FastICA在MIMO信道估计中的应用研究

研究了MIMO无线通信系统的信道估计问题。通过对信道估计和盲分离问题的一致性分析,提出将盲分离的典型算法FastICA应用于MIMO信道估计问题中,并将信号表征形式从实数域拓展到复数域。针对盲分离次序的不确定性以至造成的估计信道参数不对应的问题,提出了相关系数重新定位法对所得的解混矩阵进行修正,最终用矩阵求逆的方法求得信道估计问题的对应解。仿真实验结果证明了方法的有效性。     

FastlCA在MIMO信道估计中的应用研究

研究了MIMO无线通信系统的信道估计问题。通过对信道估计和盲分离问题的一致性分析,提出将盲分离的典型算法FastIcA应用于MIM0信道估计问题中,并将信号表征形式从实数域拓展到复数域。针对盲分离次序的不确定性以至造成的估计信道参数不对应的问题,提出了相关系数重新定位法对所得的解混矩阵进行修正,最终用矩阵求逆的方法求得信道估计问题的对应解。仿真实验结果证明了方法的有效性。     

基于压缩感知的多小区MASSIVE MIMO信道估计

针对多小区多用户大规模多输入多输出（MASSIVE MIMO）系统信道估计在低信噪比情况下估计精度较差的问题,提出了一种基于群智能搜索的果蝇分段正交匹配追踪（FF-StOMP）压缩感知算法。该算法在分段正交匹配追踪（StOMP）求解不同阈值下的信道矩阵参数与归一化最小均方误差的基础上,采用果蝇优化算法动态搜索出最小归一化均方误差与其对应的阈值,达到自适应参数设定的目的。仿真结果表明,与StOMP算法相比,信噪比在0~10 dB情况下,所提出的FF-StOMP算法信道估计性能能够提升0.5~1 dB;信噪比在11~20 dB时,信道估计性能能够提升0.2~0.3 dB。当小区用户数发生变化时,所提出的算法能实现自适应信道估计,能够有效提升MASSIVE MIMO系统低信噪比情况下的信道估计精度。     

基于线性模型的信道质量估计算法

针对自适应卫星通信中对信道质量估计的需求,在加性高斯白噪声信道条件下,以信干噪比(SINR)作为表征信道质量的参数,提出一种信道质量估计算法.给出矩估计法和判决数据估计法的数学分析,利用指数加权因子对噪声加干扰的功率进行平滑.提出基于矩估计和判决数据估计的线性模型对SINR估计的算法,分析该模型的均方误差,同时搜索最佳...     

一种基于CS理论的稀疏度自适应的水声信道估计方法

提出一种基于OFDM水声信道模型的信道自适应稀疏度估计方法。该方法利用小波分解估计得到信道初始稀疏度,结合已有的压缩感知自适应算法的思想确定算法迭代停止条件完成信道估计,解决实际运用中水声通信系统信道估计时稀疏度未知的问题。仿真实验结果表明,所提出的方法可精确重构估计信道信息,大大减少自适应算法的运行时间。     

一种时频结合的中导码信道估计算法

为解决高速移动环境下时变信道的估计问题, 基于改进的COST207 RA信道模型, 提出了一种适用于高铁列车的时频结合的中导码信道估计算法。该算法将中导码和导频在Kalman滤波器中进行有机结合, 充分利用两者在时间和频率上进行信道估计的优势而进行联合估计, 最后得到信道的整合估计值。同时, 由于中导码的插入, 还解决了Kalman滤波信道估计中误差扩散问题。仿真结果表明, 基于中导码的信道估计算法在终端移动速度较高时能显著改善估计性能、提高信道估计的准确度。     

基于PN序列信道估计的回波抵消研究

针对估计序列影响信道估计精度并影响回波抵消效果的问题,从回波抵消基本原理出发,分析了PN序列作用信道估计的机理及其相关性对信道估计参数的影响,并与采用输入信号自身作估计序列的回波抵消方式进行了比较。对输入OFDM信号进行了仿真和实际运行。结果表明,采用PN序列估计信道,能有效提高估计的精度,改善回波抵消效果。     

