一种基于子空间分解的IIR信道盲辨识算法

本文证明了对IIR信道输出进行过采样（采样率是输入码率的整数倍）可以转化成单输入多输出的多信道模型，并且不同的信道有相同的AR系数。基于这一特性本文提出一种基于子空间分解的信道参数盲辨识方法，即不同信道的MA系数可以输出信号的噪声子空间唯一确定，而AR系数则可以通过求解YW方程得到。     

一种基于多信道模型的IIR信道盲辩识算法

本文的主要贡献在于:1)证明了对单输入单输出(Single-Input-Single-Output SISO)IIR信道的输出进行过采样可以将其转化成单输入多输出(Single-Input-Multiple-Output SIMO)的多信道模型,不同的子信道具有相同的AR系数。2)由SISO向SIMO模型的转化时,本文指出子信道数是可变的,并且当子信道数等于过采样的倍数时,辨识效果最好。实验证明本文算法估计效果好,计算量小。特别是当用于估计的点数较少时仍能保持良好的性能,因而可适用于快变信道。     

基于子空间分解的OFDM信道盲辨识

该文提出一种基于子空间分解的正交频分复用(OFDM)信道的盲辨识算法,将OFDM信号等效为单输入多输出的过采样信号,采用过采样信号的循环稳态特性和子空间分解方法估计信道参数,算法不需要任何训练序列和周期性的引导信号,实现了0FDM信道的盲辨识。对于宽带OFDM移动通信系统,通常子信道数较大,信道响应持续时间短于0FDM符号周期,因此,可以将整个系统分为若干个子系统,各子系统分别进行信道辨识,能有效地降低信道估算的复杂性。     

一种基于IIR信道输出过采样的SIMO模型

通过对IIR信道输出的过采样(Oversampling),该文提出一种新的单输入多输出(Single-Input- Multiple-Output,SIMO)模型。较现有模型大大简化,可作为IIR信道盲辨识研究的依据。该文同时分析了采样率和SIMO模型子信道数的关系,并用计算机仿真给出他们对辨识效果的影响,可作为选择采样率和子信道数的参考。     

基于子空间分解的信道阶数估计算法

提出一种新的基于子空间分解的信道阶数估计算法.首先基于子空间分解,将观测向量自相关矩阵的几何子空间按照某一正整数La分解为“信号”子空间和“噪声”子空间,由“噪声”子空间构建了一个特殊矩阵Gv,提出了Gv特征分析定理,该定理表明当且仅当La等于信道阶数时,Gv奇异并有唯一的零特征值,并进行了详细的理论和实验证明;然后根据该定理,不断修正“噪声”子空间的大小,判定Gv的奇异性,完成信道阶数的估计.仿真证明该算法不但在低信噪比条件下具有很好的估计性能,而且当信道具有较小的初始和结尾系数时,也能达到很好的效果.     

基于输出过采样的IIR信道迫零盲均衡

本文提出一种新的针对单输入单输出IIR信道的盲均衡算法.首先通过对信道输出的过采样建立特殊的多信道模型.对多信道模型的输出应用线性预测,证明了预测误差只包含多信道模型冲激响应在第一个时隙的参数,并给出最佳线性预测器的长度.通过预测误差的协方差矩阵可以求解该冲激响应参数.基于该参数可构造出不同时延的迫零均衡器.仿真结果显示了本文算法的有效性.     

一种基于均值反馈模型的自适应空间子信道分配算法

MIMO/OFDM是未来宽带无线通信接口的有效架构。该文针对多用户MIMO/OFDM系统,提出了一种基于均值反馈模型的自适应空间子信道分配算法,以获取最大的系统吞吐量为目标,推导了子载波分配准则,并给出了相应的算法流程。仿真结果表明,该算法具有良好的性能,有效地提高了系统的传输速率。     

基于子空间投影的信道阶数盲估计算法

根据联合阶数估计最小二乘平滑算法(J-LSS)中投影误差矩阵的特点,利用其零空间向量形成的特殊矩阵的秩与信道阶数的关系,分别构造2个阶数估计代价函数。将2个代价函数归一化后联合构建成新的代价函数,新的代价函数较使用单一代价函数提升了在低信噪比下的辨识率。仿真结果表明,与传统算法相比,该算法在较低的信噪比和小样本观测数据条件下,有很好的估计性能。     

基于子空间分解的多通道盲解卷积算法

针对卷积混合信号,提出了一种新的多通道盲解卷积算法,该算法首先利用子空间分解方法,将信号卷积混合模型变换成线性混合模型,然后利用线性混合盲分离算法分离出源信号.该算法相对频域盲解卷积算法来说无需解决线性混合盲分离中存在的幅度和排列顺序的模糊性问题,而且该算法不要求信号独立同分布,只要求各源信号统计独立即可.因此,该算法可以直接在中频对观察信号进行处理.计算机仿真结果表明,该算法不仅能对不同频不同调制方式的通信信号进行盲解卷积,而且对同频同调制的通信信号,该算法同样有效.     

