MIMO相关信道估计中训练序列的最优结构和最佳长度

针对存在空域相关性的多输入多输出（Multiple—Input Multiple—Output，MIMO）信道，首先设计了适用于任何给定长度的最优训练序列，该序列能够充分利用已知的信道相关信息，且具有估计均方误差最小化的特性．在此基础上，分析了相关信道下采用训练估计的数据传输机制所能达到的容量下界，得出了满足估计准确性和数据速率最优折中的最佳训练序列长度．最后，通过仿真验证了本文给出的训练序列的性能和最佳长度取值的有效性。     

基于隐训练序列的信道估计与跟踪

提出了新的基于隐训练序列的频率选择性信道估计方法,利用训练序列与信息序列的不相关特性,在没有带宽损失的情况下估计出信道参数。文中对所提方法给予了证明,给出了信道估计算法,并提出了改进的自适应形式,可以用于跟踪时变信道。与以往的隐训练序列估计方法比较,文章中的算法具有更低的估计均方误差,不受接收端直流偏移的限制,且适用于时变信道。计算机仿真结果表明了该估计方法的有效性。     

基于隐训练序列的MIMO通信系统信道估计与跟踪

针对MIMO通信系统的信道估计与跟踪问题,提出了一种基于隐训练序列(ITS)的信道估计算法,分析了该算法的均方误差性能,给出了训练序列的优化方案.仿真表明,该算法与传统的最小二乘信道估计算法、预编码隐训练序列算法相比,具有估计精度高、计算量低、易于优化训练序列等特点,且算法不受接收端存在直流偏移的影响,其自适应结构能够很好地实现对快时变通信信道的跟踪,对解决电子战中快时变通信信道的捕获和跟踪问题具有一定的指导意义和应用价值.     

基于隐训练序列的MIMO通信系统信道估计与跟踪

针对MIMO通信系统的信道估计与跟踪问题,提出了一种基于隐训练序列（ITS）的信道估计算法,分析了该算法的均方误差性能,给出了训练序列的优化方案。仿真表明,该算法与传统的最小二乘信道估计算法、预编码隐训练序列算法相比,具有估计精度高、计算量低、易于优化训练序列等特点,且算法不受接收端存在直流偏移的影响,其自适应结构能够很好地实现对快时变通信信道的跟踪,对解决电子战中快时变通信信道的捕获和跟踪问题具有一定的指导意义和应用价值。     

基于隐训练序列的信道阶数估计研究

在无线通信中,由于信道特性而引起的码间干扰（ISI）是影响通信质量的一个主要因素。抵消ISI的基本方法就是对接收到的数据进行均衡,均衡前进行准确的信道估计非常重要。给出一种在此信息传输系统下基于隐训练序列的信道阶数的估计方法,并对其进行了仿真分析。仿真结果显示,通过对原发送信息序列进行了帧实际数据零均值处理,达到了比较准确的信道阶数估计效果。     

基于叠加训练的非合作多用户/MIMO信道估计

提出一种基于叠加训练的单载波非合作多用户/MIMO系统的迭代信道估计与检测方案。首先利用变换域方法构造具有零周期互相关特性的训练序列,从而消除多天线间的相互干扰,实现基于一阶统计量的信道估计。然后采用联合符号检测的迭代信道估计方法,利用检测序列作为额外的“训练序列”来降低信息序列自身干扰。与现有的叠加训练信道估计方案比较,新方案中训练序列构造更加灵活,在低信噪比下信道估计均方误差和误码率性能更优,且复杂度更低,仿真结果表明了该方案的有效性。     

莱斯衰落信道下大规模MIMO系统中的信道估计方法

日趋重要的高速移动工具,如高速铁路、无人驾驶飞机等,大多都处在开阔地带.由于视距传播的存在,瑞利衰落模型已经不能很好地描述该环境下的信道情况,而莱斯衰落信道模型由视距分量和多径分量组成,更能准确地表述上述信道变化.基于此模型,在大规模天线系统下,在已存在的基于叠加训练序列信道估计方法的基础上,提出了改进的信道估计方法和对应的解码方法.改进后的信道估计方法分为直射分量已知和未知两种情况,分别推导了相应的信道估计公式和解码方法.数值仿真结果验证了本文所提方案性能的优越性.     

