OFDM-UWB系统的自适应联合信道估计算法

提出了一种新的MB-OFDM-UWB自适应联合信道估计算法,该算法首先对基于DFT的信道估计算法进行改进,使其能自适应的调整滤波窗口的大小。然后利用改进后的算法与梳状导频估计相结合。算法的优点在于能根据不同的信道的统计特征,自适应调整滤波器窗口的大小,从而减少了噪声对信道估计的影响,并保留了梳状导频估计能快速跟踪信道变化的特性。仿真结果表明,该算法能很好地适用于UWB室内信道。     

改进型RLS算法用于信道估值与信道均衡的比较

文对用于信道估值和信道均衡的几种改进型RLS算法进行了比较,理论分析和计算机仿真结果说明信道估值的最优解可以模拟出信道的传输函数,噪声仅对自适应滤波算法的收敛过程产生影响,而信道均衡的最优解受噪声功率谱密度的限制。因此性能良好的信道估值算法可以用于信道均衡中,以改善自适应均衡的性能。     

多天线OFDM系统中的自适应子信道分配和天线选择

针对多用户MIMO-OFDM系统,提出自适应子信道分配算法.首先将相邻的子载波分块成若干子信道,在分配子信道的时候优先考虑平均信道容量小的用户,并且将相对利用度大的子信道分配给该用户,从而在频谱利用率和公平性上具有较好的性能.为了降低发送端的硬件复杂度以及非线性因素的影响,将自适应信道分配和发送天线选择相结合,提出联合自适应子信道分配和天线选择算法.仿真结果表明,本文提出的联合算法具有较高的频谱效率和较低的中断概率.     

一种改进的多用户自适应调制信道均衡算法

在多用户自适应调制系统中,由于多用户复用调制星座,各用户之间形成很强的共道干扰,在此情况下使用传统的信道均衡算法将使系统性能恶化。本文提出一种改进的信道均衡算法,该算法的核心是在信道均衡时自适应地采用多用户联合检测,从而提高信道均衡的准确性。仿真结果表明,新算法较传统算法具有大约1dB的增益。     

一种改进的自适应信道估计器

本文提出采用短周期M序列相关算法训练信道估计器,它具有收敛快、精度高、算法简单且与LMS算法相近的优点。训练阶段的相关算法与工作阶段的LMS算法可结合在同一个横向滤波器结构中,从而加速了自适应信道估计器的收敛过程。计算机模拟表明,经四倍的信道响应时间迭代运算后,信道冲激响应样值的估计误差小于0.01。这种自适应信道估计器简单而实用。     

适用于IEEE 802.11a/g的联合信道估计和均衡算法

基于IEEE 802.11a/g协议,提出了一种联合信道估计和均衡的算法,该算法采用自适应信道估计方式在低信噪比情况下实现精确的信道估计,并且具有较低的设计复杂度。信道均衡采用频域内MMSE(FD-MMSE)均衡方式,与自适应信道估计配合在系统性能和计算复杂度方面取得较好折中。仿真表明该算法结构性能满足IEEE 802.11a/g协议规定,与同类算法相比在低信噪比区域提高系统性能的前提下算法的计算复杂度也有所降低。     

基于多用户MIMO-OFDM系统的子信道和功率分配算法

在多用户MIMO-OFDM系统中，当总功率受限时，为了使整个系统的数据传输速率最大．已有的最优算法的计算十分复杂，这里采用了一种次最优算法。在发射端，基于已知信道状态信息。应用奇异值分解将MIMO信道转化为并行的子信道，并将表征信道增益的信道特征值用于子信道自适应调制优化设计中。在自适应过程中．用到了子信道和功率联合分配算法。仿真结果表明，这种算法能使系统的性能明显提高。     

OFDM系统信道估计和自适应分配算法的研究

在多径衰落的信道中,用固定调制方式的分配技术可能会造成OFDM系统资源浪费,考虑如何将自适应分配技术与OFDM相结合成为提高移动通信性能的关键技术。本文中提出一种基于动态信噪比SNR切换门限的自适应算法,该算法在保证通信质量所需BER的前提下,结合OFDM和PSK/QAM调制方式的优势,按照各个子信道的状态分配比特信息量和功率大小,使所需要的发射功率达到最优化。本算法能提高OFDM的频谱利用率,也能使系统获得更优的性能。     

