认知无线电中OFDM信号信噪比盲估计

针对认知正交频分复用(OFDM,orthogonal frequency division multiplexing)系统中低信噪比多径信道下传统的OFDM信号信噪比盲估计算法的估计性能差,计算复杂度高的问题,提出一种新的OFDM信号信噪比盲估计方法,该方法首先利用自相关函数的特性粗略估计出信道阶数,确定循环前缀部分中不受符号间干扰的数据区间,然后根据选定区间的数据的自相关函数值估计接收信号的信号功率,最后利用循环前缀数据为部分有用数据的复制这一特性估计出噪声功率,从而估计出接收信号的信噪比。仿真实验结果表明,提出的方法无需任何先验信息,在低信噪比多径信道下具有良好的估计性能,且计算复杂度低,更适合于认知OFDM系统。     

基于信号子空间的改进OFDM系统信道半盲估计

本文改进了一种基于信号子空间的OFDM系统半盲信道估计算法.该算法利用基于梯度变化的变遗忘因子递归最小二乘算法(GVFF-RLS)计算接收信号的自相关矩阵.通过同时对角化接收信号中的信息信号和噪声信号的全局协方差矩阵,推导出噪声信号子空间,无需对噪声信号的统计特性进行任何先验假定.本算法弥补了原始算法在慢衰落信道下收敛慢以及只限于加性白噪声的不足,实现了色噪声背景下高效半盲信道估计.仿真结果表明本文提出的算法具有良好的性能.     

一种基于特征值极限分布理论的盲多天线频谱感知算法

当信道空闲时接收信号取样协方差矩阵的特征值在数值上均近似等于噪声方差,而主用户信号的出现则改变了这些特征值的大小。基于这一事实,论文提出一种基于取样协方差矩阵特征值的频谱感知算法。该算法以取样协方差矩阵的最大特征值与其他特征值的和之比作为感知判决量。基于大维随机矩阵理论的特征值极限分布理论,分析了算法的理论虚警性能,在此基础上提出了理论判决门限的计算方法。新算法在感知判决过程中无需事先知道噪声方差、主用户信号和信道增益等先验信息。因而,新算法属于一种全盲多天线频谱感知算法,具有广泛的适用范围。进一步的数值仿真结果验证了新方法的有效性。     

低信噪比下非凸化压缩感知超宽带信道估计方法

受感知信息算子矩阵相干性和噪声的影响,压缩感知超宽带(UWB)信道估计误差过大.为此,首先提出利用压缩观测信号加权构造自适应感知信息(ASI)算子矩阵的方法,ASI算子矩阵不仅具有弱相干性,而且包含观测信息,适用于重建算法选择最优稀疏表示原子.其次提出修正稀疏度自适应匹配追踪(SAMP)算法,无需稀疏度或信噪比的先验信息实现压缩感知稀疏信号准确重建.最后基于ASI算子矩阵和修正SAMP算法提出非凸化压缩感知UWB信道估计方法,理论分析和仿真结果均表明该方法能在低信噪比和极低压缩比下实现UWB信道的准确估计.     

一种改进的稀疏多径信道盲辨识算法

针对无线多径稀疏信道,利用信道有效近似思想,提出了一种改进的基于矩阵外积分解的信道盲辨识与盲均衡算法。算法首先利用改进的VIA信道阶数估计准则,对多径稀疏信道“有效部分”的阶数进行精确估计,然后利用改进的矩阵外积分解算法估计出信道冲激响应的“有效部分”,最后利用该估计结果对接收数据进行反卷积运算,恢复出发送信号。为了降低噪声以及信道冲激响应中的“零抽头”部分对信道盲辨识性能的影响,本算法对噪声方差估计方法进行了改进,提高了算法在中、低信噪比条件下的盲辨识性能。与现有算法相比,本算法不仅降低了对信噪比的要求,而且克服了基于LC准则的子空间算法(SSA, Subspace Algorithm)的相位偏转问题,其中噪声方差的估计方法也可应用于信噪比估计技术。仿真实验以及对SPIB微波信道测试结果验证了本文算法的有效性。      

