一种改进的频偏估计算法及其性能仿真

论文在比较分析现有基于数据辅助的经典频偏估计算法的基础上,提出了一种改进的Fitz载波频偏估计算法.与原算法相比,该改进算法不仅扩大了频偏估计范围,同时提高了频偏估计精度.通过仿真验证了该改进算法性能.     

WLAN中OFDM系统载波频率同步算法研究

针对OFDM技术中的载波频率同步问题,分析了载波频率偏差对OFDM系统造成的影响,总结了基于IEEE802.11标准的三种常见的频偏估计算法:基于循环前缀的最大似然算法、基于训练序列的时域相关算法和基于导频的频域相关算法,提出一种基于训练序列和导频的联合载波频偏估计算法。性能仿真结果表明,该联合估计算法在估计范围和估计精度上具有明显的优势,适合实际工程应用。     

一种非数据辅助的MPSK载波频偏估计算法

本文针对MPSK信号,提出了一种基于最大似然的非数据辅助的载波频偏估计算法,本算法采用一种新的相位展开和迭代的方法,通过选取最佳的迭代权系数,使得本算法具有高精度、宽估计的特点.同时,在同等估计性能的情况下,本算法的复杂度远远低于文献中的算法.     

数字通信中载波频偏盲估计的一种新算法

给出了一种适用于MPSK、MQAM和MPAM解调的非数据辅助(NDA)载波频偏估计算法,利用自相关函数提取载波频偏信息,该方法具有速度快、频偏估计范围大的优点。计算机仿真结果表明了估计范围可以达到±80%的符号速率。     

基于自相关的宽范围高精度频偏估计算法

基于自相关函数的载波频偏估计算法存在捕获范围与估计精度相矛盾的问题.针对该问题,采取新的相位展开措施,对观测信号自相关函数做快速傅里叶变换以粗估频偏,利用该频偏对高延时自相关函数值进行相位展开,对频偏估计结果求均值.该算法在保持较高估计精度的同时将估计范围扩大到1/2MT.仿真实验结果证明了该算法的有效性.     

一种新的DFT频偏估计算法

针对无线数字通信中的载波频率同步问题,提出一种新的载波频偏估计算法。利用离散傅立叶变换(DFT)算法,通过迭代算法,在较大频偏范围内估计出载波频偏,并且在估计精度上相对于DFT法有了很大的提高。这种算法不需要增加DFT数据长度,适合突发工作方式。Monte Carlo仿真实验的结果表明新算法不仅具有宽的估计范围,还具有高的估计精度。     

一种纠正残余频偏的均方误差反馈算法

在全数字接收机中,采用统计频偏估计算法得到的频偏并不可能完全等于实际的频偏.因此,接收信号经过频偏纠正后得到的信号中仍含有剩余的频偏,称之为残余频偏.这些小频偏会对后续的载波相位估计产生比较严重的影响并导致通信系统性能下降.为了消除统计频偏估计算法产生的残余频偏,以提高接收机性能,提出了一种纠正残余频偏的均方误差反馈算法,引入了反馈环节,并规定一个反馈步长,在已有频偏估计的基础上反馈纠正残余频偏.最后用MATLAB仿真该算法,仿真结果显示该算法能够有效地消除残余频偏,大大降低系统误码率.     

基于SR-UKF的OFDM频偏迭代估计算法研究

对高速运动环境下多普勒效应引起的大载波频偏引起的载波间干扰进行数学分析,建立带频偏的非时变和时变频偏OFDM动态状态空间模型,提出了基于平方根无迹卡尔曼滤波（square-root unscented Kalman filter , SR-UKF）的频偏估计算法。将非线性状态估计思想引入OFDM频偏估计中,实现了对频偏的有效跟踪和估计。仿真结果表明,在大频偏、高阶调制下,SR-UKF频偏估计算法较自消除算法、最大似然估计算法具有更好的误码率性能;在收敛精度、稳定度和对信噪比敏感度方面,性能较扩展卡尔曼滤波算法均有所提升。     

MC-DS-CDMA系统载波频偏估计的隐导频算法

针对多载波直扩码分多址（MC-DS-CDMA）系统上行链路的多用户载波频偏（CFO）,提出了一种基于隐导频的载波频偏估计算法．该算法利用信息符号和隐导频信号的不同统计特性,在接收端分段近似分离出仅包含对应用户的隐导频信号成分,经过幅角提取得到各用户的载波频偏估计值．该算法能节约信号发送带宽并且计算复杂度低,适合在载波频偏细估计阶段跟踪频偏．仿真结果表明,该算法在使用较低隐导频功率时的频偏估计误差也能满足正交频分复用（OFDM）系统对频偏误差的要求．     

一种低复杂度的频偏估计算法

为解决短波突发通信中的载波同步问题,提出一种低复杂度的频偏估计算法。通过相位折叠使接收信号的频偏具有周期性规律,以避免自相关计算和离散傅里叶变换,从而降低算法复杂度,实现快速载波同步。Matlab 仿真结果表明,该算法具有估计精度高、捕获范围广和计算复杂度低的特性,适用于突发通信的频偏估计。     

超宽带系统非理想因素的联合估计算法

分析基于正交频分复用调制技术的超宽带无线通信系统中物理层受到的模拟前端非理想因素,提出一种联合估计算法。该联合估计算法能在存在频率相关性I/Q失配的情形下准确获得载波频率偏差和采样频率偏差的估计,并获得频率相关性I/Q失配和信道冲击响应的联合估计信息。系统仿真证明,该计算法能较好地适用于多载波正交频分复用超宽带系统。     

