复杂电磁环境下IEEE802.11g系统中OFDM信号仿真

为了更好地研究动态多场景下传播环境对OFDM系统中信号的影响,对复杂环境下IEEE802.11g中OFDM信号进行了仿真。首先,搭建了高速移动、多径传播以及同频干扰等因素对OFDM信号传输影响的数学模型;其次,在介绍了OFDM发射信号和接收模型的基础上,分析了IEEE802.11g设备面临的复杂信号环境;最后,仿真并分析了复杂环境对OFDM通信系统性能的影响。结果表明高速移动、多径传播以及同频干扰等复杂环境会引起OFDM系统性能的恶化。模型不仅可以研究复杂环境对OFDM信号性能的影响,还可以作为下一步OFDM系统性能提升的验证平台,具有一定的实用性。     

基于高阶累积量和三角矩的联合多参数特征OFDM信号盲识别

提出一种瑞利衰落信道条件下的多载波调制盲识别算法,用以区分多载波调制信号(如OFDM)和数字单载波调制信号(如:MASK、MFSK、MPSK、MQAM)。该算法对传统算法进行了改进,提出了利用信号的高阶累积量构造的组合识别参数以及信号的三角矩特征参数来分类单载波信号与OFDM多载波信号。该算法不需要预先知道信号的载波频率和波特率,只需从中频信号直接进行识别处理。仿真结果表明,该算法具有抗多径能力强、识别率高的优点,在SNR高于0 dB时识别率可达100%。     

OFDM信号的盲识别研究

提出一种新的OFDM信号盲识别算法,利用多载波OFDM信号在时域上的近高斯性,提取信号特征参数Q作为分类特征,该参数不受高斯白噪声的影响,且无须知道先验知识,只需在中频直接对信号进行识别,计算简单、利于实现。仿真实验结果表明,在短波信道中,该算法具有较强的抗多径能力。     

多频带OFDM系统的分析和仿真

该文分析和仿真了新一代宽带无线移动通信网络中的多频带OFDM系统。参考超宽带技术的标准,采用MATLAB工具分析和仿真多频带OFDM技术中的子频带,并提出了自适应子频带选择算法。通过仿真和分析,可以看出多频带OFDM系统的信号发射和接收功率都比较低,自适应选择频带来避免信号干扰,提供良好鲁棒干扰与共存性能,抗多径能力强,应用前案广泛。     

基于LDPC码编码方案的OFDM系统

正交频分复用(OFDM)技术实现了高比特速率的数据信息在多径衰落信道上的传输。论文研究了采用低密度校验码(LDPC)编码方案的OFDM系统。在该系统中,LDPC码的译码方案采用对数域上的置信传播(BP)译码算法。给出了加性高斯白噪声信道和有边信息瑞利衰落信道的对数似然比。仿真结果表明该方案改善了OFDM系统在多径衰落信道下的性能。     

OFDM超分辨率联合TOA/AOA定位

对无线信号到达时间（TOA）和到达角度（AOA）的精确估计是室内无线定位的关键。正交频分复用（OFDM）是适合多径衰落环境的一种高速传输技术。提出一种联合TOA和DOA的二维定位方法用于OFDM信号定位。算法首先通过信道估计得到信道的频率响应（CFR）,对CFR采用超分辨率算法估计信道时延。首径（first arrival path,FAP）的时延估计就是接收信号的TOA估计。将天线阵列接收信号通过DFT变换到频域,利用同样的算法估计信号各径的AOA/DOA。最后联合TOA和AOA在二维平面上确定目标位置。由于信号是多径、多载波信号,对各载波的DOA/AOA估计在载波间进行处理,再结合各径脉冲响应的幅值,选出属于首径的DOA/AOA估计。在多径环境下仿真表明算法有效且定位精度能够满足实际需要,尤其适合环境中只有一个基站或接入点的情况。     

