一种基于LMS滤波的OFDM系统信道估计方法

提出了一种适用于OFDM系统的最小均方(LMS)滤波的信道估计算法,对发送序列中导频位置的信道响应进行LMS滤波,进一步得出所有子载波上的信道响应。仿真结果表明,该方法同基于离散傅里叶变换(DFT)的信道估计算法相比,改善了估计的均方误差(MSE)和误码率(BER)性能。     

一种基于自适应滤波的信道估计优化方法

为了解决无线移动通信 MIMO-OFDM 系统中导频辅助信道估计方法所存在的估计精度问题,提出了一种基于改进 LMS 算法的自适应滤波优化方法。首先使用 LS 算法对信道进行初始估计,然后利用估计结果恢复出原始发送数据,最后通过自适应滤波的方式对信道估计结果进行重新优化得到新的信道估计矩阵,可以获得更优的估计性能。仿真结果表明,提出的改进 LMS 算法相比于基本 LMS 算法具有更快的收敛速度和更好的稳态性能,自适应滤波优化后信道估计性能得到很大提高。     

WCDMA系统的迭代信道估计研究

本文针对WCDMA系统非连续导频情况,研究了采用Turbo编码的迭代信道估计技术,提出了一种基于LMS算法自适应滤波的信道估计方法.对信道估计值采用不同滤波器方法:维纳滤波、滑动平均滤波、FIR滤波、LMS自适应滤波的性能进行了比较,同时采用基于代价函数的方法对迭代信道估计进行了分析.理论分析和仿真结果表明对迭代信道估计所得信道估计值进行滤波的方法能够提高信道估计的精度,从而降低接收机的误比特率.     

基于导频的室内可见光自适应OFDM通信系统信道估计

使用自适应OFDM技术改善可见光通信系统性能,需要以准确的信道估计为前提。研究可见光自适应OFDM通信系统的基于导频的信道估计方法,引入射频通信中常用的LMS方法,与可见光信道基于LS的估计方法进行了比较,并对其特性进行了分析,仿真实验结果表明,采用LMS估计方法在BER为10-3水平时,SNR优于LS估计方法2 dB,LMS信道估计方法信道跟踪能力较强,比LS法抗干扰。     

OFDM系统中的自适应信道估计

分析了现有的基于导频的OFDM信道估计技术,提出了一种低复杂度的自适应信道估计方法,并给出了最大时延扩展的实时估计方法,最后通过计算机仿真,给出了多径信道下MSE曲线,以及在DVB-T系统中的BER仿真曲线,验证了其可靠性和良好的性能。     

4G OFDM通信系统中自适应信道估计方法

本文提出了4G OFDM移动通信系统中一种新型的自适应信道估计方法.利用信道冲激响应的最重要分量,本自适应信道估计方法能有效地降低子载波间干扰和高斯白噪声的影响.根据性能仿真结果比较,本方法在MSE、BER上表现优于变换域插值、时域插值方法.     

一种改进的2×1-D维纳滤波器OFDM信道估计器

本文对OFDM系统中广泛应用的一种导频辅助的信道估计器-2×1-D维纳滤波器进行了改进,以ML信道估计代替了其中的频域滤波,并将改进的估计器与2×1-D维纳滤波器在IEEE 802.16e OFDM系统中的BER、MSE性能及计算复杂度进行了比较.仿真结果表明,在802.16e OFDM系统下,改进的估计器能够以较低的复杂度达到优于2×1-D维纳滤波器的性能.此估计器也可以应用于其他基于导频估计的OFDM系统.     

LTE中一种改进的LMMSE迭代滤波信道估计算法

LTE作为3G与4G技术之间的一个过渡，是3．9G的全球标准，它改进并增强了3G的空中接入技术，采用OFDM和MIMO作为其无线网络演进的唯一标准。其中信道估计作为OFDM的关键技术，它对系统误码率性能有直接的影响。本文介绍一种新的基于LMMSE算法的迭代滤波信道估计改进方法。通过仿真结果可以看到这种方法能有效地降低信道估计MSE值以及改善BER性能，与传统方法相比性能更加接近于理想信道估计，因而具有较强的实用价值。     

一种基于空时相关的MIMO OFDM系统信道估计算法

提出了一种基于空时相关的MIMO OFDM系统信道估计算法,该算法以时域最小二乘信道估计(TD-LS-CE)为初始估计,充分利用在接收端已知的空时相关性,通过最小化FIR窗内多符号平均意义上的信道估计均方误差(MSE),获得对初始信道估计进行空时滤波的最优权系数,并进一步利用奇异值分解的方法大大降低该信道估计算法的复杂度。最后仿真结果表明,在相同的条件下,该信道估计算法在MSE、BER方面优于传统滑动平均(MA)信道估计算法在其最佳窗长时的性能,且在一定条件下可逼近理想信道估计性能。此外,空时相关性的增强还可进一步改善该信道估计算法的性能。     

MIMO-OFDM系统中基于迭代MAP算法的RLS信道估计

该文提出了一种适用于MIMO-OFDM系统的迭代最大后验概率(Iterative-MAP)信道估计算法。接收机利用MAP译码算法中的信息位和校验位软信息,经过非线性映射将信息反馈至信道估计模块,采用递归最小二乘(RLS)自适应滤波算法对信道时变状态参数进行跟踪,提高了信道估计的精度。仿真结果表明,该方法与最小二乘(LS)算法相比,估计的均方误差(MSE)和误帧率(FER)性能都有较大改善。     

基于自适应Volterra滤波器的非线性系统辨识

为了识别非线性系统的参数,本文提出了一种基于自适应Volterra滤波器的非线性系统辨识方法。给出了自适应Volterra滤波器的LMS和RLS算法。数值仿真结果表明,该方法对于非线性定常和时变系统都有效。     

