基于CV-RMMP重构算法的水声稀疏信道估计

多径匹配追踪算法在水声信道稀疏估计中具有较好的估计精度,但该算法需要信道稀疏度的先验信息,且计算复杂度大.本工作提出一种基于交叉验证与正则化相结合的多径匹配追踪算法,将其用于水声信道估计.交叉验证提供算法的停止准则,不需要信道的稀疏度和噪声水平的先验信息,并检查算法是否过拟合,提高了估计的准确性.正则化用来进一步筛选候...     

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

在多输入多输出正交频分复用(MIMO-OFDM)系统中, 信号经过频率选择性衰落的信道后, 在接收端需要进行均衡和相干信号的检测, 故准确的信道估计量必不可少. 传统的信道估计方法均基于信道抽头是密集型的假设, 利用线性重构算法, 如最小二乘(LS)或最小均方误差(MMSE)等, 可以达到Cramer-Rao下界(CRLB). 然而, 通过物理信道测量发现, 在实际通信系统中, 宽带信道抽头分布通常表现出稀疏特性. 通过充分利用信道的稀疏特性, 该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计. 在达到与传统的信道估计方法相同性能的前提下, 基于CoSaMP的信道估计方法以非常小的计算复杂度为代价, 大大减少了导频信号开销, 从而提高了频谱资源利用率.     

稀疏水声OFDM系统迭代LS自适应信道估计

为了消除水声OFDM系统中噪声对稀疏多径信道估计的影响,提出了基于阈值探测的迭代最小二乘自适应信道估计方法.该方法根据最小方差准则引入加权因子对误差平方进行加权求和,由此导出一个迭代方程进行自适应信道估计.该迭代方程具有计算复杂度低的优点,不会带来大的矩阵运算.在该方法基础上,提出基于阈值探测的稀疏信道估计方法,探测最...     

水声稀疏信道估计与大范围白适应平滑预测研究

研究了对水声稀疏信道的估计与预测．基于水声稀疏信道模型提出了信道重要权系数检测迭代估计算法来对信道的时域冲激响应进行估计,该算法无需预先知道信道多径数,同时可有效利用预估的信道多径数下限减少计算量;基于线性自回归模型提出了大范围自适应平滑预测算法来对水声信道进行预测,无需估计复杂的水声信道二阶统计特性,通过降低信道采样速率和局部平滑以进一步降低预测误差．文中算法比最小二乘（LeastSquares,LS）算法和匹配追踪（MatchingPursuit,MP）算法性能更为优越;当通信距离较短时,信道预测误差在10^2内．本文算法能够对水声稀疏信道进行有效估计和预测,可为水声通信中的自适应技术提供依据．     

基于叠加训练序列的稀疏信道参数估计

针对稀疏多径的频率选择性块传输信道,提出了基于叠加训练序列的新信道估计方法,在不占用额外信号带宽的情况下估计信道参数.利用叠加训练序列得到时域信道冲激响应的LS解,根据广义Akaike信息论准则得到信道的长度和具体多径的时延值,然后将时域信道冲激响应中非多径点的值置零,降低加性白噪声对信道估计的影响,提高信道估计的精度.通过仿真,在稀疏多径信道的条件下,与纯粹的叠加训练序列的信道估计方法相比,该方法较大程度地降低信道的估计误差,提高系统性能.     

一种低复杂度LMMSE信道估计算法

针对传统线性最小均方误差(LMMSE)信道估计器矩阵求逆运算复杂度大的问题,提出了一种以相关带宽为准则提取信道自相关矩阵主要信息的子阵分块算法.根据信道相关带宽所计算的分块尺度将信道自相关矩阵分割为若干子块,包括非重叠分块法和重叠分块法.运算求逆过程中仅利用表征信道主要信息量的低频对角子阵,而忽略其他表征信道高频信息的子阵,可有效降低LMMSE算法中大的自相关信道矩阵求逆运算所带来的复杂度.该算法在频率选择性慢衰落信道下,与LMMSE和低秩估计算法进行了相关性能及运算复杂度对比分析,结果表明,该算法能以较微弱的性能代价换取系统复杂度的明显降低.     