基于叠加训练序列的MIMO-OFDM信道估计

为提高无线信道的传输性能,提出了改进的基于ST技术的MIMO-OFDM系统信道估计的训练序列算法。利用训练序列与信息序列的不相关性,估计出信道参数。即使在存在通道失配误差和通道的量化误差的情况下,用有量化的反馈的基于信道估计的训练序列也能改进系统的性能,信道采用10 bit的量化器就能满足一般性能要求。讨论了使用信道互信息最大化的最优导频序列的设计。     

基扩展模型下基于深度学习的双选信道估计方法

针对OFDM系统在高速移动环境下信道的双选衰落和非平稳特性导致下行链路信道估计性能受限的问题,提出一种基于基扩展模型(basis expansion model,BEM)并结合深度学习(deep learning,DL)的信道估计方法。针对高速移动环境信道的双选衰落特性,使用BEM对信道进行建模,把估计大量的信道冲激响应转变为估计少量的基系数,减少了待估参数,有效降低了估计复杂度;针对高速移动环境信道非平稳特性,建立了深度神经网络,通过离线训练使其学习到双选信道的变化特征,提高了信道估计的准确度。仿真结果表明,在高速移动环境下,与传统的方法相比,所提信道估计方法,性能提升明显。     

认知无线电中的新型自适应动态信道分配算法

根据授权用户的业务特点,提出采用混合泊松分布对授权用户业务进行建模,通过采用最大期望(EM)算法估计混合泊松分布模型的参数从而达到对信道的空闲时长的概率密度估计的目的,并提出了基于估计结果的信道分配方案。仿真结果表明所提出的方案能有效降低冲突率和提高吞吐量,且具有良好的实用性和灵活性。     

基于共轭对称结构训练符号的OFDM同步算法性能分析

对利用共轭对称结构训练符号进行OFDM同步的算法在多径衰落信道下的性能进行了分析,指出了这类鼻法所适用的信道环境:在第一径为主径、具有很强的功率,而其它径的功率较小的信道环境下,这类算法能完全准确的进行定时同步和整数频偏估计,当这类算法用在不存在功率很强的主径的信道环境下,算法的定时估计精度会下降,并无法保证能够进行完全正确的整数频偏估计,增加子载波的数目和提高信噪比能从一定程度上克服这种情况,但这增加了系统的复杂度.     

基于压缩感知的OQAM/OFDM系统POP方法信道估计

针对偏移正交幅度调制的正交频分复用(OQAM/OFDM)系统中成对训练序列(POP)法信道估计技术性能较差且受噪声影响较大的问题,提出了一种基于压缩感知(CS)的POP信道估计方法.该方法将压缩感知技术应用于POP法信道估计之中,将传统的频域信道估计方法转化为时域信道估计方法,通过压缩感知技术准确地重构出时域信道信息,减少导频开销,提高频谱利用率,得到更好的信道估计性能.与传统的OQAM/OFDM系统的信道估计方法进行比较,仿真结果表明,所提的方法能够在使用较少的导频符号的同时得到更高的系统性能和信道估计精度.     

分布式MIMO-OFDM信号多频偏多信道联合盲估计

针对多径衰落信道下分布式多输入多输出正交频分复用(MIMO-OFDM)系统中频偏信道联合盲估计难的问题,提出了一种有效的多频偏多信道联合盲估计方法。该算法利用盲解卷积分离算法接收信号的同时得到有频偏影响的多个信道,对分离后的多个信号进行逐个频偏估计,补偿整体信道并去除信道模糊度,得到有效的信道估计值。仿真结果表明,与基于导频的频偏信道估计方法相比,所提算法可在5 dB获得1e-6的频偏估计精度,在15 dB左右获得1e-2的信道估计精度,实现了分布式MIMO-OFDM信号的多频偏多信道联合盲估计。     

基于连续支持检测的毫米波信道估计方案

传统信道估计大多数方案都是为窄带系统设计的,为此,提出一种连续支持检测(successive support detection)的宽带波束空间信道估计改进方案.证明空间信道的每个路径分量具有独特的稀疏结构;根据经典的连续干扰消除的思想,连续估计稀疏路径分量;对于每个路径分量,通过稀疏结构联合估计其在不同频率下的信道估计,去除其影响来估计剩余的路径分量.仿真结果表明,与传统的LS和OMP信道估计方法相比,所提方案在未知的路径数的情况下依旧减少了导频开销,提高了信道估计精度,可以以较低的复杂度准确估计信道.     