基于OFDM低压电力线通信的信道估计算法研究

根据工作实验的分析,对低压电力线通信信道模型和信道特性进行了详尽的阐述,对当前应用广泛的几种低压电力线通信信道模型进行了介绍,详细分析了几种基于OFDM低压电力线通信的信道估计算法。同时对多种算法实施比较,分析总结出各自的优缺点,最终得出一种不仅运算量小,而且对信道的利用率很高、实现十分容易的算法。即:基于慢时变信道特性的LMS自适应信道估计算法在信道突变衰减中具有非常高的稳定度特性,非常适合在低压电力线信道中应用。     

一种基于信道缩短的深衰落稀疏均衡改进算法

针对较低信噪比下的深衰落稀疏多径信道,提出了一种基于信道缩短的自适应稀疏均衡改进算法。该算法采用前置分数间隔信道缩短均衡器与后置自适应稀疏均衡器级联的均衡器结构,其中,首先利用短训练序列设计基于最小均方误差准则的前置均衡器,前置均衡器与稀疏多径信道级联后得到能量集中于较短时间区域且分布稀疏的等效信道,使得原始信道的深衰落畸变得到部分有效补偿;然后采用能实现稀疏信号重构的随机梯度追踪算法调整后置自适应均衡器的抽头系数,后置均衡器用于消除等效信道的剩余符号间干扰。仿真结果表明,与传统的单级分数间隔自适应均衡器相比,该算法具有收敛速度快和运算复杂度低的优点。     

基于模糊规则的低轨卫星信道自适应估计算法

低轨卫星通信功率控制需要有对信道增益及时的估计,而由于低轨系统链路增益的时变特性使传统的信道估计方法性能受到限制.基于模糊滤波理论,提出一种在功率控制中使用的自适应LMS信道估计算法,根据分析模型和经验数据建立信道增益及其滑动均值大小的模糊集,利用LMS算法调整模糊隶属函数的参数,使算法具有对信道时变特性一定的适应性.仿真结果表明了算法的有效性.     

自适应通道均衡在MUSIC空间谱及分辨率中的应用

高分辨率参数估计算法MUSIC对系统误差比较敏感。文中分析了接收阵元间通道失配对MUSIC空间谱的影响。计算机仿真表明自适应通道均衡可以极大地提高MUSIC空间谱峰值及目标分辨力     

Complex fuzzy adaptive filter with LMS algorithm

A fuzzy adaptive filter is constructed from a set of fuzzy IF-THEN rules that change adaptively to minimize some criterion function as new information becomes available. This paper generalizes the fuzzy adaptive filter based on least mean squares (LMS) to include complex parameters and complex signals. The fuzzy filter as adaptive equalizer is applied to quadrature amplitude modulation (QAM) digital communication with linear complex channel characteristics     

A fuzzy PIC multiuser detection/vector channel estimation scheme in Rayleigh fading channels

We propose a fuzzy parallel interference cancellation (PIC) multiuser detection/vector channel estimation (VCE) scheme in Rayleigh fading channels. The VCE is based on a first‐order auto‐regressive model and an expectation‐maximization algorithm. The signal‐to‐interference ratio and signal‐to‐noise ratio are estimated from the vector channel model's parameters, and we adapt the weight of each interference cancellation path via fuzzy inference mechanism. The proposed fuzzy PIC and VCE cooperate in a way such that some of the fuzzy PIC input parameters come from the channel predictor and the fuzzy PIC makes the channel predictor be more accurate at the next PIC stage. Computing weights via fuzzy adaptive method adds insignificant complexity because it involves only table lookup. The simulation results show that the proposed fuzzy PIC/VCE scheme performs better than the improved PIC/vector channel estimation scheme with optimal parameter in fast‐varying Rayleigh fading channels. Copyright © 2007 John Wiley & Sons, Ltd.     