一种用于QAM解调信号的LMS自适应均衡器

设计了一种用于QAM(Quadrature Amplitude Modulation)解调信号的LMS自适应均衡器。此均衡器采用线性自适应算法中的最小均方算法(LMS)．其结构由线性横向滤波器和需要训练序列的滤波器抽头系数更新模块组成．它可实现16／64／256点的QAM解调。利用MATLAB／Simulink对LMS自适应均衡器的收敛速度、误码率等指标进行仿真模拟,仿真结果表明,此LMS自适应均衡器对通过非理想信道的QAM传输信号具有较好的均衡性能。     

基于LMS算法的自适应滤波器仿真实现

为了达到最佳的滤波效果,使自适应滤波器在工作环境变化时自动调节其单位脉冲响应特性,提出了一种自适应算法:最小均方算法(LMS算法)。这种算法实现简单且对信号统计特性变化具有稳健性,所以获得了极为广泛的应用。针对用硬件实现LMS算法的自适应滤波器存在的诸多缺点,采用Matlab工具对基于LMS算法的自适应滤波器进行了仿真试验。仿真结果表明,应用LMS算法的自适应滤波器不仅可以实现对信号噪声的自适应滤除,还能用于系统识别。     

基于最小离差准则的自适应滤波器设计

实际系统中存在大量的具有脉冲性质的非高斯噪声，本文介绍利用实数维低阶矩理论，根据最小离差准则设计自适应滤波器，去除一类服从稳定分布的噪声，并给出了基于LMAD算法的自适应滤波器．实验表明，这种滤波器去除SaS分布噪声的性能比基于LMS算法的滤波器优越。     

基于载波域自适应迭代滤波器的无源雷达多径杂波抑制方法

在无源雷达系统中,监测通道信号中存在零频和非零频多径杂波,影响目标的检测。时域自适应迭代滤波器(如LMS, NLMS, RLS等)常被用于无源雷达杂波抑制,但这些方法只适用于零频多径杂波。该文针对零频和非零频多径杂波的问题,结合数字广播电视信号的正交频分复用波形特征,提出一种基于载波域自适应迭代滤波器的杂波抑制算法。该算法利用同一载频下含有相同多普勒频移的多径杂波的相关性原理,进行杂波抑制。仿真和实测数据处理结果证明了算法的有效性。     

慢衰落信道下的自适应MIMO检测算法

针对现有V-BLAST检测算法复杂度高的问题,本文提出了一种适用于慢衰落信道环境下的自适应MIMO检测算法。该算法首先利用基于最小均方误差准则的排序干扰抵消算法获得信号检测顺序和初始滤波器系数;利用信道之间的相关性,应用最小均方误差（LMS）算法到判决反馈均衡（DFE）结构中,完成滤波器系数的更新,从而避免了大量的矩阵求逆操作。仿真结果表明,与传统的MMSE-OSIC算法相比,本文算法在检测性能上略有下降,但具有更低的计算复杂度和更高的处理效率。      

浮点LMS算法的FPGA实现

LMS(最小均方)算法因其优良的收敛特性及算法简单等特点在自适应滤波器等领域得到了广泛的应用。浮点运算因其运算步骤繁琐及硬件资源消耗大等缺点使得浮点LMS算法的硬件实现十分困难。文中根据多输入高效浮点加法器结构在FPGA(现场可编程门阵列)上实现了浮点LMS算法。测试结果表明,实现后的LMS算法硬件资源消耗较少且收敛性能与理论值接近。     

一种新的变步长ELMS算法在噪声抵消中的应用

为了寻求高效快速的自适应算法,在ELMS算法基础上,提出了一种用均方误差和误差的相关性来调节步长的混合变步长ELMS（MVSS-ELMS）算法。该算法符合步长调整原则,并在抗噪性、有效性方面有了很大改善,同时具有比传统的LMS,ELMS算法收敛速度快,稳态失调小等优点。计算机仿真结果表明,新算法在自适应噪声抵消中的综合性能优于LMS及ELMS算法。     

Improved Soft Iterative Channel Estimation for Turbo Equalization of Time Varying Frequency Selective Channels

In this paper, we present computationally efficient iterative channel estimation algorithms for Turbo equalizer-based communication receiver. Least Mean Square (LMS) and Recursive least Square (RLS) algorithms have been widely used for updating of various filters used in communication systems. However, LMS algorithm, though very simple, suffers from a relatively slow and data dependent convergence behaviour; while RLS algorithm, with its fast convergence rate, finds little application in practical systems due to its computational complexity. Variants of LMS algorithm, Variable Step Size Normalized LMS (VSSNLMS) and Multiple Variable Step Size Normalized LMS algorithms, are employed through simulation for updating of channel estimates for turbo equalization in this paper. Results based on the combination of turbo equalizer with convolutional code as well as with turbo codes alongside with iterative channel estimation algorithms are presented. The simulation results for different normalized fade rates show how the proposed channel estimation based-algorithms outperformed the LMS algorithm and performed closely to the well known Recursive least square (RLS)-based channel estimation algorithm.     

用SystemView仿真LMS自适应算法

最小均方误差(LMS)算法是自适应信号处理中最常用的算法.本文在给出LMS算法的原理的基础上,设计了一种单一频率的自适应陷波器的仿真方案.采用SystemView通信系统仿真工具,仿真了该自适应陷波器工作过程,给出了各点工作波形,并通过实验给出了不同参数条件下的陷波器收敛性能.实验结果表明,在合适的参数条件下,LMS算法可以兼顾收敛速度和稳态误差两方面的性能,实现性能良好的陷波器.同时,由于采用迭代算法,LMS算法更适合DSP或FPGA的数字实现.