基于序贯蒙特卡罗滤波的MIMO快时变信道跟踪

高数据传输速率以及终端的高速移动,导致无线通信信道具有时间选择性与频率选择性两个特征.本文主要研究了基于训练序列的多输入多输出（MIMO）时变频率选择性衰落信道的估计与跟踪问题.首先,根据时变无线信道的动态性,将信道冲击响应近似看作一个低阶的自回归矢量过程（AR）,以便于进行时变信道的跟踪.接着在此模型的基础上,利用序贯蒙特卡罗滤波对MIMO通信系统中的双选择性信道进行了跟踪;跟踪过程中需要与信号检测交替进行,即在状态变量的预测和新息修正的中间要进行一次码元的检测,所采用的方法是极大似然序列检测,最后与扩展卡尔曼滤波作了比较.仿真结果表明,在信道噪声是非高斯的情形下,序贯蒙特卡罗滤波的跟踪性能更优越于扩展卡尔曼滤波.     

无线TCP环境中的ECN标记策略算法研究

针对无线异构链路环境中传统TCP协议拥塞控制机制效率较低的问题,提出一种基于ECN标记策略的优化算法.该算法针对常用的单一标记方法,在标记对象和标记位置中灵活地采用双向机制,有效提高了无线数据传输效率.用标准网络仿真软件NS-2进行仿真,结果显示该算法优于现有常用算法.     

基于粒子滤波的MIMO-OFDM时变信道半盲估计

提出一种基于粒子滤波的MIMO-OFDM时变信道半盲估计方法。首先，对粒子滤波算法进行改进，通过对采样粒子分布进行局部优化调整，提出一种局部优化粒子滤波算法。然后，将该粒子滤波算法用于MIMO-OFDM时变信道估计。由于该信道估计过程在频域进行，因而无需已知（或估计）多径信道长度。与现有时变信道半盲估计方法相比，本方法具有估计误差低、对非高斯噪声顽健性强等特点，从而有效改善了接收端的符号检测性。计算机仿真结果证明了本方法的有效性。     

基于EM算法的改进OFDM时变信道估计

针对正交频分复用（OFDM）系统中的信道时变,基于时变信道的分段线性近似模型,提出一种改进的OFDM时变信道估计方案。该方案通过采用期望最大化（EM）迭代算法来提高符号平均信道脉冲响应的估计精度,从而提高时变信道估计的性能;此外,在迭代过程中进行带状子载波间干扰抑制,不仅进一步提高了时变信道估计的性能,而且降低了实现复杂度。理论分析和仿真结果表明,该算法以较低的复杂度代价有效提高了时变信道OFDM系统的性能。     

基于BEM的时变信道估计改进算法

针对参数未知、存在大多普勒频移的时变信道情况,介绍了与之相适应的BEM模型,分析了2种适用于估计BEM模型加权系数的算法,即LS算法和基于迭代的BLUE算法。LS算法简单快捷,其性能不如BLUE算法;BLUE算法因迭代初始值精度不高,在低信噪比时同样存在估计性能差的缺点。提出一种基于BEM模型的时变信道参数估计改进算法,将LS的估计结果作为BLUE的初始迭代值估计BEM模型系数,从而得到更精确的时变信道参数。在典型的时变信道下,以OFDM传输系统为例,对传统BLUE算法和改进后的BLUE算法进行了对比仿真分析。分析结果表明,在低信噪比条件下,相同迭代次数时,改进后的BLUE算法优于传统BLUE算法。     

基于可变遗忘因子RLS在OFDM系统的载波频偏估计

在时变信道下正交频分复用（OFDM）系统中,通过导频辅助,提出基于可变遗忘因子RLS（VFF-RLS）的载波频偏（CFO）估计改进算法。针对传统RLS（CFF-RLS）算法中遗忘因子无法同时满足CFO估计收敛速度和收敛精度的缺陷,本文设计了线性变化遗忘因子(LFF)和非线性变化遗忘因子(NLFF) 两种可变遗忘因子方案来提升CFO估计性能。仿真结果显示：在低信噪比的情形下,基于VFF-RLS算法的CFO估计性能明显优于基于CFF-RLS算法的CFO估计性能。     

LTE上行多用户SC-FDMA系统中时变信道估计方法

针对高速移动时分双工长期演进(TDD-LTE,time division duplex-long term evolution)上行单载波频分多址(SC-FDMA,single carrier-frequency division multiple access)系统,提出了一种新型的变换域时变信道估计方法.在所定义的变换域中,基于两块导频符号的信道参数估计,提出利用基于判决导向的非线性内插方法来估计数据符号的信道参数.为了便于SC-FDMA系统均衡,推导给出了变换域信道与频域信道的转换表达式,利用该式可以直接将变换域信道参数估计转化为频域信道响应.计算机仿真结果表明,新方法的性能远远优于传统方法的估计性能,且具有低的计算复杂度.     

基于最优导频的自适应Kalman滤波信道估计方法

针对时变信道中的子载波间干扰(ICI)和噪声的统计模型不准确引起的滤波发散问题,介绍了一种基于最优导频预滤波的自适应Kalman联合算法。该算法通过使用最优导频滤除ICI,获得理想信道初始状态,然后将其作为Kalman滤波初始信息在时域上进行自适应Kalman信道估计。最后仿真实验表明,和传统的基于导频的Kalman滤波(KF)算法相比,该方法能有效抑制KF发散和改善信道估计精度。     

SUBSPACE METHOD FOR BLIND IDENTIFICATION OF CDMA TIME—VARYING CHANNELS

A new blind method is proposed for identification of CDMA Time-Varyin(TV) channels in this paper.By representing the TV channel‘s impulse responses in the delay-Doppler spread domain, the discrete-time canonical model of CDMA-TV systems is developed and a subspace method to identify blindly the Time-Invariant(TI) coordingates is proposed.Unlike existing basis expansion methods, this new algorithm does not require estimation of the base frequencies, neither need the assumption of linearly varying delays across symbols.The algorithm offers definite explanation of the expansion coordinates.Simulation demonstrates the effectiveness of the algorithm.     

频分双工大规模MIMO系统时变信道估计

大规模多输入多输出（Multiple-Input Multiple-Output, MIMO）系统的性能增益依赖可靠的信道估计,传统信道估计方案主要面向准静态场景,在用户高速移动场景中性能下降明显。本文研究频分双工（Frequency Division Duplex, FDD）大规模MIMO系统中的时变信道估计问题,利用信道向量在角度域的空时稀疏特性,提出软结构先验模型驱动的稀疏贝叶斯信道估计（Soft-Structured Prior Model based Sparse Bayesian Estimation, SSPM-SBE）方案,针对方案涉及的复杂贝叶斯估计问题,给出基于变分优化的低复杂度求解方法。SSPM-SBE方案能够充分利用当前和历史接收导频数据改善时变信道的估计性能,且无需信道大尺度信息的先验认知,仿真结果验证了方案的优越性。