一种适用于稀疏多径信道的自适应均衡算法

针对传统的自适应均衡算法在稀疏多径信道下性能表现不佳的问题,提出了一种基于基追踪降噪的自适应均衡算法。该算法利用稀疏多径信道下均衡器权值的稀疏性,将自适应均衡器的训练过程看作压缩感知理论中稀疏信号对字典的加权求和,并利用重构算法直接对稀疏权值进行求解,解决了迭代参数设置和收敛慢的问题。采用基追踪降噪作为重构算法并选用变量分离近似稀疏重构对该最优化问题进行求解,既提高了权值的重构精度又降低了计算的复杂度。仿真结果表明,所提算法能够以较低的计算量和较少的训练序列达到更优性能,这对提升系统的通信性能具有参考价值。     

CDMA蜂窝系统中基于模糊神经网络的反向链路功率控制

CDMA是一个干扰受限系统,反向链路功率控制对于克服“远近效应”和增加系统容量是非常重要的.本文提出了一种基于模糊神经网络(FNN)的自适应闭环功率控制算法,该算法动态地调整功率控制增量,使基站接收到的每个用户的发射功率相等.仿真结果表明,由于模糊神经网络能够较好地识别反向链路的时变特性,FNN功率控制算法比传统的固定步长功率控制方法取得了更好的控制性能和更大的系统容量.而且,FNN能够通过神经网络训练自动地调整隶属度函数和模糊规则,从而适合于实现在线系统识别和自适应控制.     

一种基于FPGA的散射信道探测方法

分析了传统散射信道设备的特点,提出了一种极具吸引力的散射信道新体制,即发射自适应技术。从其原理出发分析了散射信道进行信道探测的难点及对探测信号的检测要求,并给出了具体的探测信号产生原理框图和信道探测的实现框图。通过使用Altera公司提供的FFTMegaCoreIP核,实现了信道探测的方案。FFT分析测试结果表明:信道检测性能完全满足系统要求。信道探测的FPGA实现,解决了散射发射自适应体制的关键技术难题。     

采用残差变化控制的自适应稀疏信道估计

针对传统压缩感知信道估计对稀疏度信息依赖和稀疏度自适应信道估计在低信噪比时抗噪能力较差的问题,提出了一种采用残差变化控制的稀疏度自适应的压缩感知信道估计算法。该算法在传统的压缩感知信道估计的基础上引入残差变化控制,通过比较每次迭代下的残差变化的幅度来控制信道估计的迭代次数,提高信道估计的自适应性和鲁棒性。同时,为解决传统稀疏度自适应压缩感知信道估计抗噪能力较差的问题,利用正交匹配追踪提高算法的抗噪声性能。相比于传统的稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit, SAMP)算法,所提算法约有4 dB的性能优势,且算法复杂度更低。     

Channel estimation and long-range prediction of fast fading channels for adaptive OFDM system

This correspondence presents the channel estimation and long-range prediction technique for adaptive-orthogonal-frequency-division-multiplexing (AOFDM) system. The efficient channel loading is accomplished by feeding the accurately predicted channel-state-information (CSI) back to transmitter. The frequency-selective wireless fading channel is modelled as a tapped-delay-line-filter governed by a first-order autoregressive (AR1) process; and an adaptive channel estimator based on the generalised-variable-step-size least-mean-square (GVSS-LMS) algorithm tracks AR1 correlation coefficient. To compensate for the signal fading due to channel state variations, a modified-Kalman-filter (MKF)-based channel estimator is utilised. In addition, channel tracking is also performed for predicting future CSI at receiver, based on the numeric-variable-forgetting-factor recursive-least-squares (NVFF-RLS) algorithm. Subsequently, adaptive bit allocation for AOFDM system is employed by using predicted CSI at transmitter. Here, the proposed combination of GVSS-LMS and MKF algorithms for robust channel estimation and the NVFF-RLS algorithm for efficient channel prediction is incorporated. The performance validation of presented method is carried out by using different channel realisations through simulation, and also by comparing it with fixed step-size LMS, MKF and fixed forgetting-factor RLS algorithm based conventional techniques. Eventually, the reliable performance of underlying AOFDM system can be achieved in terms of the lower mean squared estimation/prediction errors and alleviated symbol error rate.