基于Elman神经网络的TDOA定位算法

针对Chan定位算法在非视距(NLOS)环境下定位性能差的缺点,提出一种基于Elman神经网络的Chan定位算法,利用Elman神经网络的动态递归特性以及强大的非线性映射逼近能力,对NLOS误差进行修正,再利用Chan算法定位。仿真结果表明,在NLOS误差较大的环境下该算法仍具有良好的定位精度,性能优于Chan算法和泰勒级数展开法。     

基于干扰消除的MIMO-OTFS系统信号检测研究

高迁移率条件下正交时频空间(OTFS)调制技术的性能优于正交频分复用(OFDM),而在常规的多输入多输出系统(MIMO)信号检测中,基于干扰消除信号检测技术的复杂度较大.针对此缺点,提出了一种改进的基于信干噪比(SINR)排序的信号检测算法.该算法先算出每一层信号的信干噪比,然后利用信息传递(MP)检测技术检测出每一层信号并通过干扰消除检测出全部信号.最后通过仿真对算法进行了验证,结果表明改进后的算法具有更好的性能.     

一种脉冲超宽带测距的门限选择算法

多径衰落和接收机系统噪声是影响脉冲超宽带(IR-uwB)测距精度的主要因素.在能量检测过程中,能否在干扰下准确估计IR-uwB信号的首径到达时间(TOA),是开展IR-UWB测距研究的重点和难点.鉴于此,为提高测距精度,提出一种IR-UWB测距的门限选掸算法.首先建立接收机输出信号统计特性与UWB信道衰减特性的关系式,使用全概率公式推导出TOA估计均方误差(MSE)闭合表达式,给出估计误差与多径衰减系数以及信噪比(SNR)等系统参数的严密数学表达,以最小均方误差为性能指标的门限选择算法进行仿真.仿真结果表明,改进算法可提高IR-UWB测距的性能,使测距精度达到30cm,证明是一种有效的门限选择算法.     

OFDM系统中基于导频的信道估计算法的比较

正交频分复用(OFDM)是一种多载波调制技术,它能有效地克服多径干扰和码间干扰,是第四代移动通信的核心技术。对OFDM系统中基于导频的信道估计技术进行了比较。重点介绍了几种常用的信道估计算法、LS算法、LMMSE算法、SVD算法及DFT和DCT两种变换域算法,并给出了这些算法的仿真实现。     

NLOS环境下TDOA/AOA混合定位算法研究

在CDMA的网络环境下，TDOA/AOA混合定位算法能够比Chan算法有较高的定位精度。然而随着AOA测量误差精度的下降，定位精度逐渐下降，甚至低于Chan算法的定位精度。本文在传统的TDOA/AOA混合定位算法加入校正因子，通过逐步迭代的方法，逐渐消除NLOS对TDOA测量值的影响，从而获得比传统TDOA/AOA混合定位算法更高的定位精度。仿真表明：在各种环境下，特别是非视距环境下该方法能够显著提高定位的精度，并且运算量增加较少。     

基于Chan氏算法和文化算法的协同定位

提出一种到达时间差(TDOA)定位方法,利用Chan氏算法进行初始定位估计,将估计结果作为经验知识存储于信念空间中,采用文化算法求解定位估计中的最大似然函数,获得最佳估计坐标值,从而实现对移动台的最终定位估计。历史知识的引入能有效避免陷入局部最优值,并改善算法的定位精度。仿真实验结果表明,该方法性能稳定、定位精度高、收敛速度快。     

基于BP神经网络的混合定位算法

为弥补独立采用GPS或基于基站定位方法的不足,并消除非视距传播的影响,提出一种基于BP神经网络的混合定位算法。利用BP神经网络对到达时间差(TDOA)和GPS测量值中的非视距传播误差进行修正,使用TDOA/GPS算法进行定位。仿真结果表明,在单独使用TDOA或GPS方法无法定位时,该算法能够实现移动台的精确定位。     

