OFDM水声通信系统信道估计算法应用研究

信道估计的精确性和有效性是正交频分复用（OFDM）水声通信系统具有良好性能的保证。针对水声信道稀疏性的特点,在传统的LS（最小二乘）和LMMSE（线性最小均方误差）信道估计算法的基础上进行了基于压缩感知（Compressive Sensing,CS）理论的LS-MP（Matching Pursuit,匹配追踪）信道估计算法的研究。并在OFDM水声通信系统下,对传统的信道估计方法（LS和LMMSE）和基于压缩感知理论的LS-MP信道估计方法进行仿真分析,对这三种算法进行了性能比较。     

基于信号强度测距的最小均方误差定位算法

针对室内视距（LOS）和非视距（NLOS）混合环境下的定位精度不高的问题,提出基于信号强度测距的最小均方误差定位（Strength Ranging-based Minimum Mean Square Error localization,SRMSL）算法。SRMSL算法先建立基于超宽带（ultra wide band,UWB）的测距模型,并分别构建在LOS和NLOS环境下的最小均方误差函数,再估计未知节点位置。利用中值函数滤除异常的抽样值,有效辨识NLOS环境下的测距信息。仿真和实验结果表明,提出的SRMSL算法在定位精度方面优于M估计和最小中值平方估计。     

基于信道缩短的TH-PPM UWB稀疏信道盲估计算法

针对TH-PPM UWB系统,提出一种基于信道缩短的UWB稀疏信道盲估计算法.该算法通过对接收信号进行信道缩短,有效地克服了信道过长给估计精度带来的影响.同时利用UWB信道的稀疏簇特性,避免了无谓的零值抽头估计,改善了该算法的性能.仿真结果表明:当信道长度大于符号长度时,该算法可以获得较好的估计性能.     

混合定位算法在复杂室内环境下的应用研究

针对复杂室内环境下视距（line of sight,LOS）和非视距（not line of sight,NLOS）并存的三维混合定位技术进行了研究。在 LOS 环境下,基于到达时间差（time difference of arrival,TDOA）定位算法优于其他定位技术;但受到室内环境尤其是 NLOS 环境下的多径效应,TDOA 定位的精准度大大减弱。若能够正确评估传播衰减系数以此补偿多径效应带来的影响,那么基于接收信号强度（received signal strength,RSS）定位算法受到 NLOS 多径效应的影响将大大减小。提出了三维混合加权最小二乘（hybrid weighted least square,HWLS）RSS ／TDOA 算法,通过使用 Nakagami-m 分布鉴定当前信道是 LOS ／NLOS 路径,用于室内环境下的目标定位,并通过实验验证该算法提高了定位精度。     

基于贝叶斯推理的TDOA/AOA定位算法

在视距(LOS)环境下,到达时间差(TDOA)和电波到达角(AOA)定位技术可以获得较高的精度,而在非视距(NLOS)环境下,无法得到良好的定位效果.在非理想信道环境下,蜂窝基站和移动终端之间存在多径传输和NLOS传播的问题,这些因素均会影响定位精度.构建LOS和NLOS传播条件下的实际信道环境模型来研究信号的测量误差特性,利用贝叶斯推理的方法对AOA测量值进行估计,从而有效消除附加噪声的干扰.仿真结果表明,在NLOS环境下,该算法的定位性能优于单纯的TDOA和TDOA/AOA算法.     

基于二维压缩感知的双选信道估计

高速移动下的无线宽带通信要经历时间和频率的双选择性衰落,为了使发送的数据经过衰落的信道后在接收端被正确地接收,必须要对信道状态信息进行估计。本文根据双选信道在时延-多普勒域的二维稀疏性,同时利用时域和多普勒域内的相关性,在OFDM系统中提出了基于二维压缩感知（2 Dimension Compressive Sensing,2D-CS）的双选信道估计。同时为了克服信道的双选特性对信道估计造成的不稳定性,设计了二维正则正交匹配追踪（2 Dimension Regularized Orthogonal Matching Pursuit,2D-ROMP）算法进行信道估计。理论分析和仿真结果表明,在同等条件下,采用二维的信道估计方法比一维的信道估计方法性能提高很多,同时与现有的基于传统的时频二维的算法相比,基于2D-ROMP的信道估计复杂度更低,且系统性能更高,减少估计时延。     

