基于子空间信道矩阵迭代的阶数估计算法

针对二阶统计量信道盲辨识算法中有效阶数估计问题,该文提出了一种基于子空间信道矩阵迭代的阶数估计(SS-CMR)算法.基于过估计条件下的Q矩阵特殊结构和其解空间向量可等价为真实信道冲激响应与公共零点信道的卷积,该算法首先利用子空间算法获得估计的信道矩阵,然后构建迭代形式的代价函数进行阶数估计.仿真表明,SS-CMR算法较CMR算法性能提升,且明显优于现有其他阶数估计算法;解析分析表明算法复杂度较CMR算法明显降低,对首尾系数很小的信道的阶数估计尤为有效.     

基于噪声子空间跟踪的OFDM盲信道估计

基于子空间分解的OFDM信道估计算法利用信号子空间和噪声子空间的正交性可以对信道参数进行盲估计,但是子空间分解的运算量大,使盲信道估计算法的实用化受到限制。本文在噪声子空间自适应跟踪的基础上进行OFDM盲信道估计,显著降低了运算量。仿真结果表明,在适当选择学习因子后可以实现对噪声子空间的快速跟踪,在噪声子空间跟踪的基础上得到的信道估计性能接近于子空间分解法。     

采用奇异值分解方法的半盲信道辨识算法

针对全盲信道辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题,提出一种半盲信道辨识算法。通过奇异值分解将信道矩阵分解为同维矩阵与酉矩阵乘积的形式,分别利用接收数据和已知符号求解同维矩阵与酉矩阵,最终得到信道矩阵的闭式解。该算法有效地克服了全盲信道辨识算法的诸多局限性,避免了传统半盲方法面临的最优加权选择问题,性能稳定,且对信道噪声与信道阶数都具有较强的鲁棒性。仿真实验验证了所提算法的有效性与优越性。     

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LPA的SIMO-OFDM系统盲信道估计

OFDM系统中的盲信道估计对能否正确恢复信号起决定性作用,现有的算法存在计算复杂度高、精度低的缺点.本文提出将传统的盲信道辨识算法,即线性预报法应用于SIMOOFDM系统中.该算法利用二阶统计量信息,其计算复杂度明显降低,本算法对信道阶数的估计更具有鲁棒性,可获得较高的估计精度.仿真表明,本文算法的性能优于子空间算法.     

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。      

一种新颖的抗阶数过估计的增强子空间盲辨识算法

研究了子空间盲辨识算法在信道阶数过估计时失效的问题,提出一种新的鲁棒性强的增强算法。首先针对过估计模型,提出了"加权矩阵定理",理论证明通过构造一个加权矩阵来修正子空间算法,可消除阶数过估计的影响;然后,给出一种用指数序列构造近似的加权矩阵的增强算法。与子空间盲辨识算法相比,增强算法复杂度相当,对阶数过估计鲁棒性强。仿真实验验证了该算法的有效性。     

MIMO-OFDM系统中的子空间半盲信道估计

本文主要讨论了MIMO-OFDM系统中的一种半盲信道估计算法.该算法基于子空间分解技术,利用信号子空间和噪声子空间的正交性将两者分离.针对盲信道估计存在计算量大及收敛速度慢等缺点,本文充分利用少量的导频,给出了一种基于子空间跟踪技术的半盲MIMO-OFDM信道估计算法.仿真结果表明,该算法在保持盲信道估计算法性能的基础上,明显加快了收敛速度、降低了计算量.     

具有周期调制和循环前缀的块传输系统中MIMO信道的盲辨识

在块传输系统中,可通过添加块前缀来辅助信道识别。一种针对具有循环前缀和周期调制的块传输系统的盲辨识方法,利用了信道矩阵的块循环特性来求解信道系数。该文将该算法推广到了多用户系统,并给出了算法的辨识条件。同样是基于二阶统计量的方法,新算法克服了基于子空间分解类算法对噪声,对信道阶数误估计,对信道零点位置敏感的缺点。文中仿真证明了在较低信噪比条件下,利用新算法仍可对多输入多输出信道进行较好的估计。     

OFDM系统基于矩阵开方的盲信道估计

该文提出一种基于矩阵开方(computing Roots of Matrices, RM)的盲信道估计算法和一种自适应矩阵开方(Adaptive computing Roots of Matrices, ARM)盲信道估计算法。RM算法利用信息符号的有限字符集特性,在时域上通过对一个Toeplitz下三角矩阵开方进行信道解卷积,得到信道估计的闭合解。该运算复杂度远低于现有的盲信道估计搜索算法,并且适用于信道阶数较大、搜索算法不能处理的情况。仿真结果表明RM信道估计性能接近于搜索算法的最佳性能,而ARM通过最陡下降迭代将代价函数最小化,可以进一步提高信道估计的准确性。     

