MPSK信号的最大似然SNR估计方法

该文利用最大似然准则分别推导了对于MPSK信号的数据辅助SNR估计方法、判决指向SNR估计方法和一种新的盲信噪比估计方法。文章对这些算法的性能进行了分析和计算机仿真,并与其它一些SNR估计算法进行了比较。分析和仿真的结果显示数据辅助的SNR方法性能优越,很好地符合了信噪比估计性能下限(CRLB)。判决指向算法性能依赖于判决的准确程度,在高信噪比时性能较好;而在低信噪比条件时,特别是小于OdB以后其估计有较大偏差。新的盲SNR估计算法对于BPSK信号具有估计范围广、精度高和复杂度小的特点,但是当M增加时性能会明显下降。     

基于最大似然频率精细估计的载波捕获算法

深空通信中,星上对载波的主动捕获主要利用频率估计的方法。在实际载波捕获电路中,精确的频率估计值导入锁相环,使得锁相环捕获带余量充足。在锁相环带宽一定的情况下,估计精度的提高可以减少FFT实现点数。在FFT频率粗估计的基础上,通过频率精细估计算法可提高估计精度。为获得估计精度更高的频率精细估计算法,利用最大似然泛函不变性推导了频率精细估计的最大似然算法。载噪比在5 dB时,估计精度可以提高到FFT分辨率的10-4。仿真结果表明,该算法估计性能优于其他频率精细估计算法。     

基于非圆信号波达方向估计的最大似然算法

现有的非圆信号波达方向(DOA)估计算法基本都是子空间分解类的,如NC-MUSIC、NC-ESPRIT算法等。基于子空间拟合类的非圆信号DOA估计算法研究的不多。文中依据非圆信号的DOA估计数学模型,提出了基于非圆信号的DOA估计最大似然算法。通过计算机仿真,将基于非圆信号的最大似然算法与常规最大似然算法及基于非圆信号的MUSIC算法进行了性能比较。结果表明,该算法提高了方位估计的估计性能,对于估计精度要求很高、用户比较密集的场合,能发挥很大的作用。     

OFDM中基于CP的最大似然估计同步技术

在OFDM系统中,实现符号定时和载波频率同步是实现OFDM技术的关键。一种盲同步算法是基于CP(循环前缀)的最大似然估计,该算法利用CP与该符号尾部数据的相关关系来实现符号定时和载波同步。然而使用这种算法当信号在时变多径信道中传输时,系统性能会明显降低。提出一种新型的CP结构,把CP分为两部分,其中一部分是复制前一个符号开头,另一部分是复制当前符号的尾部。CP的个数不变,所以CP的两部分个数各占CP的一半。利用这种新型的CP结构,FFT的起始时刻就可以落到有效数据段内(符号定时误差的绝对值应该小于CP/2)。OFDM的系统性能也能得到明显的改善。     

引入蝙蝠算法的最大似然DOA估计

DOA估计理论的传统算法中,最大似然DOA估计方法能准确地估计出目标方向角度,性能优良,并且具有很好的稳定性。与MUSIC及其他的子空间分解类算法相比,在信噪比较低、小快拍信号时,最大似然DOA估计算法优势更为突出。但是由于其自身算法复杂度较高的缺陷而碍于工程上的应用。针对这一问题,将蝙蝠算法与最大似然算法相结合,应用于信号的DOA估计,利用蝙蝠搜索算法搜索路径优、寻优能力强的优点,快速搜索到似然函数的全局最优值,优化多维非线性的估计谱函数。仿真结果表明,蝙蝠搜索算法有效地克服最大似然DOA估计中存在的运算量大,计算复杂度高等问题,通过与其他经典的仿生智能优化算法相比较,该方法体现出更好的收敛性。     

一种新的基于最大似然估计的迭代定时恢复算法

符号同步误差对LDPC译码性能会产生严重恶化,如何在低信噪比下,利用LDPC的编码增益来提高符号同步误差估计性能是本文的核心问题.基于最大似然(ML)准则,提出了似然函数导数归零的码辅助迭代符号同步算法,该算法以单一编码分组为单位进行迭代估计,不但可以应用于连续信道,同样适用于突发通信.仿真结果表明,本文提出算法的估计性能可以在信噪比很低的情况下逼近MCRB,在符号同步误差估计值快速收敛的同时,译码性能接近符号精确同步的理想情况.     

