基于导频时分复用的多中继协同通信系统频域信道估计算法

针对频率选择性衰落环境下结合正交频分复用技术的放大转发多中继协同通信系统,提出了基于导频时分复用的频域信道估计算法,包括最小二乘(LS)估计算法和低阶近似的线性最小均方误差(Lr-LMMSE)估计算法.理论分析和仿真结果表明,该算法不仅能成功分辨多中继协同通信系统的所有频域信道衰落系数,避免各中继节点转发的导频符号在目...     

适用于OFDM系统的改进的信道估计算法

针对实际系统中的信道冲激响应(CIR)泄漏问题,提出了一种适用于梳状导频正交频分复用(OFDM)系统的改进的最小二乘(LS)信道估计算法.该算法基于分数抽头延时信道近似(FTCA)的参数化信道模型,此信道模型采用一个抽头间隔为分数倍采样间隔的抽头延时线结构的有限冲激响应(FIR)滤波器表示.此算法首先通过FTCA信道模型来近似实际信道,然后再估计该信道模型中的某些参数来获取实际的信道信息;该算法利用了FTCA信道模型中所有的延时抽头,从而很好地抑制了CIR泄漏.仿真与分析表明,FTCA信道模型能够有效地近似实际信道,同时降低信道自相关矩阵的维数,从而提高信道估计的性能.     

IEEE802.16e系统信道估计算法研究

针对IEEE802.16e系统下行链路的导频分配模式,提出了一种适用于IEEE802.16e系统下行链路的信道估计方法。该方法采用两个一维信道估计器的级联。首先在时域进行滤波,根据最近原则将前一个符号导频处的信道响应作为下一个符号相同位置子载波处的信道响应,从而得到梳状导频结构;其次在频域进行滤波,采用最大似然算法估计出所有子载波上的信道响应。车速60km/h和车速120km/h信道下的仿真结果表明,采用该信道估计方法可降低系统的误码率,提高高速移动环境下系统的性能。     

低压电力线OFDM通信的信道估计分析

OFDM倍道估计技术可以分为：导频辅助信道估计、盲信道估计这两类,本文针对基于导频的信道估计算法进行了详细的分析和研究,其中包括导频结构的分布、基于块状导频的信道估计算法和基于梳状导频的信道插值算法,并在经典算法的基础上对其进行了改进。     

基于MMSE滤波的虚子载波梳状导频OFDM系统信道估计

分析了带有虚拟子载波并采用梳状导频的正交频分复用通信系统的信道估计过程中,在使用基于离散傅立叶变换的内插的情况下由于频域导频分布不均匀导致的时域信道响应泄漏的表现形式,针对泄漏造成的信道估计结果不精确的问题,提出了一种基于时域最小均方误差(MMSE)滤波的信道估计补偿方法.该方法通过滤波矩阵的作用补偿了时域信道估计结果...     

放大转发OFDM中继系统的一种叠加导频辅助信道估计和联合数据检测算法

针对源节点和目的节点之间没有直接路径的放大转发(AF)OFDM中继系统,提出了一种利用叠加导频(SP)进行信道估计和联合数据检测的算法.该算法首先将接收信号通过白化滤波器进行信号白化,然后利用SP获得等效信道的信道状态信息(CSI)初始估计值,并联合目的节点上的最大比合并(MRC)接收机,通过判决反馈迭代操作不断改进信...     

STC-OFDM系统的信道估计

空时编码技术和OFDM系统结合,可以进一步提高系统性能,对这一系统的信道估计技术传统的方法有多种,LS信道估计方法虽然简单,但它对噪声比较敏感,因此将降噪的方法同LS相结合将会提高通信的质量,调制技术与STC-OFDM系统相结合,能够进一步提高通信的质量,通过计算机仿真结果表明:修改后的算法性能明显优于传统的LS信道估计性能。     

基于压缩感知的OFDM水声通信信道二次估计算法

该文主要研究OFDM水声通信信道二次估计技术,针对传统信道二次估计算法跟踪估计缓慢时变水声信道存在误码遗传的缺点,提出了一种基于压缩感知的信道二次估计算法。该算法结合水声信道的稀疏特性,利用经过编码校验后的大多数可靠信息,二次匹配追踪信道频域响应,作为系统均衡器的反馈输入信息和次时段信道初始信息,有效地抑制了系统的误码遗传。通过Matlab仿真实验和水池试验,验证了基于压缩感知的信道二次估计算法的可靠性和高效性。     

