低信噪比下非数据辅助的OFDM系统信道阶数和噪声方差的估计

在低信噪比情况下,该文提出一种新的针对正交频分复用(OFDM)系统信道阶数和噪声方差的非数据辅助(NDA)估计算法。算法中应用了一种新的基于联合极大几何均值(MGM)的代价函数。新的代价函数不仅利用了循环前缀(CP)冗余性,同时也利用了信道记忆性。对比只利用了CP的方法,该算法可以在低信噪比情况下更准确地估计信道阶数和噪声方差。仿真结果表明,在低信噪比情况下,该算法针对信道阶数的估计得到约10 dB的信噪比增益;同时,对噪声方差的估计,该算法显著提高了估计精度,抑制了信噪比20 dB以下估计性能恶化的现象。     

谐波恢复的联合对角化算法

该文构造一组具有对角结构的特征矩阵,提出一种新的迭代算法完成这组特征矩阵的联合对角化,进而恢复出谐波频率。新方法将经典ACDC算法的四次代价函数简化为二次代价函数;且每步迭代具有精确的最小二乘闭式解,消除了ACDC算法的误差积累问题。仿真实验表明该方法估计性能优于TLS-ESPRIT 算法和ACDC算法,尤其在低信噪比下性能显著提高。     

一种部分响应CPM信号的调制参数盲估计算法

针对非协作通信环境下部分响应CPM信号的调制参数盲估计问题,提出了一种系统的参数估计方案,可依次对载波频率、符号速率、调制指数和调制阶数进行有效地估计。在基于循环平稳特性的符号速率估计的前提下,对联合估计算法进行简化,构造新的代价函数,实现载波频率和调制指数联合估计,提取循环谱线特征估计调制阶数。仿真试验表明,该算法在信噪比10 d B时具有较好的估计效果。     

基于子空间信道矩阵迭代的阶数估计算法

针对二阶统计量信道盲辨识算法中有效阶数估计问题,该文提出了一种基于子空间信道矩阵迭代的阶数估计(SS-CMR)算法.基于过估计条件下的Q矩阵特殊结构和其解空间向量可等价为真实信道冲激响应与公共零点信道的卷积,该算法首先利用子空间算法获得估计的信道矩阵,然后构建迭代形式的代价函数进行阶数估计.仿真表明,SS-CMR算法较CMR算法性能提升,且明显优于现有其他阶数估计算法;解析分析表明算法复杂度较CMR算法明显降低,对首尾系数很小的信道的阶数估计尤为有效.     

利用特征极值比的盲信道阶数估计方法

确定性辨识方法是盲信道辨识的主流方法,然而确定性方法性能受信道阶数估计的严重影响。本文针对大多数信道阶数估计算法在坏信道条件下失效问题,分析子空间方法中噪声子空间矢量构成特殊矩阵的奇异性与信道阶数之间的关系,对该特殊矩阵最大特征值最小特征值的变化情况进行对比分析,利用特征极值的比值来反映信号子空间到噪声子空间的变化情况,从而提出特征极值比定理。针对观测数据有限且含噪声的实际应用条件,提出一种盲信道阶数估计算法,该算法以不同信道阶数的特征极值比作为参数构造目标函数,得到在真实信道阶数处目标函数取全局最大值,同时对该算法进行了复杂度分析。最后针对两种常用仿真信道参数对算法进行了验证,结果表明,在短数据和低信噪比条件下,本文算法能以较高的估计概率得到好信道和坏信道的有效阶数。      

基于均衡代价函数的信道阶数盲估计算法

针对信道阶数估计问题,利用单输入多输出(Single-Input Multiple-Output,SIMO)有限冲激响应(Finite Impulse Response,FIR)信道的结构特点和输入/输出信号的统计特征,提出了一种基于均衡代价函数的信道阶数盲估计算法.首先计算了归一化最小二乘均衡(Normalized Least Squares Equalization,NLSE)代价函数在理想条件下的理论渐近值,并指出其拐点与信道阶数之间的对应关系.然后分析了NLSE代价函数在实际条件下的近似值.最后引入了拐点优化因子,提出了一种基于NLSE代价函数拐点检测的信道阶数估计算法.理论分析和仿真结果表明,在信噪比(Signal-to-Noise Ratio,SNR)较低和信道首尾系数较小的情况下,该算法比现有其它方法具有更强的鲁棒性,可以获得更小的接收信号均衡误差.     