LOS/NLOS混合环境中基于交互式多模型的鲁棒目标跟踪

针对视距（line-of-sight, LOS）和非视距(none-line-of-sight, NLOS)混合环境的定位跟踪问题, 提出一种基于扩展H∞滤波（EHF）和扩展卡尔曼滤波(EKF)的交互式多模型(IMM)定位跟踪算法。目标与基站之间的LOS、NLOS传输信道分别用EKF和EHF匹配, 模型间的转换用马尔可夫过程进行描述。Monte Carlo仿真结果表明, 该算法具有较高的定位精度、较好的跟踪稳定性, 且计算时间与基于EKF的IMM算法相当, 具有较好的可实现性。     

面向楼梯应急通信系统的随机多簇信道模型

楼梯信道模型是设计楼梯应急通信系统的关键,而信号多簇特性对信道建模具有重要影响,对此提出了新的随机多簇信道冲击响应（Channel Impulse Response,CIR）模型。对于视距（Line of Sight,LOS）环境,提出用距离相关函数拟合簇到达时间。而非视距（Non LOS,NLOS）环境下,簇到达时间与距离无关。CIR中每个簇用指数衰减函数描述,其中衰减常量随距离变化。最后用实测数据验证所提出模型的准确性,并用S-V模型作比较。结果表明,所提出模型更适合描述室内楼梯传播特性。     

基于IMM-IKF的无线传感器网络非视距节点定位方法

针对非视距(NLOS)环境下的移动定位问题,提出一种基于交互式多模型-改进卡尔曼滤波(IMM-IKF)的无线传感器网络NLOS节点定位算法.算法在IMM算法框架下估计移动节点位置,采用两个平行的改进卡尔曼滤波算法对多个移动节点候选位置进行滤波处理,通过Markov链实现LOS状态与NLOS状态的转换,根据似然概率对两个滤波结果进行加权融合,从而获得移动目标位置.仿真实验结果表明,所提出算法可以有效抑制NLOS误差,实现精确定位.     

基于卷积神经网络的超宽带信道环境的分类算法

针对非视距（NLOS）状态鉴别需要已知信道类型的分类的问题，提出了一种基于卷积神经网络（CNN）的信道环境分类算法。首先，对超宽带（UWB）信道进行采样，构建样本集合；然后，利用样本集合训练CNN，对不同的信道场景特征进行提取；最终实现超宽带信道环境的分类。实验结果表明：所采用的分类方法的总模型准确率约为93.40%，能有效地实现信道环境的分类识别。     

OFDM系统稀疏信道估计研究

由于许多通信系统的信道具有稀疏多径的特性,因此可以将信道估计问题归结为稀疏信号的恢复问题。提出一种新的基于压缩感知理论的正交频分复用系统信道估计方法,采用稀疏度自适应匹配追踪压缩感知算法对OFDM信道时域脉冲响应进行估计。克服了现有基于压缩感知理论的信道估计方法需要预先知道信道冲激响应稀疏度才能重构信道参数的不足,在信道稀疏度等信道先验知识未知情况下可得到较好的信道估计性能,降低系统复杂度。     

基于改进子空间追踪算法的稀疏信道估计

由于许多通信系统的信道具有稀疏多径的特性,因此可以将信道估计问题归结为稀疏信号的恢复问题,继而应用压缩感知理论(CS)的算法求解。针对CS中现存的信号重构方法——子空间追踪法(SP)需要对稀疏度有先验知识的缺点,提出一种改进的子空间追踪法(MSP)。该方法的反馈和精选过程与SP算法一致,不同之处是MSP算法每次迭代时向备选组合中反馈添加的向量个数是随着迭代次数而逐一增加的,而SP算法中备选组合被添加的向量个数与稀疏度相同。仿真结果表明,基于MSP方法所得到的稀疏多径信道估计结果优于基于传统SP的方法,且无需已知信道的多径个数。     

基于自适应阈值SAMP算法的OFDM稀疏信道估计

为了降低重构算法的复杂度,提高重构的精确度,提出一种自适应阈值的稀疏度自适应匹配追踪算法（SAMP）,并将其运用在OFDM稀疏信道估计中。蒙特卡洛仿真证明,改进后的算法相比于原算法在CPU运行时间上减少了44.7%,并且在较低的信噪比下也能达到较好的估计效果。此外,针对OFDM稀疏信道估计问题,结合压缩感知理论中观测矩阵的构造方法,提出一种新的导频图案分布设计方法,仿真证明该导频图案设计方法比现有方法在估计精确度方面提高2~4dB。     