OFDM水声通信系统的LS-OMP信道估计

对于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)水声通信系统,最小二乘(Least Squares,LS)信道估计方法受噪声影响较大,并且使用的导频数量较多,影响通信效率。而基于压缩感知理论的正交匹配追踪(Orthogonal Matching Pursuit,OMP)信道估计方法可以充分利用水声信道的稀疏特性,同时能够有效地抑制系统噪声,但控制迭代运算次数的相关参数(稀疏度或误差容忍值)是OMP算法的关键条件。针对上述问题,提出了利用少量导频随机分布的LS和OMP联合的信道估计方法,该方法首先利用少量导频采用LS方法估计出OMP算法的误差容忍值,再利用OMP算法恢复数据子载波的信道信息。理论分析和仿真结果同时表明,与传统的LS算法或OMP算法相比,新算法能够在数据恢复的同时有效抑制系统噪声,应用稀疏特性及较少量的导频,进一步提高了系统的频谱效率,对时变稀疏水声信道具有更好的适应性。     

非理想信道估计条件下OFDM系统的最大似然检测算法

基于最大似然的准则,研究了理想信道估计条件下和非理想信道估条件下OFDM系统的最优检测算法。研究结果表明,当发送信号为PSK调制方式时,无论是理想信道估计还是非理想信道估计,最大似然检测算法与传统的迫零检测算法等价。但当信道估计非理想且发送信号的调制方式为16QAM或高阶QAM时,采用最大似然检测算法才能够获得更好的性能。     

线性参数累积法处理时的精度估计

精度估计是线性参数处理中重要的一部分,而累积法是进行线性参数处理的一种新方法。为此在简述了普通累积法的概念和进行线性参数估计的原理之后,推导出了等精度测量时线性参数精度估计的计算过程和公式,并以测量铜棒长度和线性膨胀系数为例,对其进行了精度估计。结果表明,计算过程简便、公式正确。对于不等精度测量,只需要转化为等精度测量即可。     

无线城域网OFDM系统信道估计算法

OFDM技术是无线城域网IEEE802.16a标准中物理层面的主流调制技术,今建立符合IEEE802.16a标准的OFDM信道估计模型,阐述其导频基本信道估计方法的原理及特点,分析比较了LS/MMSE/LMMSE/SVD四种算法的MSE和BER性能特点.仿真结果说明,LMMSE算法的均方误差和误码率性能最好,且计算复杂度相对较低,易于物理实现.     

基于压缩感知的多中继协作通信系统稀疏信道估计算法研究

提出了一种基于压缩感知理论的多中继协作通信系统稀疏信道估计方法.采用正交匹配追踪（Orthogonal Matching Pursuit,OMP）压缩感知算法,对时域信道脉冲响应进行估计.对多中继协作通信系统进行稀疏建模;结合压缩感知理论构建观测矩阵,并给出卷积信道的稀疏表示;利用压缩信道感知算法重建了系统的卷积复合信道.仿真结果表明,与传统的最小二乘法（Least Square,LS）相比,采用压缩感知理论的信道估计算法,能利用较少的导频信号获得很好的信道估计性能,提高了频谱利用率.     

一种基于有限字符集特性的OFDM系统盲信道估计算法

针对正交频分复用(OFDM)通信系统中传统的基于发送信号有限字符集特性的盲信道估计算法复杂度高、实用性低的问题进行了研究,提出了一种降低算法复杂度的改进的盲信道估计算法。通过将OFDM系统的频域接收信号模型等价分解成多个接收信号分组的方式,改进算法仅需搜索单个发送信号分组便可实现盲信道估计,其计算量大大降低。此外,改进算法还可以通过控制盲估计算法中分组的数目很好地实现系统性能和复杂度的折衷设计,实用性也更强。数值仿真结果表明,改进算法的最优估计方案与传统算法的性能完全相同,且其次优估计方案的性能随着比特信噪比的增加逐步逼近传统算法,分别在10和15dB处趋于一致。     

压电加速度传感器Hn估计校准方法

针对压电加速度传感器灵敏度校准过程中噪声对校准结果的影响难以消除的问题,结合Hn估计方法,利用其多次求互相关函数并求平均值的特性对系统噪声进行抑制.用"半长法"进行互相关计算,对多组采样信号进行互相关计算后再用FFT法进行功率谱计算,可得到功率谱的无偏估计.实验结果证明,利用该方法可提高压电加速度传感器灵敏度校准结果的...     

