多输入多输出信道估计算法的仿真研究

研究无线通信,提高数据传输率,是无线通信领域关心的问题.信道估计精度对系统性能有着直接的影响.由于无线通信信道具有时变性,传统信道估计算法很难对时变信道进行准确估计,为了提高多输入多输出信道估计精度,提出一种采用基于粒子滤波的MIMO-OFDM时变信道估计方法.算法首先采用时变信道频率响应的状态空间方程将时变信道估计问题转化为序贯状态估计问题,然后通过粒子滤波算法对序贯状态估计问题进行求解,得到当前时刻的信道状态.仿真结果表明,与传统信道估计方法比较,不仅降低估计均方误差和误码率,估计精度更高,而且很好地提高了信道通信性能.     

基于卡尔曼滤波的OFDM系统时变信道估计方法

研究了一种基于卡尔曼(Kalman)滤波的OFDM时变信道估计与跟踪问题.首先建立时变多径信道的状态方程和测量方程,然后将信道冲击响应近似为一个低阶自回归滑动平均过程,利用导频的先验信息估计出Kalman滤波器的初始值和时变参数,并通过Kalman滤波跟踪信道的时变特性.仿真实验表明,该方法在时变多径信道下具有较好的性能,与传统信道估计方法相比,在均方误差和误码率等性能指标上有了较大的改进.     

基于Kalman滤波的MIMO时变信道估计

研究了一种基于Kalman滤波的MIMO时变信道估计与跟踪问题。利用衰落信道功率谱统计特性的先验信息,将信道冲击响应近似为一个低阶自回归滑动平均过程,通过信道传输函数逼近信道功率谱的幅频特性,建立时变衰落单径信道的状态方程,导出MIMO信道状态模型参数,并通过Kalman滤波跟踪信道的时变特性。理论分析和仿真试验表明,该算法在时变信道下具有较好的性能,和传统信道估计方法相比,接收机性能有了较大的改进。     

基于压缩感知和粒子滤波的OFDM超宽信道估计

针对通信系统中的正交频分复用(OFDM)超宽信道具有的稀疏多径和含噪声特征,将信道估计问题转换为稀疏信号的重构和优化问题,设计了一种基于压缩感知理论和粒子滤波的OFDM信道估计方法;首先定义和描述了OFDM数学模型,然后在对压缩感知理论模型研究的基础上,采用改进的正交匹配算法对OFDM超宽信道进行重构,为了进一步减少信道重构的误差,将由于正交匹配算法得到的重构信道作为初始的粒子,并将OFDM数学模型转换为动态参数模型,并通过粒子滤波来更新模型中的参数和频率响应,通过不断迭代获得信道的估计值;为了验证文中方法的优越性,将文中方法与经典的正交匹配算法与粒子滤波算法进行比较,结果表明:文中方法能有效地对含噪声的稀疏信号进行估计,具有较小的重构误差,且与其它方法相比,具有较小的归一化均方误差.     

基于高次数据拟合OFDM系统快时变信道估计算法*

针对快时变信道估计参数多且估计复杂度大的问题,提出了一种基于高次数据拟合的快时变信道估计算法。该方法首先利用导频的周期性,在时域对一个OFDM符号内的信道进行分段估计,以减少时变信道被估参数;并且基于高次数据拟合方法对其进行曲线拟合,实现了对快时变信道的多点拟合;最后通过对拟合系数的残差误差分析,得到最佳拟合系数,从而进一步提高估计准确度。理论分析与仿真结果均验证了该方法在快速时变信道下的有效性。     

MIMO-OFDMA时变信道和载波频偏联合估计

针对MIMO-OFDMA上行无线通信系统,提出一种基于随机集理论的多用户时变信道和载波频率偏移联合估计算法.该算法基于随机集合理论,利用一个有限随机集合来表示和描述系统中实时动态变化的接入用户状态、多径信道的冲激响应,以及每个无线接入用户对应的载波频率偏移量;然后,利用贝叶斯最优估计理论,给出在随机集模型下MIMO-OFDMA上行无线系统中信道冲激响应和载波频率偏移的最优估计表达式;最后,利用粒子滤波算法逼近求解该随机集模型下的贝叶斯最优估计问题.仿真实验结果表明,在MIMO-OFDMA上行无线系统中接入用户数未知且动态变化等复杂情况下,该算法仍然可以实现对时变信道冲激响应和载波频偏的有效估计.     

