BICM-OFDM系统中基于ML算法的迭代频偏估计

正交频分复用(OFDM)联合比特交织编码调制(BICM),是一种能够有效地抗频率选择性衰落的技术.由于载波频偏的存在会引起载波间干扰,导致系统性能的严莺下降.针对BICM-OFDM系统提出了一种基于最大似然(ML)估计的迭代频偏估计算法.该算法充分利用了译码信息,分两步进行.首先,利用最大似然估计进行初始频偏估计,然后再利用BICM译码的硬判决反馈信息进行残留频偏估计.通过BICM迭代译码,更新译码反馈信息,提高频偏估计精度.在短波宽带信道下的仿真结果表明,在频偏为0～0.2的范围内,提出的算法经过3次迭代可有效地进行频偏估计.与传统最大似然估计算法相比,本文提出的算法提高了低信噪比下的频偏估计精度,并且提高了频偏估计范围.     

基于ML和ESPRIT方法的OFDMA上行链路频偏估计算法

由于载波频偏会给正交频分多址接入OFDMA系统带来子载波之间干扰,从而造成多用户之间的干扰,导致系统性能下降。该文提出一种基于ESPRIT和ML方法联合估计的频偏估计算法。该算法首先使用ESPRIT方法估计出多个可能的频偏构成的子集,然后使用最大似然估计方法在这个有限子集合中搜索出估计的频偏。该算法解决了使用似然估计进行多维搜索的问题,大大降低了算法的复杂度,同时解决了多个频偏估计的问题。     

分布式MIMO中的最大似然频偏估计

在考虑分布式多入多出(MIMO)系统中各收发天线对之间的频偏均可能不同的一般情况下,推导出了平坦衰落MIMO信道模型下的最大似然频偏估计.针对收端是否采用分布式天线的两种不同情况,分别提出了一种只涉及一维最大化问题的较低复杂度频偏估计方法.仿真结果表明,所提频偏估计方法在平坦衰落MIMO信道下可以获得令人满意的估计性能;而在收端仍采用集中式天线这一特殊情况下,利用所有接收天线上的接收信号进行联合估计,可以进一步提高估计性能.     

MIMO OFDM系统中同步和信道的联合估计

提出了一种MIMO OFDM系统的定时恢复、频率同步和信道估计的联合算法。为了减少算法的复杂度，算法分两步完成：首先利用接收信号的自相关函数进行粗同步和信道估计，得到时延和频偏的粗估计，然后在粗估计基础上采用最大似然准则进行精确的同步和信道估计。仿真结果表明，该算法能够达到很好的效果，系统误码率接近已知信道响应时的情况。     

MIMO系统中检测方法的研究及其改进

首先对现有的最大似然估计和各种等效算法进行了研究,并分别对他们在性能方面进行了比较。为了保证在一定精度的前提下尽量降低复杂度提出了一种新的球解码算法,该球解码算法是建立在MMSE-DFE和CL球解码算法的基础上,它有效地降低了算法的复杂度。仿真结果表明了这种改进算法的有效性。     

基于MUSIC和ESPRIT的双基地MIMO雷达角度估计算法

该文基于2阶和4阶统计量,提出了空间高斯白噪声和高斯色噪声的背景下联合MUSIC和ESPRIT的双基地MIMO雷达角度估计算法。在接收端,通过单天线的MUSIC算法和双天线的ESPRIT算法分别估计目标的离开方向(Direction Of Departure, DOD)和波达方向(Direction Of Arrival, DOA),且DOD和DOA自动配对。该方法充分利用了MIMO雷达阵列孔径扩展的特征和ESPRIT的子空间旋转不变性,将2维参数估计问题转化为两个1维形式,降低了运算量和系统复杂度。计算机仿真验证了该方法的有效性。     

TH-UWB系统中ML信道估计算法研究

跳时超宽带无线通信系统中信道估计的准确度对系统接收性能具有重要影响,首先对超宽带系统收发模型进行介绍,然后对TH-UWB系统中基于训练序列的非结构化最大似然信道估计算法进行分析,最后在超宽带信道模型下对估计算法性能进行仿真.仿真结果表明基于训练序列的非结构化最大似然信道估计算法能够有效估计出信道参数.     

基于神经网络的ML方向估计

本文提出一种用于最大似然(ML)方向估计的神经网络模型。理论分析和模拟结果表明,这种网络一般可以在电路的时常数数量级内给出目标方向的ML估计值,而且网络结构和参数固定,阵列阵元输入直接作为网络的输入而无需任何运算。因此这种网络非常适用于实时处理。这为实时实现目标的精确定位提供了一条新途径。     

基于波束空间MUSIC的MIMO雷达波达方向估计

在进行波达方向估计时,阵元空间MUSIC方法的计算量通常都比较大。为了解决此问题,采用了波束空间MUSIC的方法,它的计算量较阵元空间MUSIC方法有所下降,将它运用于多输入多输出雷达波达方向的估计问题。计算机仿真实验表明,虽然协方差矩阵特征分解的计算量下降了,但是波束空间MUSIC的性能依然良好。     

基于正交训练序列的MIMO系统联合最大似然时频同步和信道估计

该文推导了多输入多输出(MIMO)系统中的符号定时、频偏和信道参数的联合最大似然(ML)估计。针对联合ML估计没有闭合的表达式、数值计算复杂度高的问题,该文提出了一种基于重复结构的正交训练序列的简化估计算法。该估计算法形式简单、复杂度低,且仍为最大似然估计。最后仿真分析了最大似然参数估计的均方误差与接收信噪比和天线数目的关系,并与Cramer-Rao界作了比较,表明了该算法的有效性。     