A Strategy of Signal Detection for Performance Improvement in Clipping Based OFDM System

In this paper, the supervised Deep Neural Network (DNN) based signal detection is analyzed for combating with nonlinear distortions efficiently and improving error performances in clipping based Orthogonal Frequency Division Multiplexing (OFDM) ssystem. One of the main disadvantages for the OFDM is the high Peak to Average Power Ratio (PAPR). The clipping is a simple method for the PAPR reduction. However, an effect of the clipping is nonlinear distortion, and estimations for transmitting symbols are difficult despite a Maximum Likelihood (ML) detection at the receiver. The DNN based online signal detection uses the offline learning model where all weights and biases at fullyconnected layers are set to overcome nonlinear distortions by using training data sets. Thus, this paper introduces the required processes for the online signal detection and offline learning, and compares error performances with the ML detection in the clipping-based OFDM systems. In simulation results, the DNN based signal detection has better error performance than the conventional ML detection in multi-path fading wireless channel. The performance improvement is large as the complexity of system is increased such as huge Multiple Input Multiple Output (MIMO) system and high clipping rate.     

A Damage Estimation Method for Packaging Systems Based on Power Spectrum Densities Using Spectral Moments

Packaging systems always endure some type of damage during transportation, and Wöhler curves are typically used to determine the mechanical wear evolution of a packaging system. Damage estimations can be performed using a Rainflow method, but continuous stress recording is required. However, this recording is not always possible, so global transportation vibrations are represented by the power spectral density (PSD). In this paper, the damage of a system according to the Wöhler curve was studied. The Basquin model was used to determine the mechanical wear evolution of the system, and the mechanical behaviour was established by extracting the Basquin coefficient b and the constant system C from the Wöhler curves. A Wöhler curve was further realized for a packaging system, and its Basquin coefficient b and system constant C were also extracted. Damage is estimated by the accumulation of the stress cycles using the Palmgren–Miner rules. In this paper, the maximum peaks of the cycle were detected in a signal. The density probability of the maximum stress apparition was also constructed from a multivariate Gaussian model. PSDs have the same statistical properties as the corresponding temporal events, so these statistical properties were extracted by the spectral moment method. Furthermore, a damage equation was proposed using the PSD, and the damage induced by different PSDs was determined from the damage equation and compared with the actual duration on a vibration table.     

基于三维点云聚类的坡度估计方法

为了提高火星探测器着陆时对坡度的估计精度,研究了一种基于三维点云数据聚类与随机搜索最优拟合平面的坡度估计方法。将通过激光雷达测量获得的三维点云数据进行稀疏表示,利用稀疏系数对数据点进行聚类与分割,划分子空间;对子空间中的数据点进行平面拟合,随机搜索最优拟合平面;根据最优拟合平面计算平面法向量之间夹角,其在数值上等于坡度角,从而完成坡度估计。实验表明:该方法可以对坡度进行较为准确的估计;与常用的坡度估计方法相比,相对误差较小。     

一种基于局部极值搜索的快速运动估计算法

为了减少运动估计在图像编码中所占用时间,提出了一种基于局部极值搜索的运动估计算法。首先根据搜索块的大小将搜索区域进行完全分割。然后从搜索原点进行螺旋扫描,确定扫描点所处分割区域的局部极小值位置,与前面极小值进行比较得到现阶段最小值。并根据一系列提前终止条件和标记跳过机制,在全局扫描的同时保持快速性。最后得到所有分割区域的最小值作为全局最小值,并进行步长为1的菱形细化搜索,确定最佳位置。实验表明,与UMH算法相比,该算法可在码率上升最大不超过0.03 kb/s、信噪比下降最大不超过0.005 dB的情况下提高编码速度,特别是对于中高运动复杂度图像的编码速度可比UMH算法提高10%左右,具有应用价值。     

基于状态估计的分布式离散事件系统可诊断性研究

针对分布式离散事件系统,提出了一种验证基于状态估计的分布式离散事件系统可诊断性的方法。首先对离散事件系统的可诊断性进行形式化定义,然后提出一种基于状态估计的分布式离散事件系统的可诊断性验证算法,进而推导出分布式离散事件系统可诊断的充分必要条件,最后结合实际算例对该算法的可行性进行验证分析。相比现有算法,本文提出的算法无需各站点进行实时同步,仅要求在有限时延内各站点间能进行通信即可,且算法的时间复杂度也明显降低。