE算法的低秩近似以及SVD分解,大大降低了大矩阵的阶数,有效地降低运算复杂度并可以保持良好的估计性能。通过计算机模拟仿真验证了提出的信道估计可以达到系统性能和复杂度之间较好的权衡。     

基于MMSE的自适应盲均衡算法

提出一种估计最小均方误差的盲均衡算法。与RLS算法原理类似,该方法依据矩阵求逆引理逐步更新自相关矩阵及其伪逆,以达到快速收敛,且对迭代初始值不敏感。与非递归算法相比,该自适应在线算法无需直接计算相关矩阵的伪逆或引入奇异值分解,避免了估计相关矩阵的秩或信道阶数。快速收敛以及在线处理的特性使其可以应用到实时通信信号处理中。仿真结果证明算法具有很好的在线均衡性能。     

MIMO-OFDM系统空间相关性迭代信道估计算法

针对受到噪声干扰及多普勒效应等因素影响的多输入多输出（Multi-Input Multi-Output,MIMO）正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）无线系统信道估计问题,提出了一种有效的空间相关性迭代信道估计算法（SCICE）。SCICE利用同步符号与协议数据单元中的前置训练序列和中置训练序列,对信道的空间相关性进行估计,数据信息根据该信道相关性信息得到初始的信道估计值,接收端根据信道估计值进行数据符号检测,并将这些信息作为已知信息,以迭代的方式逐渐减小因空间相关性导致的信道估计误差,进而提高信道估计的准确性。与现有迭代信道估计算法的性能比较表明了提出的SCICE算法在瑞利衰落信道以及不同调制方式下具有更好的信道估计均方差与误码率性能。     

改进的基于DFT的OFDM系统信道估计算法

在正交频分复用（OFDM）系统中,针对常用的信道估计算法不能有效地抑制信道冲激响应中循环前缀长度内噪声的不足,提出了一种改进的基于离散傅里叶变换（DFT）的信道估计算法。该算法是一个多次迭代的过程,通过最小二乘算法获得导频位置处的信道频域响应,经过逆傅里叶变换后,利用时域内引入的能量增长速率函数来判断信道冲激响应分布情况,以便对其进行消噪处理,最后通过多次迭代进一步抑制子载波间干扰和加性高斯白噪声。仿真结果表明,无论在多普勒频移较小还是较大的情况下,该算法的估计性能均优于最小二乘（LS）信道估计算法、传统基于DFT的信道估计算法和基于阈值的信道估计算法。在系统误比特率为[10-2]时,改进的基于DFT的信道估计算法比其他算法有3~5 dB的性能增益。     

短波突发通信中盲载波恢复及符号检测技术

针对传统短波突发通信中载波恢复及符号检测问题,提出了一种基于粒子滤波的无辅助数据的算法。首先利用贝叶斯准则实现收发频率差的最大后验估计,然后通过粒子滤波算法实现载波相位和调制符号的最小均方误差估计。算法中使用了序列重要性采样技术实现粒子权值的迭代更新和系统重采样技术防止粒子权重的衰退。仿真分析了高斯白噪声信道下的载波恢复性能,结果表明,基于粒子滤波的载波恢复算法载波恢复时间短,同步速度快,恢复频率范围广。建立以Watterson模型为基础的短波通信系统模型,通过该模型在不同的信道状态、信噪比和频偏条件下进行了仿真实验。结果表明在大频差的条件下,算法也具有良好的符号检测性能。     

基于UW帧结构水声通信系统及其性能分析

设计了一种基于UW(Unique Word)帧结构的单载波频域均衡(SC-FDE)水声通信系统框架,论述了系统的基本原理。为解决帧同步过程中出现由水声多径引起的相关峰峰值分裂现象,提出一种基于UW序列的相关同步算法,使系统的同步精度显著提高。同时给出了基于UW序列的多普勒频移的估计和校正、信道估计和频域均衡算法。最后对系统的性能进行了分析。结果表明:采用相关同步算法的基于UW帧结构的单载波频域均衡水声通信系统能够显著提高在较复杂的信道条件下的帧同步精度,对水声信道中严重的多普勒频移和多径信道进行有效的估计,并能够对时变信道进行跟踪,在高信噪比下系统有较低的误码率,对水声通信有良好的应用价值。     