适用于二维阵列的无格稀疏波达方向估计算法

针对现有的适用于2维阵列的无格稀疏波达方向(DOA)估计方法性能不足的问题,该文提出一种新的方法。对2维阵列,从原子L0范数出发,证明其值等于一个以矩阵秩为目标函数的半定规划(SDP)问题的最优解。对该矩阵使用第1类有限阶贝塞尔函数近似表达,构造新的秩优化SDP问题。根据低秩矩阵恢复理论,对该SDP问题的目标函数使用log-det函数方法平滑替代,然后使用优化最小(MM)算法求解,最后通过(半)正定Toeplitz矩阵的范德蒙分解方法实现无格DOA估计。在MM算法求解模型时,使用样本协方差矩阵构造初始优化问题,减少算法迭代。仿真实验结果表明,相较于基于网格的MUSIC和其他无格DOA估计方法,该文方法具有更好的均方根误差(RMSE)性能与对相邻源的分辨能力;在快拍数充足且信噪比(SNR)较高时,适当的第1类贝塞尔函数阶数选择可以实现与较大阶数接近的RMSE性能,同时能减少运行时间。     

一种基于矩阵外积分解的信道盲辨识与盲均衡算法

本文提出了一种鲁棒性较好的信道盲辨识和盲均衡算法.在仅需知道信道阶数上界的条件下,首先采用改进的信道阶数估计算法对信道阶数进行精确估计,与现有算法相比,所需信噪比降低、对信道的适应性提高;然后,在矩阵外积分解算法的基础上,加入特征值扰动分析,提高了信道盲辨识和盲均衡性能.仿真结果证明了算法的有效性.     

一种CPM信号参数盲估计方法

针对非协作通信下CPM信号参数盲估计问题,提出了一种系统的有序的盲估计方法,实现了对CPM信号的载频、符号速率、调制指数和调制阶数等参数的精确估计。利用CPM信号的循环平稳特性,采用了基于周期谱的符号速率估计方法,构建了代价函数,采用联合估计法对调制指数和频偏实现了三维的精确搜索,最后实现了基于循环平稳性的CPM信号调制阶数的准确识别。理论分析与试验仿真表明,新方法具有较高的正确估计概率,且在低信噪比下也能达到较好的效果。     

OFDM系统基于矩阵开方的盲信道估计

该文提出一种基于矩阵开方(computing Roots of Matrices, RM)的盲信道估计算法和一种自适应矩阵开方(Adaptive computing Roots of Matrices, ARM)盲信道估计算法。RM算法利用信息符号的有限字符集特性,在时域上通过对一个Toeplitz下三角矩阵开方进行信道解卷积,得到信道估计的闭合解。该运算复杂度远低于现有的盲信道估计搜索算法,并且适用于信道阶数较大、搜索算法不能处理的情况。仿真结果表明RM信道估计性能接近于搜索算法的最佳性能,而ARM通过最陡下降迭代将代价函数最小化,可以进一步提高信道估计的准确性。     

基于粒子滤波的Turbo盲均衡

粒子滤波是一种基于贝叶斯估计的算法,在信道盲辨识和盲均衡问题上具有快收敛、抗深衰信道等优势。Turbo盲均衡在低信噪比条件下有较好的误码性能。为了在深衰信道下使通信具有良好的误码性能,对粒子滤波盲均衡算法进行改进,改进算法的重要性采样函数利用了粒子的先验信息,得到一种软输入软输出的粒子滤波盲均衡算法。依据Turbo盲均衡的框架结构实现了一种基于粒子滤波的Turbo盲均衡算法,该算法利用信道编码带来的编码增益,提高了均衡和信道辨识的性能。仿真结果表明相比粒子滤波盲均衡算法本文提出算法的误码率性能提高1dB左右,误帧率性能则提高了3dB以上,经分析可知在信道系数估计较为准确的条件下,系统数据帧几乎没有误码。      

基于码片延迟的多径信道扩频序列盲估计

针对多径信道下低信噪比直扩信号扩频序列的盲估计问题,提出一种通过码片延迟与相关矩阵分析相结合的方法实现扩频波形估计。该方法首先将接收信号延迟一段时间与原信号相乘,然后代入自相关矩阵中,通过特征值分解求得最大特征值及其对应的特征向量,通过该特征向量中的零点确定同步位置并恢复扩频序列。理论分析和仿真结果表明,本算法在低信噪比条件下能完成对PN码序列的精确估计。     