OFDM系统中同步偏差的联合估计算法

研究基于IEEE 802.11a的正交频分复用(OFDM)系统,分析同步偏差对该系统的影响,提出一种联合估计算法。利用导频序列估计频域中OFDM系统的同步偏差,包括符号定时偏差、载波频率偏差和采样时钟频率偏差。仿真结果证明,该算法的误包率较低,能较好地应用于OFDM系统。     

一种基于加窗基扩展模型的OFDM信道估计算法

针对双选择衰落信道下OFDM系统中基于复指数基扩展模型（CE-BEM）的信道估计算法存在的不足,提出了一种基于加窗的基扩展模型信道估计算法。该算法通过时域加窗和去窗处理来减少CE-BEM存在的频谱泄露,并抑制多普勒频移对估计性能的影响;利用设计的导频方案,简化数学模型;再通过正交映射对估计的基扩展模型系数进行转换,从而进一步提高信道估计的精确度。同时采用归一化均方误差和误码率来衡量信道的估计性能,实验仿真表明,提出的算法在高速的移动环境下能有效提高估计性能。     

分数低阶时频滑动平均模型参数估计

针对稳定分布环境下非平稳过程分析方法时频滑动平均（TFMA）模型算法的退化,引入分数低阶统计量共变,提出了一种改进的分数低阶时频时频滑动平均（FLO-TFMA）模型算法。推导了FLO-TFMA模型的参数求解过程,给出了基于FLO-TFMA模型的时频谱估计。通过在稳定分布环境下对TFMA模型算法和所提出的FLO-TFMA模型算法的参数估计均方误差（MSE）比较和时频谱估计比较,仿真结果表明,FLO-TFMA模型算法的参数估计精度优于TFMA模型算法,TFMA模型时频谱估计完全失效,而FLO-TFMA模型时频谱算法能较好地进行时频谱估计。     

基于支持向量机的频率估计算法

针对高斯白噪声信道下通信信号的频率估计问题,提出一种基于支持向量机的频率估计算法.利用支持向量机的稳健性和泛化性将频率估计转化为小样本分类问题,使用较少的导频符号提高频率估计性能.该算法不需要接收数据的统计信息,对信号的初始相位不敏感,且不存在门限效应.仿真结果表明,该算法的频率估计性能在低信噪比下优于最大似然估计算法...     

MB-OFDM系统中频偏的估计与补偿

分析了超宽带MB-OFDM系统中载波频率偏差和采样时钟频率偏差对系统性能的影响。提出了一种频域载波频偏和采样频偏的联合估计与补偿算法。该算法利用四个连续的训练符号对这两种频率偏差进行综合估计与补偿。系统仿真证明,即使同时存在较大的载波频率偏差和采样时钟频率偏差时,提出的联合估计与补偿算法仍然能够提供较好的系统误码性能。     

一种基于RSSI的AOA估计算法

在无线传感器网络（WSNs）中,使用阵列天线进行到达角（AOA）估计存在成本昂贵和算法复杂度高的缺点,提出了一种基于接收信号强度指示（RSSI）的AOA估计算法。利用2个旋转的方向图部分重叠的定向天线接收RSSI值,通过双方向图求差法估计目标节点的AOA。实验结果表明：室内实验的AOA估计平均误差为6．7°,室外的平均误差为0．6°。该算法复杂度小,硬件成本低,适用于WSNs的节点定位。     

一种基于MIMO的时延估计算法

在城市峡谷和室内环境中,信号在传输过程中受多径衰落和非视距的影响,导致长期演进(LTE)系统的时延参数无法精确估计。针对该问题,提出一种基于多输入多输出(MIMO)的LTE时延参数估计算法。采用具有良好自相关特性的主同步信号作为参考信号,利用MIMO发射分集和最大比合并接收技术降低信号传输过程中的误码率,通过参考信号与接收信号进行互相关处理,获得时延估计。仿真结果表明,当累积分布概率为90%时,该算法的时延参数估计误差比参考算法提高了大约5个最小采样间隔。     

基于压缩感知改进算法的MIMO-OFDM稀疏信道估计

结合压缩感知理论（CS）,针对压缩采样匹配追踪算法在多输入多输出正交频分复用（MIMO_OFDM）系统信道估计应用中需要利用信号稀疏度的先验条件,而实际中稀疏度又难获得的情况,提出一种信号稀疏度自适应的压缩采样改进匹配追踪算法（CoMSaMP）。该算法采用具有理论支撑的原子弱选择标准作为预选方案,并设置首次裁剪阈值来减少算法多余的迭代,降低算法在信道估计中的复杂度,裁剪方式的改进保证了重构精度的提高,最终实现MIMO-OFDM稀疏信道估计中信号的稀疏度自适应。仿真结果表明：与原算法相比,该算法在同等信噪比条件下具有更优的信道估计性能,从而提高了频谱利用率,同时降低了复杂度,在稀疏度较高时,提出的算法具有更好的对噪声的抗干扰能力。     

分布式奇异值分解最小平方估计算法

对奇异值（SVD）分解求解最小平方估计的问题进行了研究。提出迭代式分割与合并的算法（IDMSVD）,目的是改善奇异值分解在估计参数时非常耗费时间以及内存空间的问题。基于IDMSVD提出了分布式迭代式分割与合并算法（MRDSVD）,使用Hadoop平台的MapReduce来实现,实验结果显示,IDMSVD可以有效改善SVD求最小平方解耗费运行时间与内存空间的问题,MRDSVD算法可进一步改善IDMSVD的运行时间。