基于梯度追踪的MIMO-OFDM稀疏信道估计算法

现有的压缩感知MIMO-OFDM信道估计方法多采用正交匹配追踪算法及其改进的算法。针对该类算法重构大规模的数据存在计算复杂度高、存储量大等问题,提出了基于梯度追踪算法的MIMO-OFDM 稀疏信道估计方法。梯度追踪算法采用最速下降法对目标函数解最优解,即每步迭代时计算目标函数的搜索方向和搜索步长,并以此选择原子得到每次迭代重构值的最优解。本文使用梯度追踪算法对信道进行估计,并与传统的最小二乘估计算法、正交匹配追踪算法的性能和计算复杂度进行比较。仿真结果表明,梯度追踪算法能够保证较好的估计效果,减少了导频开销,降低了运算复杂度,提高了重构效率。     

基于梯度追踪的压缩感知超宽带通信信道估计

针对现有压缩感知超宽带信道估计方法运算复杂度较高的问题,提出了基于梯度追踪算法的压缩感知超宽带信道估计方法.将超宽带信道估计转化为压缩感知的重构问题,并使用梯度追踪算法进行重构得到信道估计值,最终实现信息解调.梯度追踪算法通过每步计算目标函数的负梯度方向和搜索步长,使目标函数沿负梯度方向以此步长搜索得到每步重构值的最优解,从而避免了正交匹配追踪算法中高维度最小二乘运算以及基追踪算法中求解凸优化问题所导致的运算复杂度高的缺点.仿真结果表明该方法相对于正交匹配追踪算法和基追踪算法能够降低运算复杂度,提高运算速度,同时依然能够保证估计效果.     

一种低复杂度的MIMO-OFDM信道估计阈值算法

本文分析了现有的基于导频的MIMO-OFDM信道估计技术,提出了一种低复杂度的信道估计阈值算法,这种算法与采用维纳滤波器的估计技术相比较,具有计算复杂度低,适应性好的特点。在"B3G"系统仿真平台上进行了仿真验证,仿真曲线充分表明该算法具有良好的跟踪信道变化的能力。     

一种低复杂度的MIMO—OFDM信道估计阈值算法

本文分析了现有的基于导频的MIMO—OFDM信道估计技术，提出了一种低复杂度的信道估计闽值算法，这种算法与采用维纳滤波器的估计技术相比较，具有计算复杂度低，适应性好的特点。在“B3G”系统仿真平台上进行了仿真验证，仿真曲线充分表明该算法具有良好的跟踪信道变化的能力。     

一种基于FFT低复杂度的信道盲辨识算法

提出了一种适用于短突发信号的低复杂度基于FFT的信道盲辨识算法。算法基于MCR(minimum cross-relation)算法只需最小冗余度信息可求解出信道向量的特性,通过将其建立的线性方程经过FFT变换后再求解信道向量,并结合算法中的矩阵 的秩信息提出了一种快速阶数估计算法。仿真表明,该算法既克服了传统辨识算法对于短突发观测数据下性能不佳的缺点,又降低了原有基于FFT的信道盲辨识算法的复杂度和提升其对阶数的鲁棒性。     

一种基于实值变分贝叶斯推断的大规模MIMO系统下行信道估计方法

酉矩阵变换是一种常用的实值化方法,可有效地降低计算复杂度。然而,在现有的基于酉矩阵变换的大规模多输入多输出系统（Multiple input multiple output, MIMO）下行信道估计方法中,观测矩阵的维度增加了一倍,若不进行维度压缩,降低计算复杂度的目标将难以实现。虽然利用信号空间和噪声空间的正交性可压缩维度,但信号空间只能近似计算获得,不可避免地带来性能损失。为了改善信道估计性能,本文将信号空间矩阵当作变量,在估计过程中自适应地调整信号空间矩阵,但这使得信号空间矩阵和稀疏信号矩阵高度耦合,传统的贝叶斯推断无法适用。为了应对该挑战,本文进一步引入列向量独立分解的贝叶斯变分假设,成功将信号空间矩阵和稀疏信号矩阵解耦。仿真结果表明,所提方法可显著提升信道估计性能。     

