一种新的MIMO-OFDM系统自适应快时变信道估计算法

为了能够获得较精确的快时变信道估计,利用模糊模型拟合快时变信道,提出了一种新的信道估计算法。算法采用自适应技术进行导频子载波频域传输函数模型参数的识别,然后通过插值拟合全部信道的频域传输函数。仿真结果表明,在系统多普勒频移小于0.1的情况下,信道估计的MSE性能得到改善。     

MIMO-OFDM系统的低复杂度递推信道跟踪算法

该文针对时变多径信道下的MIMO-OFDM系统,基于变分贝叶斯原理,提出了一种新的联合信号检测和信道跟踪的低复杂度半盲贝叶斯迭代接收机。针对该接收机,基于递推变分期望最大化(RVBEM)算法,提出了一种RVBEM信道跟踪算法。由于RVBEM算法需要进行矩阵求逆,因此以该算法为基础推导得到了一种时频域联合递推的低复杂度信道跟踪(TF-LCRVBEM)算法。TF-LCRVBEM算法不仅完全避免了矩阵求逆运算,还通过合理的近似使得算法只具有线性复杂度。分析和仿真表明,在时变多径信道下,所提迭代接收机具有远优于传统接收机和接近理想接收机的性能。     

基于Kalman滤波跟踪的MIMO-OFDM半盲信道估计

为克服常用的最小均方(LS)估计算法误差平底较高,且需要占用大量导频资源跟踪时变信道的缺点,提出一种基于Kalman滤波跟踪的MIMO-OFDM半盲的信道估计算法,该算法在采用少量导频的前提下,建立参数化信道模型,采用自适应Kalman滤波技术跟踪时变信道状态信息。仿真表明:该算法能很好地跟踪时变信道状态,显著降低多普勒频移条件下估计的均方误差。     

NNISA-PF算法的MIMO-OFDM信道估计应用分析

MIMO-OFDM(多输入多输出—正交频分复用)系统的信道估计问题是系统接收机进行相干解调的关键。针对标准粒子滤波算法在MIMO-OFDM信道估计时存在观测系数不准确和粒子退化等问题,提出了一种基于神经网络的重要性样本调整粒子滤波(NNISA-PF)算法。对MIMO-OFDM通信系统及时变信道进行建模,得到了状态空间模型;详细分析了标准粒子滤波的改进算法——NNISA-PF;在MIMO-OFDM快衰落和慢衰落信道下,对Kalman、Bootstrap和NNISA-PF三种滤波算法分别在AWGN、Middleton-A噪声下的NMSE和BER性能进行了仿真对比分析。仿真结果表明,在快衰落和慢衰落情况下,NNISA-PF算法都可以有效对抗噪声干扰,尤其是在非高斯噪声环境下优势明显;NNISA-PF算法可以较准确地对MIMO-OFDM时变信道进行半盲估计,使MIMO-OFDM技术优势得到充分发挥。与现有的半盲信道估计方法相比,该方法具有估计精度高、对非高斯噪声鲁棒性强等优点。     

MIMO-OFDM最优导频设置与优化的信道估计方法

从系统设计的角度，根据最小化MSE原则，推导出一种基于MIMO—OFDM多发射天线优化的导频值插入方法，并提出一种健壮性的FDTC的信道估计处理方法。与已有的导频交替传输方法相比，这种优化的导频值能均布于各发射天线所有发射时段，尤其在时变信道中，具有更小的估计误差；在信道估计方法中，提出的频域分集时域合并的方法，通过仿真，表明这种方法能够更进一步的提高估计的精度，同时具有较好的健壮性和较低的计算复杂度。     

基于重要路径捕捉的MIMO-OFDM信道估计方法

基于重要路径捕捉,本文对MIMO-OFDM系统的信道估计方法进行了研究.采用重要路径捕捉,传统的训练序列信道估计方法求逆的运算量和FFT的次数均较大.采用一种改进方法后,可使运算复杂度降低一半,达到了快速性要求.对如何确定信道径数进行了一定分析,并介绍了一种门限值方法以调整路径数.仿真结果表明,改进后的方法降低了运算复杂度,但性能有所下降,即加大了信噪比.     

宽带MIMO-OFDM系统信道估计算法研究

本文提出了MIMO-OFDM系统中基于LS准则的参数化信道估计方法(LSPCE),推导出其MSE性能的下界并给出一种最优导频序列.为了降低复杂度,本文还提出了一种迭代的算法,它利用有限冲击响应信道的抽头之间的相关性从噪声中提取出信道信息并同时估计出多径时延.仿真和分析表明,相比传统的LS信道估计算法,这种基于参数化的信道估计算法可以大大提高信道估计的精度,接收端的检测性能接近理想信道估计的性能.     

基于序贯蒙特卡罗滤波的MIMO快时变信道跟踪

高数据传输速率以及终端的高速移动,导致无线通信信道具有时间选择性与频率选择性两个特征.本文主要研究了基于训练序列的多输入多输出（MIMO）时变频率选择性衰落信道的估计与跟踪问题.首先,根据时变无线信道的动态性,将信道冲击响应近似看作一个低阶的自回归矢量过程（AR）,以便于进行时变信道的跟踪.接着在此模型的基础上,利用序贯蒙特卡罗滤波对MIMO通信系统中的双选择性信道进行了跟踪;跟踪过程中需要与信号检测交替进行,即在状态变量的预测和新息修正的中间要进行一次码元的检测,所采用的方法是极大似然序列检测,最后与扩展卡尔曼滤波作了比较.仿真结果表明,在信道噪声是非高斯的情形下,序贯蒙特卡罗滤波的跟踪性能更优越于扩展卡尔曼滤波.     