基于BP神经网络的定位跟踪算法

提出了一种在NLOS环境下对移动台的定位与跟踪算法。利用BP神经网络对TDOA测量值中NLOS误差进行修正,再利用Chan算法进行移动台位置估计,配合相关检测距离门对移动台进行跟踪。仿真结果表明,该跟踪算法能够有效地实现移动台的静态定位与动态跟踪,性能优于基于Chan算法、LS算法、Taylor算法的静态定位与动态跟踪。     

基于麦克风阵列的GCC时延估计算法分析

准确的时延估计（Time Delay Estimation,TDE）是基于到达时间差（Time Difference of Arrival,TDOA）的声源定位技术的前提.在众多时延估计算法中,广义互相关（Generalized Cross Correlation,GCC）算法因其较低的运算复杂度和易于实现的特点得到了广泛的应用.针对不同的噪声情况,GCC时延估计算法利用不同的加权函数来抑制噪声干扰.本文在介绍麦克风阵列模型和GCC时延估计算法的基础上,针对GCC算法的弊端提出了一种改进算法,并在多种信噪比条件下,对部分加权函数的GCC时延估计算法进行了MATLAB仿真,通过比较其时延估计性能和声源定位精度,分析了这些加权函数各自的优劣性.     

TDOA/AOA混合定位方案中的UKF算法

针对CDMA无线定位系统中的“听力”问题,在CDMA无线系统中建立到达时间差/到达角度(TDOA/AOA)混合定位方案模型。针对常用滤波算法的性能改善问题,提出无迹卡尔曼滤波(UKF)算法解算定位方程,并结合设定环境对算法进行Matlab仿真。与常用EKF算法的比较表明,在TDOA/AOA混合定位方案中,UKF算法具有更好的收敛性和精度。     

基于文化鱼群算法的到达时间差定位技术

针对到达时间差(TDOA)定位估计中的非线性最优化问题,在鱼群算法中引入文化机制设计基于实数编码的文化鱼群算法,将Chan算法的解作为文化鱼群的一个个体初始位置,并利用文化鱼群算法搜索TDOA定位的最优坐标。仿真结果表明,该技术性能稳定,在鱼群规模较小的情况下能快速鲁棒地找到逼近全局最优点的解,并且具有较快的搜索速度和较高的搜索精度。     

基于改进双向测距到达时间差定位算法的超宽带定位系统

针对传统无线定位技术在室内定位精度不高的问题,设计实现了一种基于超宽带（UWB）技术的室内定位系统。首先,提出了定位服务器与移动端APP实时交互的系统结构,解决室内移动人员自主定位与导航的问题。其次,在双向测距（TWR）算法中增加一条无线电信息以减小时钟偏移引起的测距误差,从而提高算法性能。最后,将通过到达时间差（TDOA）定位算法得到的双曲面方程组进行线性化处理后结合Jacobi迭代法完成求解,避免了使用标准TDOA定位算法难以直接解算的情况。经测试,该系统在楼道房间等场景中能稳定工作且定位误差控制在30 cm以内,相比基于WiFi、蓝牙等技术的定位系统在定位精度上提高了10倍左右,能够满足在复杂室内环境中的精确移动定位需求。     

基于在线校正的无线传感器网络定位算法

准确度和精确度是无线传感器网络定位系统重要的指标。分析现有的校正技术,在基于超声波传感器和无线射频模块的到达时间差（TDOA）测距技术和多边测量定位算法的基础上,结合校正技术,提出一种基于在线校正的定位算法。改进的算法针对传感器网络在实际应用中的不均匀性布撒,充分利用密集布撒下节点定位的冗余信息,以提高密集型网络的定位精度,从而提高整个网络的定位性能。实验表明,改进的定位算法有效地减小了网络的定位误差。     

时差定位的传感器位置分布研究

提高目标的定位精度一直以来都是无源定位关注的主要问题,通过分析目标位置误差的Fisher信息矩阵以及对应的Cramer-Rao下界与传感器位置及数量的关系,得到使定位误差最小的传感器分布情况.给出了目标距离较远时,在二维及三维定位中基于时差定位方法的传感器最佳分布.