一种OFDM系统最大似然信道估计的改进算法

针对传统的信道估计算法中算法性能与复杂度的矛盾,研究了一种低复杂度的最大似然信道估计算法。仿真结果表明,该算法与传统的信道估计算法相比较,具有较低的复杂度和较好的估计性能。     

基于平滑l0范数的OFDM系统稀疏信道估计

信道估计是无线通信系统的关键技术.为了提高信道估计的精确性,针对现有压缩传感的信道估计算法需预先知道信道稀疏度的问题,提出了一种新的基于压缩传感理论的正交频分复用系统信道估计平滑l0范数(Smoothed l0 Norm,SLO)算法,并引入双曲正切函数对SL0算法进行改进.仿真结果表明,在相同条件下,与传统最小二乘(LS)以及匹配追踪(MP)和压缩采样匹配追踪(CoSaMP)算法比较,改进算法收敛速度快,估计值均方误差小,降低了系统复杂度.     

基于互质阵的循环平稳信号低复杂度欠定DOA估计算法

针对现有大多数循环平稳信号DOA估计算法复杂度较高、估计精度低无法实现对有用信号的欠定估计问题,提出了一种基于互质阵的循环平稳信号低复杂度、欠定DOA估计算法.算法的主要思想是利用互质阵良好的稀疏特性,通过矢量化处理构造虚拟阵列模型,扩展阵列孔径,实现阵列自由度的提升.首先,算法构造了互质阵输出的循环自相关矩阵,然后进行矢量化处理得到最大连续虚拟阵元部分,给出其谱峰搜索的表达式.最后,为降低计算复杂度,对算法进行改进,应用多项式求根的方法直接求解DOA估计值.仿真结果表明,所提算法能实现对有用信号的欠定估计,计算复杂度较低,且相比于大多数的循环平稳信号DOA估计算法,所提算法估计自由度和估计精度有了进一步的提升.     

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。     

分数低阶时频滑动平均模型参数估计

针对稳定分布环境下非平稳过程分析方法时频滑动平均（TFMA）模型算法的退化,引入分数低阶统计量共变,提出了一种改进的分数低阶时频时频滑动平均（FLO-TFMA）模型算法。推导了FLO-TFMA模型的参数求解过程,给出了基于FLO-TFMA模型的时频谱估计。通过在稳定分布环境下对TFMA模型算法和所提出的FLO-TFMA模型算法的参数估计均方误差（MSE）比较和时频谱估计比较,仿真结果表明,FLO-TFMA模型算法的参数估计精度优于TFMA模型算法,TFMA模型时频谱估计完全失效,而FLO-TFMA模型时频谱算法能较好地进行时频谱估计。     

基于l0范数近似最小化的稀疏信号重构方法

针对稀疏信号的重构问题,提出了[l0]范数近似最小化算法。利用反正切函数近似[l0]范数建立相应的非凸优化问题。通过构造快速的不动点迭代格式求解该问题,分析了所提出算法的收敛性能。数值仿真表明,该算法具有重构信号需要测量值少、计算精度高且计算量较小的优点。     

基于改进MUSIC算法的宽带信号DOA估计

现有的波达方向（DOA）估计算法在估计被动探测系统中的宽带信号方位时,存在DOA估计结果偏差大、运算复杂度高等问题,难以满足信号实时处理的要求。为提高多源信号DOA估计的空间分辨率,提出一种基于S变换且不需要预估信号源个数的多重信号分类改进算法。根据宽带信号的频域特征,利用S变换处理阵列接收信号,得到多分辨的时频谱矩阵,同时构建时频域的阵列信号数据模型,结合信号功率谱矩阵呈联合对角化结构的特点,设计基于S变换的子空间谱估计公式。在此基础上,通过谱峰搜索进行DOA估计,实现多源宽带信号的声源定位。仿真结果表明,在信噪比范围为-15～10 dB的条件下,该算法的估计成功率始终保持在90%以上,相比TCT、CS＿TCT、CWT＿MUSIC算法,其具有较优的估计性能,并且无需预估信号源数。     