认知无线电中OFDM信号信噪比盲估计

针对认知正交频分复用(OFDM,orthogonal frequency division multiplexing)系统中低信噪比多径信道下传统的OFDM信号信噪比盲估计算法的估计性能差,计算复杂度高的问题,提出一种新的OFDM信号信噪比盲估计方法,该方法首先利用自相关函数的特性粗略估计出信道阶数,确定循环前缀部分中不受符号间干扰的数据区间,然后根据选定区间的数据的自相关函数值估计接收信号的信号功率,最后利用循环前缀数据为部分有用数据的复制这一特性估计出噪声功率,从而估计出接收信号的信噪比。仿真实验结果表明,提出的方法无需任何先验信息,在低信噪比多径信道下具有良好的估计性能,且计算复杂度低,更适合于认知OFDM系统。     

空时分组码系统的盲信道估计

空时编码是实现宽带无线数据通信的一种极有潜力的技术,随着发射天线个数的增加,对空时编码进行信道估计时,所需训练符号的个数也将增加,减少了传输数据的有效时间.本文将子空间方法同空时分组码的特性有机地结合,提出了无需训练序列,直接进行信道估计的方法.它充分利用空时分组码的特性,使得接收信号中,表示信道衰落影响的矩阵各向量间存在一定联系,利用这些联系,结合子空间方法,从接收信号中解得信道信息.Monte-Carlo仿真表明,在信噪比较低时,本文算法带来的信道估计误差对于解码性能影响较小.     

The research on channel estimation and signal-noise ratio estimation based on minimum error entropy kalman filter for single carrier frequency domain equalization system

In this paper, the channel estimation and signal-to-noise ratio (SNR) estimation technique of single-carrier frequency domain equalization (SC-FDE) system under low SNR in aeronautical multipath channel are studied, a SNR estimation algorithm which is easy to implement in engineering and an improved LS channel estimation algorithm based on Kalman filter using minimum error entropy (MEE-KF) are proposed. This paper first introduces the SC-FDE system and introduces the principle of MEE-KF, and then, the channel estimation flow based on MEE-KF is obtained by combining it with the traditional LS channel estimation algorithm, which makes the estimation results perform better. Simulation results show that after getting more accurate noise variance, the channel estimation results can better follow the changes of the channel after MEE-KF processing, so as to resist the doppler frequency offset effect and make the channel estimation results more accurate, that is the channel response results of the data part can be closer to the real situation, so that the communication performance of SC-FDE system has also been greatly improved.     

OFDM系统中基于压缩传感理论的信道估计算法

信道估计是OFDM系统中的一项关键技术,信道估计质量的好坏对整个系统的性能有重要的影响。传统的最小均方算法对稀疏信道进行估计时存在精确性差的缺陷。本文利用信道冲激响应的稀疏性,提出了一种基于近似l₀范数的信道估计算法。该算法用三种函数逼近l₀范数,应用梯度下降法和梯度投影算法获得代价函数的最优解,从而得到信道的最稀疏解。仿真实验结果表明:在相同条件下,与基于l₁范数的信道估计算法比较,本文算法的收敛速度快,估计值信噪比高,且均方误差小。      

空时编码多载波码分多址MIMO系统下行频率选择性信道盲估计

基于子空间方法的无线信道盲估计由于其算法的固有特性,使得估计结果与实际信道之间存在一个不确定复系数,无法得到无线信道的精确估计。在利用子空间分解方法对空时编码多输入多输出MC-CDMA系统下行频率选择性信道盲估计的基础上,利用发射符号的有限码集特性,将单载波系统下的模糊复系数盲辨识方法推广到多载波多输入多输出系统,从而得到信道的精确估计。Monte-Carlo仿真表明,在信噪比较低的情况下,本方法的信道估计误差仍然较小。     

AWGN信道中非恒包络信号SNR估计算法

本文提出一种利用信号自相关矩阵的奇异值分解(SVD)对加性高斯白噪声(AWGN)信道下非恒包络信号信噪比的盲估计算法,并作了详细理论分析.通过对该算法进行计算仿真,结果表明:该算法性能稳定,对MPSK、MQAM信号在实际信噪比为1~20dB时,估计误差小于0.5dB.