大规模MIMO系统中导频污染下的信道估计研究

大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术的很多优点让它发展为5G通信系统的主要技术之一。基于导频的信道估计方法原理较为简单,但系统的性能会受到导频污染很大的影响,所以研究低复杂度且能有效抗导频污染的信道估计算法就显得尤为重要。论文详细论证了导频污染下的信道估计在大规模MIMO系统中的主要运算过程。将LS信道估计方法与贝叶斯信道估计方法做比较,仿真结果表明贝叶斯信道估计方法有着较好的抗导频污染能力。     

基于粒子滤波的OFDM盲信道估计方法

为了精确估计OFDM系统信道响应,提出一种基于粒子滤波的OFDM信道盲估计方法。该方法将OFDM信道建模为一阶时变自回归模型。利用基于子空间分解的方法得到初始信道响应,通过带反馈的粒子滤波方法更新信道响应和模型参数,实现对OFDM信道的估计。仿真结果表明,该方法不仅能对非时变信道进行有效估计,而且可以较好地跟踪时变信道,算法能够快速收敛。     

一种改进的MIMO-OFDM系统频域信道估计和跟踪方案

深入研究了MIMO-OFDM系统中的频域信道估计和跟踪算法．在分析比较了现有频域信道估计算法的基础上,提出了一种有效的改进频域信道估计和跟踪方案．该方案利用基于正交训练符号的算法求得初始信道估计值,利用信道估计和信号检测的联合迭代算法来跟踪随时间变化的信道参数．在典型的室内传输环境下对三种频域信道估计和跟踪方案进行了仿真比较,结果表明,本文所提方案在较低的迭代次数下就可以带来明显的性能改善．     

基于小波去噪的OFDM信道估计技术研究

信道估计能够为OFDM系统提供相干解调和空时译码所必须的信道信息,是OFDM系统接收机中非常重要的一个环节,如何降低无线信道的噪声,提高信道估计精度,是关乎整个通信系统性能的重要问题.提出了一种将小波去噪应用到OFDM系统无线信道估计中的方法,利用LS算法得到导频位置频域响应后进行小波去噪,然后插值得到整个信道的频域响应,可以减少多径衰落信道中的噪声和ICI对于信道估计精度的影响,减少系统的误码率.在SISO-OFDM和MIMO-OFDM系统,无线移动信道环境下的仿真表明,与传统的信道估计方法相比,在低信噪比的情况下,提出的信道估计方法能够提供2-3dB的性能改善.     

基于压缩感知的低压电力线载波通信信道估计

针对低压电力线通信环境多径干扰的特点,建立了正交频分复用的压缩感知信道估计模型,将信道估计转换为压缩感知理论中稀疏度未知的号重构问题,首次采用压缩感知的稀疏自适应匹配追踪方法重构出低压电力线载波通信多径信道的冲击响应;仿真表明与其它常用信道估计算法相比,所提出的压缩感知信道估计算法在频谱利用率以及估计性能方面比传统方法有显著提高,在未知稀疏度的情况下,为低压电力线载波通信系统提供了一种稳定、可行的信道估计方案。     

MIMO-CPSC系统中预编码盲信道估计算法研究*

在频域均衡系统中,基于预编码的子空间盲信道估计算法可以有效地对信道进行估计。针对多天线单载波循环前缀系统,提出了一种基于预编码的盲信道估计算法。该算法通过分离出连续两个接收符号块的互相关矩阵所包含的信道信息实现信道盲估计。仿真结果表明,该算法具有较低的计算复杂度以及对信道阶数过估计有很好的鲁棒性,并且该算法利用较少的数据块个数就得到了一个可靠的信道估计值。