修正的MIMO-FSO信道自适应SVD估计算法

针对多入多出(MIMO)无线光通信(FSO)中传统的奇异值分解(SVD)信道估计算法由于训练序列的单极性容易导致信号能量损失,从而引起信道估计值不准确的问题,提出了一种修正的自适应SVD估计算法。该修正算法能对SVD算法中存在的估计误差进行补偿,从而能使该估计方法更好地应用于MIMO-FSO系统中。仿真结果表明,与SVD算法相比,在信噪比为15dB时,修正的算法有2个数量级的均方误差(MSE)性能提高,在信噪比为30dB时,MSE性能有3个数量级的提高。与相同条件下的均值修正SVD算法相比,平均有1dB左右的性能改善。该修正方法可移植性强,在其他信道估计方法中也可采用类似的改进方法。     

Rayleigh衰落信道下天线阵MC-DS-CDMA系统的 空频盲自适应接收算法

讨论了天线阵多载波直接序列码分多址(MC-DS-CDMA)系统的信号接收.提出了一种基于最大信噪比准则的空频盲自适应算法(SFBA),对其性能进行了分析.该算法无需信道先验信息和训练序列,而是利用CDMA信号自身的结构特点实现频域和空域的联合接收,有效抑制干扰和噪声,提高信噪比,实现最佳接收.在AWGN和Rayleigh衰落信道下的仿真结果表明,该算法简单有效,且具有抗远近效应的能力.     

认知无线电中基于SVD分解的频谱感知新算法

为了解决认知无线电中能量检测法在低信噪比下检测概率低的问题,本文提出了一种基于SVD分解的频谱感知算法。首先利用接收信号构造Hankel矩阵,通过SVD分解,将矩阵分离成信号空间与噪声空间,再将较小的奇异值置零,然后重构矩阵,从而提高接收信号的信噪比（SNR）。其次,将SVD系统输出信号功率对噪声功率进行归一化,把降低噪声功率转化成提高主用户信号功率。最后进行能量检测,以此来提高检测概率。理论分析和计算机仿真表明,在相同条件下,基于SVD分解的频谱感知算法与传统的能量检测法相比,检测概率显著提高;要达到相同的检测概率,对信噪比的要求也显著降低。      

多进制相移键控信号信噪比估计方法

信噪比(SNR)估计是信道估计的重要组成部分,很多先进通信系统和信号处理方法都将信噪比作为先验信息,因此对信噪比估计方法的研究尤为重要。基于多进制相移键控(MPSK)信号模型,对最大似然类、矩估计类和空间分解类算法进行了性能分析和仿真。在一定条件下,上述算法的估计偏差在[0,20] dB区间内均小于1 dB,其中最大似然类算法估计精确度最高,但易受解调误码率影响;矩估计类算法在低信噪比时性能较好,高信噪比时易受算法自噪声影响;空间分解类算法适应性最强,但实时性较差。通过对上述算法一致性和差异性分析,总结了信噪比估计的研究进展和主要问题,明确了复杂调制信号宽范围信噪比估计和空间分解方法的研究方向,为后续研究提供了解决思路和改进措施。     

AWGN信道中非恒包络信号SNR估计算法

本文提出一种利用信号自相关矩阵的奇异值分解(SVD)对加性高斯白噪声(AWGN)信道下非恒包络信号信噪比的盲估计算法,并作了详细理论分析.通过对该算法进行计算仿真,结果表明:该算法性能稳定,对MPSK、MQAM信号在实际信噪比为1~20dB时,估计误差小于0.5dB.     

一种单自旋回波串信号参数估计方法

针对存在加性高斯白噪声多参数变量的单自旋回波串信号参数估计问题,提出一种参数分离化的2-D参数估计方法.利用2-D数据矩阵秩为1的特性,依照迭代加权最小二乘方法,从左、右主奇异值向量中以参数分离的方式分别估计出衰减因子和频率,基于最小二乘方法进一步获得信号幅度估计.该方法在相对高信噪比和/或大数据样本下可达到克拉美罗下界,且计算复杂度较低.仿真数据结果证明了算法的有效性.     