OFDM系统中时变信道参数的估计

无线信道中的时变衰落对通信系统的性能会产生极其恶劣的影响,必须精确的估计出时变信道的参数以便更好的设计通信系统以及在接收端进行有效地均衡。提出了一种基于单分量线性调频（LFM）信号的时变信道参数估计方法。该方法通过发射单分量LFM信号作为正交频分复用（OFDM）系统的导频信号来探测时变信道,在接收端用最小描述长度（MDL）标准来检测信道的多径数目,并用Wigner－Hough变换（WHT）联合FFT进行时变信道参数估计。仿真结果表明该算法有良好的估计性能。     

OFDM系统的信道估计与检测方法研究

为保证通信的可靠性与有效性,掌握正交频分复用(OFDM)系统的信道状态信息(CSI)是很必要的。本文在基于导频的OFDM信道估计的基础上,提出检测时变信道的新方法。验证结果表明,该方法通过寻找合适的评价信道变化的参量,可以有效衡量信道的变化状态。     

针对时变OFDM信道的一种盲估计改进算法

OFDM盲信道估计技术可以在不需要导频的情况下,估计出信道的状态信息,能有效节约带宽,提高频谱利用率。分析了一种基于子空间SVD方法的盲信道估计技术,在此算法基础上提出了针对时变信道的估计方法,并就现有方法估计精度较低的问题,提出了一种利用信道相关特性进行λ加权的优化算法。对算法进行了蒙特卡罗仿真,仿真结果表明该算法能够有效改善信道估计性能,并且具有较低的复杂度。     

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。     

Efficient estimation of hybrid systems with applications to tracking

Particle filtering has been recognised as a superior alternative to the traditional estimation methods as it is applicable to nonlinear/non-Gaussian system. A central issue in real-time applications of particle filtering is its high computational cost. This problem is compounded when it is used in hybrid system estimation. A new particle filtering method for nonlinear/non-Gaussian hybrid system estimation is proposed in this article. The new method integrates the high-accuracy interacting multiple model particle filtering algorithm with the computationally efficient observation and transition-based most likely modes tracking particle filtering algorithm to get high-accuracy estimation with reduced computational load. The algorithm is applied to a manoeuvring target tracking application to demonstrate its efficiency.     

一种基于EM-MAP的联合CFO双选信道估计算法

针对在双选信道下OFDM系统需要同时获取精确的载波偏移和信道状态信息, 而采用贝叶斯MAP算法进行联合载波频率偏移和信道状态估计复杂度过高的问题, 提出一种基于EM-MAP的联合CFO双选信道估计算法。首先利用基扩展模型解决信道状态由于快时变带来的可辨识问题, 然后引入期望最大化(EM)算法对系统的载波频偏和信道状态信息进行联合估计, 避免大规模的矩阵求逆, 降低算法复杂度。仿真结果表明, 该方法能获取与MAP算法相当的估计性能, 且大幅度降低了复杂度, 有效地解决了双选信道下进行联合估计复杂度过高的问题, 具有很好的实用性。     

一种Sage-Husa和可观测度的滤波算法研究

针对目标跟踪中过程噪声统计特性未知和状态分量可观测度差而导致滤波精度不高甚至滤波发散的问题,提出了一种复合自适应滤波算法.我该算法在滤波过程中,利用Sage-Husa噪声估计器在线估计过程噪声,用可观测度分析方法抑制状态分量可观测度差对滤波器的不良影响.在滤波过程中实时估计和修正过程噪声的统计特性,同时对观测度差的分量...     