基于CORDIC算法的最大似然频差估计

针对频率偏移对低速散射通信中相干检测性能的影响,提出了基于CORDIC算法的最大似然频差估计;详细推导了最大似然频差估计的原理和CORDIC算法的基本原理;提出了具体的设计过程以及试验结果。     

基于重要性抽样的最大似然方位估计方法

最大似然估计是公认的最佳估计器,但是计算量很大.为了解决它的计算量大的问题,本文把蒙特卡罗方法与最大似然方位估计相结合,提出一种基于重要性抽样的最大似然方位估计新方法(Maximum Likelihood DOA Estimator Based on Importance Sampling,简称ISMLE).研究结果表明,ISMLE方法不但保持了原最大似然方位估计方法的优良性能,而且大大减小了计算量,把原方法的计算复杂度从O(L^K)减少到O(K×H).     

基于最大似然估计与卡尔曼滤波的室内目标跟踪

为了解决室内目标跟踪系统中由于定位误差导致目标运动轨迹波动较大的问题,提出一种基于最大似然估计与卡尔曼滤波的融合目标跟踪算法.首先利用最大似然估计算法预测目标的运动轨迹,然后再利用卡尔曼滤波算法对预测结果进行滤波处理,进一步降低定位结果的误差.仿真结果表明,所提算法的定位误差均值为0.64 rn,比通用的最邻近算法性能...     

基于EM算法的GO分布参数最大似然估计

G0分布是目前合成孔径雷达(Synthetic Aperture Radar,SAR)图像数据建模的一个重要模型,建模能力强、实用性好,受到了广泛的关注.G0分布的应用离不开准确有效的参数估计,而由于G0分布表达式复杂,统计意义上最优的最大似然估计法一直没能用在G0分布上.本文首先给出了一种新的方式来推导得出G0分布,在此基础上,采用最大期望(Expectation Maximization,EM)算法为G0分布给出一种有效的最大似然参数估计方法.文中的方法与现有的G0分布参数估计方法通过实验进行了比较,实验结果充分证明了所提方法的有效性.     

MSK信号的最大似然检测

最小频移键控(Minimum Shift Keying,MSK)是一种连续相位的频移键控。MSK信号包络恒定,相干检测时的误码率性能比一般的频移键控要好。MSK在引入倾斜相位的概念后,其相位格图类似于卷积码的时不变网格图,因此能用Viterbi算法实现最优解调。理论分析和数值模拟表明,在相位与时间严格同步的条件下,MSK基于Viterbi算法的最大似然检测法性能更好,是最优的解调方法。这里仅考虑在加性高斯白噪声信道下信号传输的相干检测。     

一种新的时频极大似然DOA估计方法

针对非平稳信号,提出一种新的时频域极大似然DOA估计方法,利用参考阵元与阵列中其它阵元输出之间的互伪Wigner-Ville分布建立起时频域的阵列信号模型,通过时频域极大似然方法获得入射方向估计。与基于空间时频分布矩阵的阵列测向方法相比,该方法具有计算量小、交叉项时频分布利用充分的优点。仿真实验证实了该方法的有效性。     

基于最大似然算法的OFDM同步技术研究

同步问题是卫星通信中的一个关键问题,直接关系到通信系统的性能。文中简要介绍了OFDM的同步技术,主要讨论了符号定时同步和载波同步。最大似然估计算法在OFDM符号定时同步和载波频率同步中得到了广泛的应用,通过最大似然估计方法,避免了基于导频符号的同步估计带来的频率和功率资源的浪费,通过仿真可以看到,能够很好地实现OFDM系统的符号同步和载波同步。     

一种基于改进PSO的随机最大似然算法

随机最大似然算法(Stochastic Maximum Likelihood,SML)具有优越的波达方位(Direction-of-Arrival,DOA)估计性能,但SML解析过程较高的计算复杂度限制了该算法在实际系统中的应用.针对SML计算复杂度高的问题,提出一种低复杂度的粒子群优化算法(Particle Swarm Optimization,PSO),解决了传统PSO算法中粒子数多和迭代次数多的双重缺点.首先,根据天线获得的信号,将旋转不变子空间法(Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT)求得的闭式解作为DOA的预估计值,同时计算系统此时的信噪比以及SML在此信噪比下的克拉-美罗界(Cramer-Rao bound,CRB).然后,根据DOA预估计值和当前CRB值在SML最优解的近邻范围内确定较小的初始化空间,并在该空间初始化少量粒子.最后通过设计合适的惯性因子w,使粒子以合理的速度搜索最优解.实验结果表明,改进PSO算法所需的粒子个数和迭代次数大约是传统PSO算法的1/5,降低了SML的解析复杂度,计算时间是传统PSO算法的1/10,因此在收敛速度上也有显著的优势.     