基于隐训练序列的MIMO信道估计

提出一种基于隐训练序列的MIMO信道估计模型,模型信道估计方法不占用额外的信号带宽和具有较高的估计精度.采用最小二乘(LS)方法,推导出信道估计误差的均方差和信道容量的下限.数值模拟结果证实在相同条件下,采用隐训练序列要比直接采用训练序列对系统容量的改善5 dB左右,并且也验证一些有用的结论:不恰当的天线数目不能提高信道容量.     

基于RLS的MIMO OFDM自适应信道估计

依据最小均方误差准则提出了基于多相正交序列循环移位和基于重复相位旋转Chu两种训练序列设计方法,并给出了相应的最小二乘(RLS)自适应信道估计算法。首先用简单的LS算法对信道进行初步估计,然后采用RLS算法进行自适应滤波器提高信道估计的性能,最后,将滤波后得到的时域信道估计经过FFT变换为频域信道响应,并对OFDM数据符号进行频域均衡。与传统单一的信道估计技术相比,该方法具有较低的复杂度和较好的估计性能,仿真实验证明了该算法的有效性。     

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。     

利用训练序列进行无线局域网信道估计

研究了基于训练序列的无线局域网信道估计的几种方法，通过Matlab算法仿真分析，总结出适用IEEE802．1la的信道估计方法。并指出了各种算法的优缺点及适用条件，有利于无线局域网信道估计与均衡的硬件实现。     

大规模MIMO系统中低复杂度的稀疏信道估计

针对大规模多输入多输出（MIMO）系统信道估计算法复杂度高的缺陷,结合无线通信信道固有的稀疏性提出了一种低复杂度的稀疏信道估计算法。该算法是在传统的离散傅里叶变换（DFT）信道估计的基础上利用分离算法将信道抽头与噪声空间分离开来,使得信道估计时只需要计算信道抽头的部分,因此算法的计算复杂度被大大降低。仿真结果表明,该算法在保持低复杂度的同时,可获得接近最小均方误差（MMSE）性能。     

一种改进的MIMO OFDM系统信道估计算法

本文对MIMO OFDM系统中基于训练序列的信道估计问题进行了研究，针对信道冲击响应的最大抽头数大于每个OFDM符号中导频数的情况，提出一种有效的结合前后若干训练序列进行信道估计的算法和结合方式。仿真结果表明，在基于无线局域网（WLAN）中打包传送的MIMO OFDM系统里，本文的方法比采用块状训练序列的估计算法有着更小的归一化均方误差。     

Time‐varying channel estimation for MIMO/OFDM systems using superimposed training and basis expansion models

An approach of superimposed training (ST)‐aided time‐varying (TV) channel estimation for multiple‐input multiple‐output orthogonal frequency division multiplexing systems is presented. By modeling the TV channel with the truncated discrete basis expansion model, a two‐step approach is adopted to estimate the TV channel. In addition, the mean square error (MSE) of the proposed channel estimation is analyzed, and its closed‐form expression is derived, which is a function of the data‐to‐ST power ratio. Using the developed channel MSE, we case the problem of ST power‐allocation by minimizing the lower bound on the average channel capacity. To enhance the performance of channel estimation, a low‐complexity decision feedback mechanism is introduced to iteratively mitigate the unknown data interference. Numerical results verify the performances of the proposed approach. Copyright © 2012 John Wiley & Sons, Ltd.     

基于特殊训练序列的信道估计算法的研究

为降低MIMO—OFDM系统信道估计运算复杂度和提高估计精度，设计了一种特殊的训练序列，并给出了基于该训练序列的低复杂度算法，采用该方法避免了矩阵求逆运算，使运算大大简化，且在系统存在ISI时,采用本文给出的信道估计方法，信道的估计参数不会受到ISI的影响。仿真结果证明在存在ISI时，给出的信道估计与不存在ISI时性能相同，在高SNR时比传统方法其MSE高20dB。     

On channel estimation using optimal training sequences in Cyclic-Prefix-based Single-Carrier systems with Space-Time Block-Coding

In this paper, a new scheme that combines Space-Time Block-Coding （STBC） based on an Alamouti-like scheme and the Least Squares （LS） channel estimation using optimal training sequences in Cyclic-Prefix-based （CP）／Single-Carrier （SC） systems is proposed. With two transmit antennas, based on Cramer-Rao lower bound for channel estimation, it is shown that the Periodic Complementary Set （PCS） is optimal over frequency-selective fading channels. Compared with the normal scheme without STBC, 3dB Mean Square Error （MSE） performance gains and fewer restrictions on the length of channel impulse response are demonstrated.