一种基于子空间的盲多用户检测算法分析

多用户检测技术是扩频通信中解决多址干扰问题的一种重要技术。介绍了基于子空间盲多用户检测的原理。通过空间分解得到信号子空间,利用信号子空间的特征值和特征向量得到解相关多用户检测器,分析了其性能,并通过仿真证明其在有效性、抗远近效应等方面都较理想,是一种很有前途的多用户检测方法。     

基于快速子空间分解的宽带非相干DOA估计快速算法

总结了快速子空间分解在窄带阵列到达角估计中的应用,给出了几种构造参考信号的方法。将快速子空间分解与宽带非相干信号子空间方法相结合,得到了宽带到达角估计快速方法。在性能基本保持不变的同时,新方法大大降低了运算量。仿真结果证明了算法的有效性。     

基于PCA网络的快速子空间分解及其维数估计

提出了一种基于主分量分析（PCA）神经网络实现子快速子空间分解及其维数估计的新方法。该方法不需要估计数据协方差矩阵和特征值分解,只需将阵列数据输入到PCA网络,通过网络权值的无监督自组织迭代即可同时完成子空间分解及其维数估计。因此该方法具有运算量小和复杂度低的特点,易于实时处理。计算机仿真验证了该方法的有效性。     

基于四阶累积量的子空间盲信道估计

介绍了OFDM信道估计的各种方法及其研究现状,并分析了其优缺点。给出了一种基于四阶累积量的子空间盲估计方法,该算法利用了四阶累积量对高斯噪声的过滤作用,并与子空间信道盲估计相结合,在保证估计准确性的前提下提高系统的频带利用率。最后,利用计算机仿真,将新算法与已有的插入导频的信道估计方法进行比较,并对实验结果进行了分析。理论分析和仿真结果说明了算法的有效性和实用性。     

基于张量分解的子空间频率估计及应用

为了提高短时序列的频率估计精度,提出一种基于张量分解的适用于多通道接收数据的子空间高分辨率的频率估计算法。该方法将接收到的多通道采样信号按照一定的形式构建三维数据结构,利用子空间的移不变性,采用张量的高阶奇异值分解直接对数据进行频率估计。仿真表明在低信噪比的情况下,基于张量分解的频率估计算法性能要优于基于矩阵奇异值分解的频率估计算法,将此算法应用于目标轨迹测量中,可以获得高精度的目标轨迹参数。     

基于人耳掩蔽效应的子空间语音增强算法实现

宽带语音增强在改善语音质量方面有着广泛的应用.传统的减谱技术虽然去噪明显,但在听觉上留下了不舒适的"音乐噪声".为了在主客观上得到更好的折衷,引入了子空间技术,将带噪信号分解为不相关的信号空间和噪声空间,并结合人耳掩蔽效应,在主客观上得到了较好的折衷.     

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.     

估计算法的鲁棒性问题研究

本文针对异步DS-CDMA系统,在理论上分析了信道阶、信道头和尾对子空间盲特征波形估计算法性能的影响,并进行了计算机仿真.首先提出了一个特征波形分解模型,将特征波形分解为m阶主要部分和次要部分,得到了相应的m阶子空间算法;然后运用矩阵扰动理论,证明了特征波形分解的可行性,即m阶子空间算法的特征波形估计逼近于m阶主要部分;最后从矩阵特征值分解的稳定程度出发,推导了特征波形分解准则,该准则指出应该避免考虑次要部分,采用尽可能小的信道阶.仿真结果验证了理论分析的正确性.     

OFDM中基于子空间分解的半盲信道估计

针对OFDM系统中盲信道估计计算量大、收敛速度慢和估计精度低的缺点,以及传统信道估计方法的频带利用率低的缺陷,详细介绍了基于子空间分解的半盲信道估计方法。该方法利用接收信号的相关矩阵特性来估计信道,其是传输速率和收敛速度的折衷,通过Matlab软件仿真表明,此方法能较大地改善信道估计精度和降低系统的误差。仿真结果对信道估计问题的深入研究具有借鉴意义。     

基于快速子空间分解的组滤波自适应杂波抑制算法

针对部分相关，中等起伏目标的最佳检测，本文提出了基于快速空间分解的组滤波自适应杂波抑制算法，由于采用了快速了空间分解方法，明显降低了算法运算量而使其易于实时实现，文中所采用的最小二乘同组滤波相结合的方法使得即使在非平稳的条件下也要以获得良好的杂波谱估计，进而可以有针对性地完成特定多普勒域的目标提取，实现在变化杂波条件下的有效杂波抑制和目标检测。