共查询到19条相似文献,搜索用时 180 毫秒
1.
针对水声信道中存在较高码间干扰的问题,提出一种采用信号星座图划分的水声信道多模算法,根据水声信道中信噪比较低及QAM星座图的分布特点,进行详细的区域划分,以得到更多的信号星座点信息,对不同的区域定义了不同的模值进行均衡,能够有效降低码间干扰,纠正相位旋转,提高均衡效果.在水声信道条件下,采用QAM调制信号对算法的收敛性能和载波恢复性能进行计算机仿真,结果表明,在最小相位水声信道环境中,新算法在码间干扰性能上得到很大改善;在具有相位旋转的信道环境中,新算法实现了对相位旋转的有效补偿,提高了水声通信数据的可靠性. 相似文献
2.
3.
针对FBMC系统信道估计时存在虚部干扰问题,提出一种新的信道估计算法。首先,该算法采用了基于虚部干扰消除的新导频结构;然后,利用两列导频分别作粗信道估计;最后,对粗信道估计采用加权方式进行精信道估计,进一步提高信道估计性能。仿真结果表明,与传统虚部干扰消除算法(IIE)相比,新导频结构算法在误码率为1%时,可获得1~2 dB的性能提升。 相似文献
4.
传统的DFT的信道估计算法只是把循环前缀以外的噪声忽略为0,其余都认为是有用的加性噪声,但是在循环前缀以内仍含有由于码间干扰(ICI)和信道干扰(ISI)带来的噪声以及其他的一些噪声干扰,严重影响了信道的估计值,本文在DFT算法之前首先消除了由ICI和ISI带来的干扰,再进行DFT的信道估计,最后在分别由禁忌算法和求导两种方法进一步消除循环前缀以内由于其他因素带来的噪声,这样大大增强了估计值的准确性,最后由matalb仿真结果可以看出,由于迭代算法和禁忌算法、求导方法的使用尽可能地消除了噪声的干扰,大大提高了信道的估计值,信道的误比特率和均方误差随着信噪比的增大越来越小,仿真结果证明改进的算法的性能优于传统的DFT算法,求导法性能略微优于禁忌算法。 相似文献
5.
针对高速移动环境下由多普勒频移引起的子载波间干扰(inter-carrier interference,ICI),提出一种引入加权系数消除ICI的二次快时变信道估计算法。该算法进行两次信道估计,第一次估计用于提供信道状态信息,在保证符号率的前提下消除ICI,第二次估计在ICI消除的情况下进行,可以提高信道估计精度;并对简化的并行干扰消除(parallel interference cancellation,PIC)算法进行改进,基于最小均方误差准则引入加权系数,使得ICI消除后的残余误差最小。仿真结果和理论分析达到很好的一致性,当信道信噪比为0 dB时,归一化均方误差(normalized mean square error,NMSE)性能增益最大约为0.0714,提高了快时变信道估计的精度。 相似文献
6.
7.
8.
以无人机数据链通信为背景,研究无人机地空信道的特性,得出该信道为频率选择性慢衰落信道,同时建立了适用于计算机仿真的无人机地空信道模型.为解决信息传输过程中的符号间干扰(ISI,inter-symbol interference)问题,将turbo均衡技术引入接收机中,同时针对慢变信道,结合基于LS算法的初始信道估计以及基于LMS算法的迭代信道估计技术,提出了一种适用于无人机地空信道的接收机策略,通过与自适应均衡技术和一次信道估计策略相比较,迭代接收策略在性能上要好于自适应均衡技术和一次信道估计策略,提出的低复杂性接收机策略可以为无人机地空通信提供有利的技术支撑. 相似文献
9.
一种低复杂度高性能的MIMO系统自适应检测算法 总被引:1,自引:0,他引:1
如何克服发射信号的重叠和码间干扰是MIMO系统信号检测技术面临的关键问题。信号检测算法的性能优劣是影响MIMO技术能否真正适于实际应用的关键因素。结合MLD算法高性能和MMSE-SIC算法低复杂的优点,对Hybrid算法进行了改进,提出了一种基于信道最大/最小特征值的自适应混合检测算法。该算法重新定义了自适应系数,并通过信道矩阵特征值的特性,自适应控制三种子混合算法检测数据流时的百分比,以达到更高的检测效率。仿真结果表明:无论信道在何种复杂环境下,该算法具有与MLD算法几乎相同的误码性能,计算复杂度也有很大的改善。 相似文献
10.
无线数字通信中,由于电磁干扰和多径效应的影响,使通信质量下降,进而产生码间干扰(inter-symbol interferencc,ISI),ISI的存在会大大降低系统性能,影响码速率的提高.信道均衡技术足解决该问题的一种重要手段,但剩余误差偏大.以信道盲均衡算法中的恒模(CMA)算法为研究背景,提出了一种新的变步长CMA算法,新算法利用QAM信号分布于几个已知圆上的特点,根据均衡器输出信号的模估计理想输出的模.计算机仿真结果表明这种算法能有效地减小剩余误差,是一种很实用的信道均衡算法. 相似文献
11.