基于高斯消息传递的频域EM信道估计算法

基于turbo迭代原理和高斯消息传递EM算法,对单载波传输系统进行联合信道估计与均衡。利用高斯消息传递的观点在因素图中对期望最大化进行描述,分析并提出合理的简化算法,避免了复杂矩阵求逆运算,之后借助于快速傅里叶变换,使得算法只有对数复杂度。仿真结果表明,在时变多径信道下,所提算法在获得较好的性能同时,显著降低了计算复杂度。     

一种快变信道下OFDM系统的Kalman信道估计算法

针对频率选择性快速时变信道的多径干扰和较大的多普勒频谱扩展,提出了一种改进的Kalman滤波算法。用于正交频分复用（OFDM）系统信道估计．该算法采用复杂度大大降低的低维Kalman滤波来跟踪快速时变信道,迭代联合信道估计与检测算法来获得测量矩阵,并对滤波结果利用一种新的简单的最小均方误差（MMSE）估计器进行优化。有效地降低了传统基于Kalman滤波算法的复杂度．仿真结果表明,该方法能够跟踪信道的快速变化,具有良好的估计性能．     

基于循环正交序列和广义AIC的信道估计

设计了一种适合多入多出单载波频域均衡(MIMO-SCFDE)系统的循环正交训练序列,并提出相应的时域信道估计算法．利用训练序列理想的自相关性与互相关性,不仅能够抑制天线间的干扰,而且可以有效降低噪声的方差．在得到时域信道估计的基础上,通过广义Akaike信息准则(GAIC)进一步确定各多径时延值并保留有效子径,从而提高了信道估计的精度．稀疏MIMO信道环境下的仿真结果表明,基于循环正交序列和GAIC的算法能够有效地减少噪声对信道估计的影响,显著降低了信道估计的均方误差．     

一种改进的上行信道估计算法

为了提高长期演进(Long Term Evolution,LTE)系统上行信道估计的准确性,同时适当的降低信道估计算法的复杂度,针对上行物理共享信道(Physical Uplink Shared Channel,PUSCH),对基于离散傅里叶变换(Discrete Fourier Transform,DFT)的内插滤波信道估计算法进行改进,采用递归最小二乘法(Recursive LeastSquares,RLS)代替原有的内插滤波。根据Matlab仿真结果,提出的新算法在提高信道估计准确度和降低算法复杂度上可以得到有效的均衡。     

基于广义AIC和RPC的OFDM航空信道估计算法

文章通过对航空信道的分析,指出其稀疏信道特征,使用普通算法对此信道进行信道估计会引入高阶矩阵运算,为加快收敛速度、降低实现难度,文中提出了一种利用GAIC(generalized Akaike information criterion)准则和RPC(repeated phase-rotated Chu)训练序列的OFDM航空信道LS(1east squares)估计方法,该方法利用GAIC准则确定信道模型的阶次及抽头位置,为减小信道估计的运算复杂度,引入RPC序列作为训练序列,既满足了LS(least squares)估计,又大大简化了计算复杂度.文章针对具体应用给出文中算法的性能仿真结果,证明了此算法可避免高阶矩阵运算,节约了大量权值可忽略抽头所引入的资源占用和计算量,且显著减小估计误差,可更好跟踪快变的稀疏信道.     

一种用于实际OFDM系统的RLS自适应信道估计算法

对OFDM信道估计中的信道冲激响应(CIR)泄漏问题进行了分析,提出了一种新的时域一维递归最小二乘(RLS)自适应信道估计算法。RLS滤波器的输入和参考信号被一个独立于信道统计特性的矩阵加权,降低了CIR泄漏的影响。该算法保持了一维RLS算法低复杂度的特点,运算量远小于二维RLS算法。仿真结果证明,在非整数采样多径衰落信道下该算法极大提高了一维RLS信道估计的MSE性能,使其逼近于二维RLS算法。     

采用压缩感知的贝叶斯信道估计算法

高阶多输入多输出系统能有效提高能量效率和传输可靠性,但由于天线数量巨大,信道参数估计任务艰巨．虽然支持不可知的贝叶斯匹配追踪算法估计准确,但复杂度过高．为了解决这个问题,提出了一种期望修剪匹配追踪算法．在信道每一个稀疏度下,把与当前残差信号内积较大原子(测量矩阵列矢量)的所在位置添加到支撑集中,组成扩大支撑集;然后对扩大支撑集进行筛选,剔除可能选错的位置,并确定最佳支撑集;计算各个稀疏度最佳支撑集对应信道的估计值和相对发生概率,由此计算信道的数学期望,并作为最终的信道估计值．仿真结果表明,文中算法与支持不可知的贝叶斯匹配追踪算法相比,具有更低复杂度的期望修剪匹配追踪算法能保证信道估计精度和系统误比特率性能．     