基于滑窗滤波和多项式拟合的时变信道估计方法

基于长期演进（LTE）的车辆到一切（LTE-V2X）标准沿用LTE标准的帧格式,并采用块状导频辅助的单载波频分多址（SC-FDMA）系统完成信道估计。然而,由于V2X信道的时变特性,接收机信道估计面对巨大的技术挑战。因此,设计了一种基于滑窗滤波和多项式拟合的时变信道估计方法。针对导频符号处的噪声问题,在最小二乘（LS）方法基础上,采用了自适应长度的滑动窗口滤波进行降噪处理,从而保证导频符号处的信道估计精度。另外,根据多普勒频移大小,设计了自适应阶次的多项式拟合方法来跟踪数据符号处的信道变化。仿真结果表明,所提方法在LS方法的基础上有良好的去噪效果,在低速移动情况下的估计精度介于LS方法和线性最小均方误差（LMMSE）方法之间,而该方法在高速移动条件下能更好地拟合信道的时变特性,且性能上超过了LMMSE方法结合线性插值的信道估计方法。以上结果说明,所提方法相对于对比方法具有更好的自适应性,适用于不同的信道噪声和终端移动速度下的LTE-V2X通信场景。     

基于极大似然估计的新息自适应滤波算法

针对噪声统计信息未知或时变情况下常规卡尔曼滤波估计精度下降甚至发散的问题,提出了一种基于极大似然估计的新息自适应滤波算法.算法对基于极大似然估计的常规新息协方差估值器进行限定记忆指数衰减加权修正,增加滑动窗口内新近新息协方差序列的利用权重;根据新息自适应原理,利用新息协方差估计值直接计算滤波增益矩阵,加快滤波器收敛速度的同时提高了滤波算法的估计精度.算法应用于捷联惯性导航系统/全球定位系统(SINS/GPS)组合导航系统,仿真实验表明:在噪声统计信息未知或时变情况下,算法具有更强的鲁棒性以及更高的滤波精度.     

多丢包不确定离散系统的鲁棒Kalman滤波

研究了同时具有不确定性和多丢包情况下的离散时变系统的鲁棒滤波问题, 其中的不确定性是时变的、范数有界的, 且存在于系统的状态矩阵和输出矩阵中. 通过把多丢包问题建模成系统模型中的随机参数, 在允许的不确定性情况下, 给出了估计误差方差的上界, 并进一步基于矩阵范数的意义最小化该上界. 结果表明, 通过求解两个Riccati差分方程, 可以设计鲁棒滤波器. 最后, 提出适合在线计算的鲁棒滤波算法, 并通过仿真实例表明所提算法的有效性和实用性.     

单幅图像快速去雾算法

目前去雾算法主要有通过暗原色和对图像颜色通道处理等方法,但是这些方法去雾效率不高,从而导致实用性不强,针对此弊端提出了一种基于单幅图像的快速去雾算法。大气光估计运用改进的暗通道方法,先对颜色通道进行最小滤波,然后取最小滤波的最大值作为大气光的估计值;透射率估计运用物理模型均值滤波,先根据数学模型转换,然后进行一次均值滤波,再用偏移值来修正带透射率的估计值。算法简单快速有效,具有实用性。对实验结果进行定性定量分析,证明与其他算法相比,所提算法具有更好的去雾效果和更快的处理速度。     

基于Monte Carlo方法的自适应多模型诊断

多模型混合系统的模型切换服从有限状态的Markov链,其转移概率通常假定是已知的.当模型转移概率未知的时候,本文基于Monte Carlo粒子滤波器给出了混合系统状态估计的一种自适应算法.该算法假定未知的转移概率先验分布为Dirichlet分布,首先通过采样得到一组模型序列的随机样本,利用其中状态的转移次数计算先验转移概率,使用量测信息对样本更新选择后,获得模型转移概率的一种迭代的后验估计值,同时由粒子滤波器得到系统状态和模型概率的后验估计.将该方法用于混合系统的状态监测和故障诊断,仿真结果表明了算法的有效性.