On the design of LMS-based channel estimators using the Doppler spread parameter

An analysis of the optimization of the LMS (Least Mean Square) algorithm for the estimation of time-varying and frequency-selective communication channels is here presented. In contrast to previous works on this subject, in which the step-size optimization is rooted on the assumption of specific channel models, this analysis is much more generic in respect to the modelling of both the Doppler and delay spreadings. Besides, it addresses not only the steady-state performance of channel estimators, but also their transient behaviors. Several useful approximate expressions for designing LMS-based channel estimators are herein derived and validated by comparisons with simulation and with a previous work on this kind of analysis. These expressions are remarkably suitable for practical application, since they depend on a few parameters of the communication system. With regard to the channel variability, the knowledge of the Doppler spread parameter is shown to be enough to optimize the performance of a LMS channel estimator using the analysis here presented.     

Optimal probability density function control for NARMAX stochastic systems

This paper presents a new control strategy for a class of non-Gaussian stochastic systems so that the output probability density function (PDF) of the system can be made to follow a desired PDF. The system considered is represented by an Nonlinear AutoRegressive and Moving Average with eXogenous (NARMAX) inputs with input channel time-delay and non-Gaussian noise. A multi-step-ahead nonlinear cumulative cost function is used to improve tracking performance. For this purpose, a relationship between the PDFs of all the inputs and the PDFs of multiple-step-ahead output is formulated by constructing an auxiliary multivariate mapping. By minimizing this performance function, a new explicit predictive controller design algorithm is established with less conservatism than some previous results. Furthermore, an improved approach is developed to guarantee the local stability of the closed-loop system by tuning the weighting parameters recursively. Simulations are given to demonstrate the effectiveness of the proposed control algorithm and desired results have been obtained.     

引入加权系数消除ICI的二次快时变信道估计算法

针对高速移动环境下由多普勒频移引起的子载波间干扰（inter-carrier interference,ICI）,提出一种引入加权系数消除ICI的二次快时变信道估计算法。该算法进行两次信道估计,第一次估计用于提供信道状态信息,在保证符号率的前提下消除ICI,第二次估计在ICI消除的情况下进行,可以提高信道估计精度;并对简化的并行干扰消除（parallel interference cancellation,PIC）算法进行改进,基于最小均方误差准则引入加权系数,使得ICI消除后的残余误差最小。仿真结果和理论分析达到很好的一致性,当信道信噪比为0 dB时,归一化均方误差（normalized mean square error,NMSE）性能增益最大约为0.0714,提高了快时变信道估计的精度。     

基于COFI-Tree的N-最有兴趣项目集挖掘算法

BOMO算法采用递归构造条件子树,在挖掘大数据集时耗时较长,执行效率低,为了解决这一不足,文中给出一种基于COFI-Tree的挖掘N-最有兴趣项目集算法。算法采用COFI-Tree结构,无需递归构造条件子树FP-Tree,在同一时间内只有一个COFI-Tree在内存,并且有效地减少了其运算时间。通过对两种算法进行对比分析,实验结果得出：该算法比BOMO算法程序执行时间明显缩短;在挖掘大数据集时执行效率显著提高,尤其是k〈4时,性能最好。由此可见,改进后的算法是可行有效的。     

双滤波器平滑估计的递推更新

本文考虑了具有多个测量通道时线性马尔可夫状态固定间隔平滑问题的线性最小二乘 解,给出了一种双滤波器递推算法,它随各通道测量数据的依次投入而更新平滑估计.