MIMO-OFDM系统自适应资源分配研究

MIMO-OFDM系统中动态资源分配能够有效地利用系统发射功率和频谱资源,提高系统性能.文章重点讨论了MIMO-OFDM技术、基于信道状态信息物理层自适应传输和跨层自适应资源管理及MIMO-OFDM自适应算法,并指出热点研究方向.     

MIMO-OFDM系统原理及其关键技术

介绍了第四代移动通信系统中的MIMO-OFDM技术,阐述了OFDM、MIMO技术及MIMO-OFDM系统的基本原理与特点,并介绍了MIMO空时信号处理技术、MIMO OFDM同步、信道估计、信道编码以及自适应技术.     

基于子空间的MIMO-OFDM盲信道估计

基于子空间的MIMO-OFDM盲信道估计算法传输效率较高,但是算法计算量较大且接收端需要较多的信号才能进行精确估计.本文将基于噪声子空间的跟踪算法应用到MIMO-OFDM系统进行信道估计,并且对接收信号进行重构,达到了降低算法复杂度的目的,并减少了对接收信号数量的需要.     

MIMO-OFDM中一种新的信道估计算法

根据不同发射天线发射的导频移位后应相互正交的原则,运用最小二乘推导出了基于MIMO-OFDM信道估计模型的时域信道估计解。针对该时域信道估计解需要矩阵求逆,运算量大的缺点,研究了基于空时频三维导频符号的设计方法,该方法使得时域信道估计解不需要矩阵求逆,可大大降低信道估计的复杂度,并且可以使信道估计误差最小。仿真结果表明,提出的基于空时频导频的信道估计方法相比传统LS算法和文献算法,MSE和BER性能均有较大的提高。     

基于叠加导频的MIMO-OFDM半盲信道估计

在多输入多输出正交频分复用（MIMO-OFDM）系统中,针对基于叠加导频的半盲信道估计方法估计精度不高、对发送信号零均值要求严格的缺点,提出了一些基于传统算法的改进。接收端利用传统算法的估计结果先去除发送信号的影响,再进行估计,对该估计结果进一步利用自适应跟踪算法来提高估计的精度。仿真结果表明改进算法的性能优于传统算法。     

基于PN序列相关检测的MIMO—OFDM信道估计

鉴于多天线OFDM系统中基于PN序列的信道估计受序列循环互相关性影响较大,提出了基于PN序列互相关消除的迭代相关检测信道估计算法。利用PN序列良好的自相关性迭代预估传播路径,并消除已预估路径对其余路径的非理想相关性影响,预估完毕后利用校正的相关函数更新信道估计值。仿真表明算法估计精度较高．与频域方法相比大大降低了计算复杂度,且无需预知信道先验信息,并能跟踪怏时变衰落信道。     

MIMO—OFDM系统基于子空间的盲信道估计技术

MIMO-OFDM系统能在宽带无线信道中达到很高的速率。文章建立了MIMO-OFDM信道识别的条件并实现了基于子空间方法的盲信道估计技术。该方法将现存的在SISO-OFDM系统中的基于子空间的盲信道估计进行统一，并且推广到MIMO-OFDM系统中。特别是该方法可以获得信道的精确估计，且能快速收敛。仿真实验的结果显示了该方法的均方误差性能。     

MIMO-OFDM系统中基于导频辅助的信道估计

该文对MIMO-OFDM系统中基于导频辅助的LMMSE信道估计算法进行了研究,导出了其估计均方差的下界。为降低算法复杂度,首先利用奇异值分解给出一种低阶近似的信道估计器结构;其次提出了一种基于最优导频设计的简化算法。该简化算法不仅降低了算法复杂度,且能有效地获得最优估计性能。最后文中给出了估计信道特性的方法。     

基于MIMO—OFDM系统的信道估计算法分析

MIMO-OFDM技术是未来无线通信系统的研究热点。信道估计是估计出信道的时域或频域响应,对接收到的数据进行校正与恢复,是实现MIMO-OFDM系统优良的传输性能的重要环节。对MIMO-OFDM系统的多种信道估计算法进行了全面深入地探讨,重点分析和比较了基于LS和MMSE的非盲信道估计算法、盲信道估计算法和半盲信道估计算法,并提出了未来信道估计算法的研究方向。     

MIMO-OFDM系统中的时频二维信道估计技术研究

本文主要针对M IMO-OFDM系统中的导频信道估计技术进行了阐述,首先对我们采用的仿真系统进行了简单的描述,接着较为详细的介绍了我们采用的时频二维信道估计技术的原理,在第三部分,对采用的导频的正交性进行了分析;最后利用仿真测试的结论,验证了算法的有效性和鲁棒性。     

MIMO-OFDM系统的一种改进型LS信道估计算法

基于多输入多输出正交频分复用(MIMO-OFDM)系统,研究了LS信道估计算法,提出了一种训练序列和块状导频联合LS信道估计算法,给出了权值的计算公式.理论推导和计算机仿真表明,这种改进型的LS信道估计方法提高了LS信道估计的误码率性能,并具有较高的灵活性和较低的复杂度增长.