基于噪声子空间解析形式的快速DOA估计算法

该文针对特殊的信号环境各辐射源信号均值相等且不为零,利用均匀线阵导向矢量的Vandermonde结构,推导出了噪声子空间的解析形式,并以此为基础提出了利用均匀线阵和稀疏平面阵的1维和2维DOA估计快速算法。该算法不需要计算接收数据的协方差矩阵,也不需要任何矩阵分解,因此计算量远小于传统的超分辨DOA估计,而且无论信号之间是否具有相干性,该方法有相同的估计性能。仿真实验表明,在噪声均值为零且快拍数足够的条件下,该方法的估计性能整体上与Root-MUSIC算法相当,而在信噪比较低时性能优于后者。     

基于Hankel矩阵分解的天波超视距雷达机动目标检测算法

机动目标检测是天波超视距雷达的研究重点之一。目前已有的算法在高信噪比条件时对单个机动目标的检测效果较好,但在低信噪比时对多个机动目标的检测性能有待提高。该文提出一种基于Hankel矩阵分解的机动目标检测算法,该算法将机动目标信号构造为Hankel矩阵的形式,通过矩阵分解将信号时频估计转化为线性主成分分析的凸优化问题,从而实现匀速与机动目标的分离以及多个目标的同时估计。仿真结果证明了该算法具有估计精度高,信噪比条件低,可以同时多目标检测等优点。     

无参考信号条件下基于MSWF的DOA估计算法

现有基于多级维纳滤波(MSWF)的子空间法波达方向(DOA)估计算法复杂度较低,但需要先验的参考信号.论文从MSWF求解线性预测问题入手,将基于MSWF的线性预测和子空间两种不同的DOA估计方法结合起来,提出了一种实用的低复杂度DOA估计算法.该算法无需构造专门的参考信号,在低信噪比或信源数估计不准的情况下,算法依然具有较好的稳健性和估计性能.仿真实验验证了本文的结论.     

基于特征向量的多谱线自旋回波串信号参数估计

针对存在加性高斯白噪声多参数变量的多谱线自旋回波串(Spin Echo Train,SET)信号参数估计问题,提出基于特征向量的2-D参数估计方法.将SET信号构造成2-D数据矩阵,按照不同的方式构造Hankel块矩阵束,利用子空间转移不变结构解得特征向量,依据特征向量的结构规律获得衰减因子和频率,基于最小二乘方法进一步获得信号幅度估计.该方法具有自动配对的能力,在相对高信噪比以及频率可分辨的情况下能够实现参数的有效估计,且计算复杂度较低.仿真数据结果证明了算法的有效性.     

基于先验信息的M-APSK信号迭代信噪比估计

该文提出了一种适合多进制振幅移相键控信号信噪比估计的迭代算法。给定先验信息的条件下,由经过平坦衰落的多进制振幅移相键控信号的概率分布出发,对其对数期望求导得到信噪比参数和数据的关系,引入数据可信度更新信噪比参数,从而获得相应的迭代算法。与已有的矩方法相比,该文提出的基于先验信息迭代算法在迭代四次,互信息大于0.4以上时性能优于已有非数据辅助算法,而无先验信息下的五次迭代时中高信噪比下优于矩方法。     

A novel super-resolution beamforming algorithm

A novel simply-structured hybrid smart antenna system suitable to be used in ad-hoc network terminals is proposed in this letter. The super-resolution beamforming algorithm is also presented based on the system using DOA estimation results. The algorithm can switch the bea.mforming to the direction of the expected signal and get the best transmitting performance after the pre-beamforming of the Butler matrix. The shifting value formulas are presented to obtain the best SNR when there is no interfering signal and to acquire the highest Signal to Interference Ratio （SIR） as there is one interfering signal. When there are more than one interfering signals, the pre-bea.mforming feature of the Butler matrix can also suppress the interfering signals. Simulation results verified the algorithm.     

一种高分辨率的最大嫡谱估计算法

经典的基于Yule-Walker等式提了大熵方法－Levinson-Durbin递推算法,忽略了数据的自相关序列估计值代替理论值时的误差,因而降低了算法性能,为了减小该误差的影响,提出了一种新的最大熵算法。该算法在计算过程中利用了一些现有算法的思路,来提高谱估计的性能并减小计算量,计算机模拟结果证明,这种新算法的估计性能远高于Levinson-Durbin算法。与同 样具有高性能的LUD（Lower and Upper triangular matrix Decomposition)算法相比,在低噪比时新算法的分辨率更高,高信噪比时,二者性能则相似。     

MPSK信号载波频率盲估计

该文针对调制自动识别中,MPSK信号调制相制和训练序列未知的情况,提出了一种利用定时同步信号的差分相位有效识别MPSK信号相制M,并精确估计其载波频偏的方法。该算法不仅克服了调制制式不明对频偏估计的不利影响,还通过引入线性相位展开和高阶时延相关,大大提高了大频偏、低信噪比下估计的性能,对调制自动识别中MPSK信号的澄清和参数估计起到关键作用。