一种基于连续蚁群算法的快速最大似然DOA估计

针对传统最大似然估计计算量大的问题,将连续空间蚁群算法与最大似然估计算法相结合,在ACOML算法的基础上,提出了一种用混沌序列初始化状态空间的改进蚁群算法MACOML(Muddleheaded ACO)。该方法使用混沌映射产生的初始状态空间来代替ACOML算法中的随机序列产生的初始状态空间,增加了初始解的遍历性,同时在寻优过程中增加了局部搜索。仿真结果表明:MACOML能保持最大似然估计方法的高分辨性能,而计算复杂度只是最大似然方法的1/20。     

Performance Analysis of Multiband Complex Wavelet Based MC-CDMA System with Space Diversity Combining in Rayleigh Fading Channel

In this paper, the multiband complex wavelet used as multi-carrier basis function is optimized. On the basis of analyzing the principle of multi-carrier code division multiple access (MC-CDMA), a new multiband complex wavelet based MC-CDMA (MBCW-MC-CDMA) system model is proposed, and space diversity combining (SDC) technique is employed to improve the system performance further. The uplink performance of proposed MBCW-MC-CDMA system with SDC technique is investigated in Rayleigh fading channel, and corresponding bit error rate (BER) analysis is given in detail. Without any cyclic prefix (CP), the system can avoid the decrease of spectrum efficiency and data rate of conventional MC-CDMA with CP. By comparison, our scheme outperforms real wavelet packet based MC-CDMA and slightly outperforms conventional MC-CDMA with CP via utilizing superior properties of the optimized multiband complex wavelet. Theoretical analysis and simulation result show that the application of SDC technique can improve the proposed system ability to combat spatial fading and various interferences effectively. Moreover, the proposed system based on SDC technique has superior BER performance over conventional DFT and SDC based MC-CDMA system and real wavelet packet and SDC based MC-CDMA system. Xiangbin Yu received the M.S degrees in Communication and Information Systems from Hohai University, Nanjing, China, in 2001; and his Ph.D. in Communication and Information Systems in 2004 from National Mobile Communications Research Laboratory at Southeast University, China. Now he is working as a Postdoctoral Researcher in Information and Communication Engineering Postdoctoral Research Station at Nanjing University of Aeronautics and Astronautics, Nanjing, China. His research interests include multi-carrier digital communication, space-time coding and digital signal processing in modern communications. Xiaodong Zhang received the M.S degrees from Nanjing University of Posts and Telecommunications, Nanjing, China, in 1998. In 2002, he received the Ph.D. degree from Southeast University, Nanjing, China. His research interests include contemporary signal processing and digital communications. DaZhuan Xu received the M.S degrees and Ph.D. in Communication and Information Systems from Nanjing University of Aeronautics and Astronautics in 1986 and 2001, respectively. He is now a full professor in Nanjing University of Aeronautics and Astronautics, Nanjing, China. Prof.Xu is a Senior Member of China Institute of Electronics (CIE). His research interests include digital communications, soft radio, coding theory, medical signal processing. Guangguo BI was graduated from Nanjing Institute of Technology, Nanjing, China, in 1960. He is now a professor in the Department of Radio Engineering of Southeast University, Nanjing, China. Prof.Bi is a fellow and a member of the board of Director of the China Institute of Communications, and a senior member of IEEE. His research interests include digital communications, personal communications network, spread spectrum communications, and intelligent information processing. He has published more than 200 papers in above areas.     

A Novel Blind Channel Identification and Equalisation Algorithm Based on Maximum Likelihood

A novel blind non-decision directed maximum likelihood algorithm for fractionally-spaced nonminimum phase FIR channel identification and equalisation is presented. The algorithm results from using the low signal to noise approximation to the average of the likelihood function with respect to the transmitted data sequence. The channel estimation equation is derived in a closed form. The resulting algorithm has two distinct advantages. The first is that the channel estimates are asymptotically consistent, and the second is that the algorithm is computationally efficient since it only requires the calculation of one eignevector. Simulation results are presented to show the performance of the proposed algorithm.     

一种新的基于极大似然估计的系统辨识方法

进化计算是一种基于自然选择和自然变异机制的并行随机优化算法。由于递推极大似然估计法难以实现性能指标函数的全局寻优，所以本文提出了将改进的进化计算用于系统参数辨识的方法。计算机仿真结果表明，该算法能够实现似然函数的全局寻优。