超宽带室内定位关键技术

超宽带信号的高时间分辨率特性非常适合用于室内场景下的精确定位。本文回顾了超宽带系统位置估计问题,首先介绍了UWB定位系统的特点,然后给出了定位基本原理,指出了超宽带定位系统设计中面临的两个重要挑战,分别是超宽带信号采样问题和到达时间参数估计问题,应用压缩感知理论解决这些问题并给出了最新研究成果,最后描述了一种精密实时的UWB商用定位系统。     

基于UKF的环境自适应UWB/DR室内定位方法

针对复杂室内环境下超宽带（Ultra WideBand,UWB）信号传播的非视距（Non Line Of Sight,NLOS）误差问题,本文提出了一种基于无迹卡尔曼滤波（Unscented Kalman Filter,UKF）的环境自适应UWB/DR室内定位方法.该方法通过建立自适应UKF滤波模型,将UWB定位信息和航迹推算（Dead Reckoning,DR）定位信息进行融合.依据新息和高斯分布的3σ原则来对UWB定位结果进行非视距检测,再通过新息的实时估计协方差和理论协方差来构建环境适应系数,进而用此系数动态修正UWB定位的观测噪声,使得观测噪声自适应真实环境,降低NLOS误差对融合定位结果的影响.实验结果表明,该方法能有效减小UWB定位的NLOS误差,并且由于环境适应系数的创新引入,比UKF定位和粒子滤波定位（Particle Filtering,PF）有更高的定位精度和更强的抗NLOS误差性能.     

基于压缩感知改进算法的MIMO-OFDM稀疏信道估计

结合压缩感知理论（CS）,针对压缩采样匹配追踪算法在多输入多输出正交频分复用（MIMO_OFDM）系统信道估计应用中需要利用信号稀疏度的先验条件,而实际中稀疏度又难获得的情况,提出一种信号稀疏度自适应的压缩采样改进匹配追踪算法（CoMSaMP）。该算法采用具有理论支撑的原子弱选择标准作为预选方案,并设置首次裁剪阈值来减少算法多余的迭代,降低算法在信道估计中的复杂度,裁剪方式的改进保证了重构精度的提高,最终实现MIMO-OFDM稀疏信道估计中信号的稀疏度自适应。仿真结果表明：与原算法相比,该算法在同等信噪比条件下具有更优的信道估计性能,从而提高了频谱利用率,同时降低了复杂度,在稀疏度较高时,提出的算法具有更好的对噪声的抗干扰能力。     

基于多带正交频分复用的超宽带信号压缩传感

针对超宽带(UWB)信号在采样率过高时难以采样的问题,提出了改进的并行分段式压缩传感（MPSCS）方法,并且在多带正交频分复用超宽带通信系统中,利用MPSCS中基于正交匹配追踪（OMP）的重构算法进行了压缩采样与信号重构。在CM1信道下,通过仿真分析比较了MPSCS方法和并行分段式压缩传感（PSCS）方法、奈奎斯特方法的误码率、采样率性能。仿真结果显示,MPSCS在误码率、采样率方面有很大优势,而且在采样率仅为奈奎斯特速率6.06%的情况下,MPSCS能精确重构超宽带信号。     

基于自适应抗差卡尔曼滤波的UWB室内定位

在UWB室内定位中,测距中存在的NLOS误差和测距异常值会大幅降低其定位的精度和可靠性.针对这一问题,提出了一种自适应抗差卡尔曼滤波方法.该方法首先在UWB距离模型的基础上,利用新息向量和LOS环境下的阈值所构造的抗差因子鉴别并削弱NLOS测距误差和测距异常值的影响,同时利用Sage-Husa滤波对系统噪声进行实时估计和修正,在此基础上推导UWB定位的线性模型,利用卡尔曼滤波进行UWB定位解算.实验结果表明,该方法能有效地抑制并消除UWB测距中的NLOS测距误差和测距异常值的影响,进而能提高UWB定位的精度和可靠性.