宋妍 《计算机工程与应用》2010,46(36):154-157
针对受到噪声干扰及多普勒效应等因素影响的多输入多输出(Multi-Input Multi-Output,MIMO)正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)无线系统信道估计问题,提出了一种有效的空间相关性迭代信道估计算法(SCICE)。SCICE利用同步符号与协议数据单元中的前置训练序列和中置训练序列,对信道的空间相关性进行估计,数据信息根据该信道相关性信息得到初始的信道估计值,接收端根据信道估计值进行数据符号检测,并将这些信息作为已知信息,以迭代的方式逐渐减小因空间相关性导致的信道估计误差,进而提高信道估计的准确性。与现有迭代信道估计算法的性能比较表明了提出的SCICE算法在瑞利衰落信道以及不同调制方式下具有更好的信道估计均方差与误码率性能。 相似文献
12.
正交频分复用系统中的信号在传输过程中受到无线信道环境衰落和延时的影响,容易产生符号间干扰(ISI),对信道状态信息进行准确估计是降低ISI、提高信号传输准确率的有效方法。针对贪婪迭代类压缩感知信道估计算法存在的估计径错误及漏选问题,提出一种基于离散傅里叶变换(DFT)寻径的压缩感知信道估计算法DFT-OMP。通过DFT寻径的方式抑制由噪声引起的不理想原子,从而对OMP算法重构过程中的原子进行筛选,解决传统方法选取相关因子最大的原子作为重构原子而导致的依赖信号稀疏度问题。在原子预选后的贪婪迭代类压缩感知算法信道估计中引入残差精度控制,以提高信道估计的自适应性与鲁棒性。仿真结果表明,相对OMP算法,该算法能取得4 dB的信道估计性能增益,其适用于较大导频下的无线通信系统。 相似文献
13.
14.
15.
窄带物联网(NB-IoT)是3GPP针对低功耗、广覆盖类业务定义的新一代蜂窝物联网技术,是实现万物互联的重要技术之一,而信道估计则是NB-IoT终端能否准确恢复发射信号的基础。通过对NB-IoT中基于导频的下行信道估计算法进行研究,提出基于移动最小二乘法(MLS)的信道插值估计算法。在发射端插入导频信号,根据接收端的信号计算导频点信道参数,并引入紧支的概念,利用附近子域对导频点的影响权重估计信道参数。仿真结果表明,与线性插值和二次插值算法相比,采用该算法进行信道估计系统误码率较低,并且算法的计算复杂度也未显著增加。 相似文献
16.
李素月 《计算机工程与应用》2007,43(30):139-141
研究了上行链路MC-CDMA系统中的部分干扰抵消多用户接收机方案,提出了初级采用线性MMSE检测的多级PIC多用户接收机。为了减小初级判决不精确带来的误差传播,每级乘以一个不同的部分相消因子以实现部分消除。在不考虑信道估计误差的情况下,仿真了不同用户数下该方案与传统解相关和最小均方误差多用户检测的性能比较。仿真结果表明提出的PPIC接收机具有更好的误码率性能。 相似文献
17.
18.
在水声通信中,信道的多径效应会造成严重的码间串扰(ISI),而现有的均衡算法在处理ISI问题时存在收敛速度慢、稳态误差大、算法复杂不易于硬件移植等问题,为此结合判决反馈均衡器结构前向均衡(FFE)与判决均衡结构(DFE),提出了一种基于反余弦步长函数和三参数调整因子的变步长最小均方(LMS)算法。首先对三参数因子α、β、r进行算法仿真,优化算法性能,与固定步长LMS算法、基于修正反正切的变步长LMS算法以及基于双曲正割函数的变步长LMS算法的收敛性能和稳态误差进行仿真比较,结果显示:所提算法的收敛速度较固定步长LMS算法提高了57.9%,稳态误差下降5 dB;较双曲正割LMS算法和修正反正切LMS算法提高了26.3%和15.8%,并且算法的稳态误差下降了1~2 dB。最后,将算法移植于信号处理模块,进行水下实验,结果表明,水声信道造成的ISI经过均衡器后,信号得以恢复,能够实际克服多径效应造成的水声信道ISI问题。 相似文献
19.
针对频分双工(FDD)大规模MIMO系统下行信道估计过程中由于导频数和基站天线数成正比会造成巨大的导频开销这一问题,首先提出一种基于压缩感知(CS)技术的伪随机导频优化方案,该方案令基站发射非正交导频信号,并且以最小化观测矩阵的互相关为优化目标,通过引入交叉、变异判断机制和内、外循环机制以实现对导频序列的优化;其次,联合利用无线MIMO信道的空间公共稀疏性和时间相关性提出一种基于压缩感知技术的信道状态信息(CSI)估计算法,利用线性最小均方误差(LMMSE)算法进行矩阵估计以精确获取CSI。分析和仿真结果表明,与随机搜索算法、逐位置优化方案、局部公共支撑算法、自适应结构子追踪(ASSP)算法、正交匹配追踪(OMP)算法以及逐步正交匹配追踪(StOMP)算法相比,所提算法在低导频开销比和低信噪比(SNR)的情况下均可以维持良好的信道估计性能。 相似文献