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。     

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。     

OFDM中基于有限字符集特性的半盲信道估计

由于基于有限字符集特性的盲估计方法最短距离(MD)计算量大、收敛速度慢、消耗时间长,而修正后的MMD方法,计算量下降的同时精度也降低了很多,提出了一种基于有限字符集特性的半盲估计方法。该方法通过导频结合有限字符集特性,利用最小距离准则快速辨识出所有子载波上频率响应的相位。仿真结果表明,该算法的信道估计性能优于修改后的最小距离(MMD)算法,与MD相等,而计算复杂度大大低于MD和MMD算法。     

Blind equalization of dispersive fast fading Ricean channels via the EMV algorithm

A blind maximum likelihood equalization method is proposed for frequency selective fast fading Ricean channels. This method employs the expectation-maximization Viterbi algorithm (EMVA) developed in for blind channel estimation and signal detection. Since the Viterbi algorithm (VA) is used to execute the E-phase of an expectation-maximization (EM) iteration, it requires that the observed sequence can be modelled as a finite-state hidden Markov process. We develop a hidden Markov model for frequency selective fast fading Ricean channels, so that the observed process can be viewed as the noisy output of a finite state machine (FSM), to which the VA is applicable. The EMVA is then employed to obtain a blind maximum likelihood estimate of the specular part of the channel and, for one special case, of a noise parameter measuring the total power of the additive and multiplicative channel noise components. Simulation results are presented which show that the EMVA achieves an accurate estimate of the channel specular part and has an error rate performance close to that of the maximum likelihood detector based on true parameters for the given FSM model.     

准正交空时分组码系统的一种盲信道估计方法

空时分组码(STBC)系统的经典信道盲估计方法,如子空间法(SS)等,都是基于接收端样本自相关矩阵的特征值分解(EVD)或奇异值分解(SVD)来实现信道估计的,而基于QR分解的信道盲估计方法是一种性能优良的新算法.文中将该算法应用到准正交空时分组码系统的信道估计中,结合准正交空时分组码的特性提出了一种新的信道盲估计算法.与以上经典的信道盲估计算法相比,文中提出的算法的计算量大为降低.同时Monte-Carlo仿真表明,当信噪比较低时,该算法比子空间法有更好的性能.     

Blind matched filter receiver

Matched filter receiver (MFR) of Forney in the presence of intersymbol interference (ISI) and additive white Gaussian noise is investigated from a blind perspective, which includes blind maximum likelihood sequence detection, blind decision feedback equalization and linear blind equalization. Various realizations of the blind MFR are discussed. In a blind MFR, the channel can be easily estimated using a simple algorithm such as the constant-modulus algorithm (CMA). In this sense, the CMA can be used to estimate the channel directly without complicated matrix decomposition techniques. Zero forcing and minimum mean-square estimation based designs of the blind MFR are explored. Channel estimation using the CMA deteriorates in the presence of noise. A new method to tackle this problem is developed and shown to have satisfactory behavior in low signal-to-noise ratios. Tracking performance of the blind MFR is found to be acceptable in representative Rayleigh fading channels of mobile communication.     

Recursive total least squares algorithm for single-user blindchannel equalisation

The problem of blind channel identification/equalisation using second-order statistics or equivalent deterministic properties of the oversampled channel output has attracted considerable attention. Deterministic blind subspace algorithms are particularly attractive because of their finite sample convergence property and because their solution can be obtained in closed form. Most subspace algorithms developed up until now, however, are based on block processing and have high computational and memory requirements. In the paper, adaptive techniques are used to lower the computational burden. A single-user direct symbol estimation algorithm is presented. The first step in the algorithm consists of an adaptive matrix singular value decomposition for a (virtual) channel identification-type operation. A recursive total least squares algorithm is then used to recover the input symbols. The algorithm is able to track time-varying channels     

Nonminimum-phase FIR channel estimation using cumulant matrix pencils

This paper studies the blind estimation of single-input-single-output channels with finite impulse response (FIR) and nonminimum phase. Based on higher order statistics, we introduce a new algorithm that exploits a matrix pencil constructed from a set of cumulant matrices. By solving a generalized eigenvalue problem, channel estimates (up to a scalar ambiguity) can be obtained from nontrivial generalized eigenvectors of this cumulant matrix pencil. With multiple estimation results available, different schemes are given to extract channel information effectively. The proposed algorithm does not require exact knowledge of the channel length and can function properly under channel length overestimation. Numerical simulations demonstrate the robustness of this new algorithm to various adverse conditions.