基于MIMO-OFDM系统的盲源分离算法研究

为了实现使用OFDM调制的MIMO系统的盲源分离问题,提出了在接收端使用Nyquist频率对接收到的信号进行采样的,从而将原始的MIMO-OFDM系统盲源分离问题转变为N组的独立分量分离的问题.通过将FastICA算法扩展到复数域,在频域中对每一组相同子载波上的信号进行独立分量分析,最终实现信号的盲分离.仿真实验获得的结果证实了该方案具有良好的恢复效果,且算法收敛的迭代次数只需要8～10次.     

MIMO—OFDM低延迟信道估计改进算法

为了克服多输入多输出正交频分复用（MIMO—OFDM）移动系统中采用空间复用技术的下行链路性能出现衰退现象,提出一种信道估计改进算法。它根据信道状态并通过一个决策指导方案为4×4 MIMO系统提供大约4bit／s／Hz的数据。通过使用LDPC短码,在LDPC译码器输出端采用MIMO—OFDM符号重建方法,达到提高估计精度的目的。在3GPP MIMO空间信道模型下进行了仿真验证,结果表明指定速率下的估计精度得到改善。     

NNISA-PF算法的MIMO-OFDM信道估计应用分析

MIMO-OFDM(多输入多输出—正交频分复用)系统的信道估计问题是系统接收机进行相干解调的关键。针对标准粒子滤波算法在MIMO-OFDM信道估计时存在观测系数不准确和粒子退化等问题,提出了一种基于神经网络的重要性样本调整粒子滤波(NNISA-PF)算法。对MIMO-OFDM通信系统及时变信道进行建模,得到了状态空间模型;详细分析了标准粒子滤波的改进算法——NNISA-PF;在MIMO-OFDM快衰落和慢衰落信道下,对Kalman、Bootstrap和NNISA-PF三种滤波算法分别在AWGN、Middleton-A噪声下的NMSE和BER性能进行了仿真对比分析。仿真结果表明,在快衰落和慢衰落情况下,NNISA-PF算法都可以有效对抗噪声干扰,尤其是在非高斯噪声环境下优势明显;NNISA-PF算法可以较准确地对MIMO-OFDM时变信道进行半盲估计,使MIMO-OFDM技术优势得到充分发挥。与现有的半盲信道估计方法相比,该方法具有估计精度高、对非高斯噪声鲁棒性强等优点。     

2×4 MIMO-OFDM系统中K-Best检测器的设计与实现

基于贝尔实验室V-BLAST结构构建了2×4 MIMO-OFDM系统模型,并确定了该模型下K-Best算法的K值。之后对K-Best检测器进行了硬件架构设计,采用Xilinx Virtex-5芯片对所设计检测器加以实现,并给出检测器资源消耗和时钟频率等性能指标,最后通过仿真验证检测器正确性。     

基于MIMO—OFDM系统的自适应比特功率分配方案研究

将最优的比特分配算法应用于MIMO—OFDM系统．运用Chow算法和Levin Campello算法实现子信道的比特和功率分配,在MIMO—OFDM系统中采取奇异特征值分解方法来对抗子载波间干扰。仿真结果证明,该方法对于MIMO—OFDM系统自适应非常有效,而且较SISO—OFDM系统性能有显著的提高。     

一种新的基于训练序列的MIMO-OFDM信道估计方法

为了实现MIMO-OFDM(多输入多输出—正交频分复用)系统的相干检测,提出一种新的基于训练序列的信道估计方法。详细阐述了算法的估计准则和训练序列的构造方法。利用训练序列良好的相关特性简便、精确估计出信道的频域响应及其冲激响应。通过理论分析和计算机仿真说明,新的算法对比最佳训练序列的LS(最小二乘法)时域估计方法,具有同样的估计精度,同时避免复杂的矩阵求逆运算,使计算复杂度进一步降低。     

MIMO-OFDM系统中基于压缩感知的信道参数反馈方法

为了解决MIMO-OFDM系统中基于完全信道状态信息预编码所面临的反馈链路开销大的问题,提出将压缩感知技术应用于这种预编码的信道状态信息的反馈阶段。在接收端通过压缩感知技术对由信道估计得出的信道状态信息进行观测,将少量的观测值反馈到发送端,在发送端通过正交匹配追踪算法重构出完全信道状态信息。仿真结果表明,信道状态信息在KLT域的压缩感知性能明显优于DCT域的压缩感知性能,可以由反馈到发送端的少量采样值精确地重构出信道状态信息,降低了反馈链路的开销。     

基于可变抽头长度的IEEE 802.11n信道估计方法

为了提高在不同信道冲激响应长度下无线局域网传输性能,提出一类基于可变抽头长度的MIMO OFDM信道估计方法.该类方法利用训练序列对信道进行估计,动态调整抽头长度及位置,基于最小二乘原理完成一个较大点数的信道估计,估计噪声功率并确定噪声门限.根据IEEE 802.11n无线局域网信道模型中多群集效应,使用消去策略确定需要的抽头长度,在满足门限后对系统进行抽头长度更新后的最小二乘估计.分析及仿真结果表明,该类方法与传统MIMO OFDM信道估计方法相比,节省了系统资源,估计性能有显著提高,尤其适用于较高信噪比及较大星座图调制的MIMO OFDM系统.     

Channel estimation for MIMO-OFDM systems using steepest-descent algorithm

In this paper, the channel estimation methods to resolve the error floor for SUI-5 channel are investigated. Since the pilot allocation is solid with FUSC model, the author can＇t modify it exhaustively. So only the author can do is to combine the preamble and pilot carrier to resolve the problem. Here the authors introduce steepest descent algorithm combine preamble and pilot well for consult. Simulation result show that novel algorithm can decrease the error floor for SUI_5 channel drastically and improve the performance for slow fading or fast fading channel. The authors also conclude that pilot only scheme exits error floor when the coherent bandwidth of channel is narrow, and preamble only scheme can decrease the error floor drastically when the coherent bandwidth of channel is narrow, however it can＇t trace the fast fading channel.     

基于发射功率最小化的MIMO-OFDM系统资源分配算法

研究了一种针对多用户MIMO-OFDM系统的资源分配算法. 该算法是在保证用户公平性的前提下,基于发射功率最小化对系统进行子载波和比特分配. 首先按照用户信道增益状况由最差到最好的顺序进行子载波的初次分配,之后再比较其功率大小找到最终适合用户的子载波,最后利用贪婪注水法对子载波进行比特分配. 仿真结果表明,算法降低了系统的发射功率,并提高了系统的性能.