OFDM系统中基于导频的二维信道估计

正交频分复用(OFDM)是一种多载波调制技术,它能有效地克服多径干扰和码间串扰,是第四代移动通信的核心技术。作者首先简要介绍了OFDM的基本原理,重点研究了二维维纳滤波信道估计算法,考虑到算法复杂度和性能之间的折衷,进一步研究了2×1-D维纳滤波信道估计算法。仿真结果显示:2×1-D维纳滤波算法能够在保持良好性能情况下有效降低算法的复杂度。     

OFDM时域信道估计的MMSE简化算法

鉴于传统MMSE信道估计器性能与实现复杂度的矛盾，提出了一种简化的易于实现的时域MMSE信道估计器，并对其性能进行了仿真。结果表明，该算法有较好的性能，且算法复杂度较低。在系统的实现中有较好的参考价值。     

一种改进的LMS自适应低压电力线通信信道估计方法

在分析了低压电力线信道特性的基础上,对OFDM低压电力线通信中的LMS自适应信道估计算法进行了研究。基于低压电力线的多径传输特性和慢时变特性,提出了一种改进算法,该算法利用低压电力线的多径传输特性实现了对LMS算法更新步长的调整。在OFDM低压电力线通信信道下对该算法进行仿真,结果表明该算法对低压电力线信道具有更好的估计性能。     

MIMO OFDM系统时域信道估计新方法

提出一种多输入多输出-正交频分复用（MIMO—OFDM）系统的时域信道估计新方法。设计了一种具有最佳自相关性的实训练序列,并利用训练序列的自相关性获得信道的时域冲激响应。同时针对时域信道具有一定的稀疏性,通过信道有效路径估计,减少噪声对信道估计结果的影响,提高算法估计性能。理论分析和实验仿真结果表明,文章方法在更低的计算复杂度和更高的系统传输效率下,具有更高的估计性能。     

一种新的压缩信道估计凸优化基失配补偿算法

针对压缩信道估计基失配问题进行研究,基失配本质是无线信道多径时延并不是分布在预先划分好的离散网格点上,而是呈连续分布,目前的压缩信道估计均是基于离散网格点分布假设建立估计模型,实际物理多径时延相对于离散网格点的偏差会带来信道估计性能的下降。针对该问题,提出了一种新的迭代凸优化信道估计算法,该算法交替迭代求解稀疏信道向量和基失配向量,并且每一步迭代过程均为凸优化问题。仿真分析结果表明算法在保证收敛性的同时,取得相比于比较算法更好的性能。     

两种水声信道模型中信噪比估计算法

文章研究了水声信道模型和深海垂直信道的信噪比估计的理论和算法,提出了浅海多径信道模型下的信噪比估计算法.利用接收信号对两种水声信道模型下常用数字调制信号和水声跳频信号的信噪比进行估计,用湖测信道对算法进行了仿真.仿真结果表明在实际信噪比为-10～10 dB时,两种信噪比估计算法的结果均良好,估计的均值和实际信噪比的误差均小于1 dB,算法适应性强,性能稳定.浅海多径信道中算法的估计性能不受多径数目的影响,其估计结果略差于深海垂直信道中的估计结果.     

基于压缩采样匹配追踪的稀疏度和稀疏信道联合估计

原始的压缩采样匹配追踪算法依赖于已知稀疏度,因此本文研究了一种稀疏度和稀疏信道联合估计算法。首先提出了一种新的稀疏向量的替代,能够在有限长度的训练序列下,达到较好的稀疏度和信道估计效果。然后通过对稀疏信道估计中的噪声分量的分析,提出了一种稀疏度估计算法,结合信道估计最终给出了一种稀疏度和稀疏信道联合估计算法。仿真结果表明：新的稀疏向量的替代在稀疏度和信道估计方面都有明显的优势,并且提出的稀疏度和稀疏信道联合估计算法在性能上好于mCoSaMP算法。