基于三维压缩感知的MIMO雷达角度估计算法

基于张量模型的参数估计是雷达信号处理的一个发展趋势,然而现有张量算法无法在估计精度和计算复杂度方面达到良好的折衷。为解决上述问题,提出一种三维压缩感知（Three-way compressive sensing,TWCS）的多输入多输出雷达角度估计算法。利用匹配滤波后的信号内部隐含的多维结构,将接收数据堆叠成一个三阶张量模型。为降低高维张量在存储和计算方面的复杂性,利用高阶奇异值分解对高维张量数据进行压缩。其次将压缩后的张量与三线性模型相联系,获取压缩的方向矩阵。利用目标角度在所处背景的稀疏性,设计两个过完备字典,采用优化的方法获取目标角度。由于利用了接收数据的多维结构,TWCS中参数估计的精度要优于传统的子空间算法。此外所提TWCS算法不需要额外配对计算,且能进一步获取目标的多普勒信息。最后,利用仿真实验验证TWCS算法的估计效果。     

冲击噪声背景下主分量求逆波束形成

关于波束形成器抑制噪声优化问题,在冲击噪声背景下,常规波束形成性能下降,影响通信效果。为解决上述问题,提出一种适用于任意未知统计特性的代数拖尾冲击噪声环境下的归一化的主分量求逆(N-PCI)算法。通过对输入信号进行无穷范数归一化,使变换信号的二阶统计量在代数拖尾的冲击噪声环境下存在且有界,提高了波束形成器在冲击噪声背景下的性能,且无需噪声特征指数的先验信息。仿真结果表明,该算法具有副瓣电平低且干扰抑制能力强的优点,较常规波束形成算法更有效,为设计提供了有效参考。     

A robust extraction algorithm for biomedical signals from noisy mixtures

Blind source extraction (BSE) is widely used to solve signal mixture problems where there are only a few desired signals. To improve signal extraction performance and expand its application, we develop an adaptive BSE algorithm with an additive noise model. We first present an improved normalized kurtosis as an objective function, which caters for the effect of noise. By combining the objective function and Lagrange multiplier method, we further propose a robust algorithm that can extract the desired signal as the first output signal. Simulations on both synthetic and real biomedical signals demonstrate that such combination improves the extraction performance and has better robustness to the estimation error of normalized kurtosis value in the presence of noise.     

分段自相关频率估计算法研究

针对两步自相关频率估计算法（TSA算法）的估计性能和计算量不能兼顾的缺点, 提出了基于正弦信号LP性质的分段自相关频率估计新算法。该算法首先将观测信号二等分, 得到与源信号频率相同、相位不同且噪声互不相关的观测信号, 然后利用正弦信号的LP性质, 结合自相关函数建立参数估计方程, 得到高精度频率估计算法, 最后通过多次蒙特卡洛仿真对算法的有效性进行了验证。仿真结果表明, 分段自相关算法整体优于TSA算法, 有较强的实用性。     

压缩感知算法在阵列测向中的相干信号分辨

现有算法在进行信号重建时,需要原始信号的稀疏信息来控制初始原子集的大小和算法迭代的最大次数,这削弱了重建精度,增加了计算复杂度,限制了其实际应用能力。为了克服这个问题,提出了基于正交匹配追踪算法的改进算法。该算法将阵元个数作为假设稀疏度,在稀疏度未知的初始阶段扩展初始原子集。最后通过对测量信号的幅度进行阈值过滤以实现信号的分辨和信源数的估计。为解决测向人员面对监测软件所指示的多个信号示向度中,无法分辨哪些指示方向是同一个信号源所产生的折反射信号的问题,首次提出了基于压缩感知算法的相干关系分析和相干信号分辨的模型。实测数据结果表明,该算法在不同环境下可以清晰分辨相干信号,并且能够适应多种实验平台。     

基于集员滤波的二阶Volterra自适应归一化最小平均P范数算法

针对Volterra非线性滤波算法计算复杂度呈幂级数增加的问题,提出了一种α稳定分布噪声下的基于集员滤波的二阶Volterra自适应滤波新算法。由于集员滤波的目标函数考虑了所有输入和期望输出的信号对,通过误差幅值的p次方的门限判决,更新Volterra滤波器的权向量,不仅有效降低了算法复杂度,而且提高了自适应算法对输入信号相关性的鲁棒性;并推导给出了权向量的更新公式。仿真结果表明,该算法计算复杂度低、收敛速度快,对噪声及输入信号相关性有较强的鲁棒性。