基于STFAP的MIMO雷达运动目标参数估计的CRB研究

多发多收(Multiple-Input Multiple-Output, MIMO)雷达在目标检测、参数估计等方面具有显著优势。目标参数估值的CRB被证明是系统设计和空时自适应处理(STAP)性能分析中的有力工具。该文针对采用频分正交信号的共置天线MIMO雷达,首先建立基于MIMO雷达的目标和杂波空-时-频信号模型;在此基础上,研究基于空-时-频自适应处理(STFAP)的MIMO雷达地面运动目标角度和多普勒参数最大似然估值的克拉美-罗界(CRB);最后通过CRB性能仿真分析验证了MIMO雷达STFAP有效消除动目标检测盲速,提高目标参数估计精度的优势。     

An efficient approximate maximum likelihood signal detection for MIMO systems

This paper proposes an efficient approximate Maximum Likelihood （ML） detection method for Multiple-Input Multiple-Output （MIMO） systems, which searches local area instead of exhaustive search and Selects valid search points in each transmit antenna signal constellation instead of all hyperplane. Both of the selection and search complexity can be reduced significantly. The method performs the tradeoff between computational complexity and system performance by adjusting the neighborhood size to select the valid search points. Simulation results show that the performance is comparable to that of the ML detection while the complexity is only as the small fraction of ML.     

Estimation of carrier frequency offsets for MIMO systems with distributed transmit antennas

The problem of estimating the carrier frequency offsets in Multiple-Input Multiple-Output (MIMO) systems with distributed transmit antennas is addressed. It is supposed that the transmit antennas are distributed while the receive antennas are still centralized, and the general case where both the time delays and the frequency offsets are possibly different for each transmit antenna is considered. The channel is supposed to be frequency flat, and the macroscopic fading is also taken into consideration. A carrier frequency offset estimator based on Maximum Likelihood (ML) is proposed, which can separately estimate the frequency offset for each transmit antenna and exploit the spatial diversity. The Cramer-Rao Bound (CRB) for synchronous MIMO (i.e., the time delays for each transmit antenna are all equal) is also derived. Simulation results are given to illustrate the per- formance of the estimator and compare it with the CRB. It is shown that the estimator can provide satisfactory frequency offset estimates and its performance is close to the CRB for the Signal-to-Noise Ratio (SNR) below 20dB.     

基于先验信息的M-APSK信号迭代信噪比估计

该文提出了一种适合多进制振幅移相键控信号信噪比估计的迭代算法。给定先验信息的条件下,由经过平坦衰落的多进制振幅移相键控信号的概率分布出发,对其对数期望求导得到信噪比参数和数据的关系,引入数据可信度更新信噪比参数,从而获得相应的迭代算法。与已有的矩方法相比,该文提出的基于先验信息迭代算法在迭代四次,互信息大于0.4以上时性能优于已有非数据辅助算法,而无先验信息下的五次迭代时中高信噪比下优于矩方法。     

基于偶数阶累积量的非圆信号测向方法

提出了基于2q阶累积量的非圆信号测向MUSIC(Multiple Signal Classification)算法(称为NC-2q-MUSIC),作为2q-MUSIC算法利用非圆信息的一种扩展,在可测向信号数、分辨力和测角精度等方面的性能均优于2q-MUSIC算法.并且,q越大,NC-2q-MUSIC算法的可测向信号数越大,分辨力越高,对模型误差也越不敏感.针对均布线阵(ULA:Uniform Linear Array)提出的NC-2q-MUSIC/ULA算法减小了计算量.仿真实验验证了NC-2q-MUSIC算法的优良性能.     

基于似然函数的双曲调频信号参数估计快速算法

相较于线性调频(LFM)信号,双曲调频(HFM)信号因具有良好的脉冲压缩性能和多普勒不变性,被广泛用于雷达侦查、水声探测等多普勒影响严重的场景中,其中HFM信号的参数估计问题尤为重要。有鉴于此,该文提出一种基于似然函数的HFM信号参数估计快速算法。文中首先推导出HFM信号的Cramer-Rao下界作为参数估计的性能评估标准;然后基于高斯随机噪声,构建了HFM信号的似然函数,并结合数据向量化的特点提出一种改进的适应度函数,最后利用全局最优引导人工蜂群(GABC)算法对该适应度函数进行极值寻优,从而实现HFM信号的参数估计;通过蒙特卡洛仿真证明了该方法在信噪比为3 dB以上时,HFM信号的参数估计结果的均方误差更逼近Cramer-Rao下界,且运算量约是原来的1/3,在保证估计精度的同时提高算法收敛速度。     

基于似然函数的双曲调频信号参数估计快速算法

相较于线性调频(LFM)信号,双曲调频(HFM)信号因具有良好的脉冲压缩性能和多普勒不变性,被广泛用于雷达侦查、水声探测等多普勒影响严重的场景中,其中HFM信号的参数估计问题尤为重要。有鉴于此,该文提出一种基于似然函数的HFM信号参数估计快速算法。文中首先推导出HFM信号的Cramer-Rao下界作为参数估计的性能评估...     

基于分数阶傅里叶变换的双基地雷达线性调频信号的参数联合估计新方法

该文提出一种双基地MIMO雷达线性调频(LFM)信号参数的联合估计新方法。在所提出的新的双基地MIMO雷达的信号模型基础上,利用分数阶傅里叶变换对线性调频(LFM)信号的能量聚集特性进行提取,根据分数阶傅里叶变换域内的峰值点对多普勒频移尺度和时延进行估计,并采用FRFT-MUSIC算法实现了线性调频(LFM)信号收发角的联合估计,实现了收发角的自动配对。仿真实验验证了算法的有效性。