一种短波信道自适应均衡算法的研究

基于逐幸存路径处理(PSP)的思想,研究了一种减少状态序列估计(RSSE)的短波信道自适应均衡算法.该算法首先通过训练序列估计信道的参数,然后利用RLS算法对信道参数和输入数据的估计值同时进行逐幸存路径地更新.数值仿真表明,在短波信道环境下,RSSE-PSP算法在减小计算复杂度的同时最大限度地保持了性能增益,其性能明显优于其他均衡算法.     

一种基于RLS自适应滤波跟踪的信道估计方法

对于快时变信道~([1]),基扩展模型(Basic Expansion Model,BEM)能很好地捕捉信道的时变特性,并能有效模拟信道的传输情况,进而常用于信道建模。本文提出了一种基于RLS自适应滤波跟踪的信道估计方法。自适应滤波器本身有一个重要的算法,即递归最小二乘(Recursive least squares,RLS)算法。文章利用RLS自适应滤波算法对BEM基系数g进行跟踪,并将其自适应的调整大小,然后对信道响应进行估计。为验证所提方法的性能,本文对所提算法与LS配合插值算法进行仿真对比。仿真结果表明,所提方法相较LS算法有很好的估计精度。     

脉冲超宽带(UWB)跳时系统的频域信道估计

提出一种基于序列和的最大似然(ML)频域信道估计算法,该算法可适用于对跳时UWB通信系统进行基于训练序列的信道估计和盲信道估计,大大简化了运算的复杂性。在仿真中比较了基于理想信道估计、基于一般的频域信道估计以及基于序列和的ML频域信道估计的性能。结果显示,在频域的估计过程中,对发射信号的频谱设定适当的可信门限后,可以获得与直接进行频域信道估计相似的性能。     

一种新的最小均方误差线性合并算法

针对未编码的多输入多输出系统,将基于训练序列的最小均方误差(MMSE)信道估计算法与最优线性无偏估计结构(BLUE)相结合对已估计的信道参数进行估计.仿真结果表明,使用线性合并的MMSE算法比传统的MMSE算法具有较小的参数估计误差,比使用线性合并的LS算法性能更好.     

时频维纳滤波的LTE信道估计算法

比较了基于参考信号的各种信道估计算法,提出了一种适用于LTE（long term evolution）系统的信道估计算法：首先,基于LMMSE算法在频域进行维纳滤波;其次,再利用频域估计出来的值在时域进行一次维纳滤波。仿真结果表明,该方法能有效地降低信道估计MSE值,并能改善BER性能,同时又不会增加太多的运算复杂度,因而具有较大的实用性。     

伪叠加Zadoff-Chu序列的LTE下行信道估计

分析了正交频分复用系统中基于叠加训练序列的最小二乘和线性最小均方误差信道估计算法,在此基础上针对LTE信道的结构特征,提出了一种利用伪叠加Zadoff-Chu序列进行信道估计的最小二乘算法。该方法可以大大降低算法复杂度,并且不需要信道先验信息、不占用带宽资源。仿真结果验证了该方法的有效性,其性能比频域的离散傅里叶变换算法和线性最小均方误差算法性能更优。     

MIMO-OFDM系统中基于迭代MAP算法的RLS信道估计

该文提出了一种适用于MIMO-OFDM系统的迭代最大后验概率(Iterative-MAP)信道估计算法。接收机利用MAP译码算法中的信息位和校验位软信息,经过非线性映射将信息反馈至信道估计模块,采用递归最小二乘(RLS)自适应滤波算法对信道时变状态参数进行跟踪,提高了信道估计的精度。仿真结果表明,该方法与最小二乘(LS)算法相比,估计的均方误差(MSE)和误帧率(FER)性能都有较大改善。     

OFDM系统中一种新的迭代信道估计算法

本文提出了OFDM系统中一种新的基于软信息迭代处理的信道估计算法。该算法将面向判决最小二乘估计算法和盲估计算法相结合,在估计器中构造了一种新的置信度量函数,根据解码和软映射重构的反馈信号置信度大小在两种估计算法中自适应选择,这样估计的信道频响可以有效提高软信息迭代接收性能,大大降低信道估计训练开销。仿真结果表明,本文提出的算法能有效跟踪信道时变,限制传统面向判决估计的错误传播,达到好的系统性能。     

DVB-T前向预测自适应信道估计算法的研究

提出了一种基于导频的前向预测自适应信道估计算法。该算法在最小平方误差(LS)算法的基础上采用2维插值方法估计出无线信道的频率响应。在时间维方向上,对当前符号的导频位置根据系统软判决信噪比和多普勒影响的估计进行自适应插值。在频域维方向上直接进行低通滤波。     

MIMO-OFDM系统中一种基于自适应滤波的信道估计方法

该文提出了一种适用于MIMO-OFDM系统的基于自适应滤波器的信道估计方法,此方法在不需要任何信道统计信息的前提下,通过自适应滤波的方法对时变信道状态参数进行即时跟踪与估计。仿真结果表明该文提出的基于自适应滤波的信道估计方法,相比于不考虑噪声的基于LS算法的信道估计方法,MSE和BER性能均有很大的提高。其中基于LMS滤波器的信道估计方法具有计算复杂度小的特点;而基于RLS的信道估计方法具有收敛速度快,MSE和BER性能均优于基于LMS方法的特点。     

地空通信中基于贪婪算法的SC-FDE系统稀疏信道估计

针对在地空频率选择性衰落信道中,信道冲激响应具有时域稀疏特性的情况,提出了基于贪婪算法的单载波频域均衡(SC-FDE)系统稀疏信道估计方法。Chu序列是SC-FDE中常用的导频序列,对其进行分析并证明了将Chu序列进行循环移位所构造的导频矩阵满足RIP条件,将导频矩阵作为测量矩阵,把地空信道估计问题建模为稀疏重构模型,采用贪婪算法中的OMP和Co Sa MP算法对信道进行稀疏重构,仿真验证了所得信道估计较传统最小二乘(LS)信道估计方法更加准确。在相同的训练序列长度和信道环境下,利用所得信道估计对接收信号进行最小均方误差(MMSE)均衡,蒙特卡罗仿真结果表明,所提方法与传统LS信道估计方法相比,系统误码性能提高2~3 d B。     

OFDMA系统中基于LMMSE信道估计算法的 改进及其性能分析

 OFDM调制技术用于移动通信领域时,其信道估计技术是一项关键技术.分析了一种基于频域相关的线性MMSE算法,并根据理论模型的假设,给出了最大时延、噪声功率等参数的近似估计方法,确定了一种可实用的LMMSE信道估计表达式.在此基础上,分析了算法复杂度和进一步简化的可能性.最后给出了不同信道条件下,改进的MMSE算法的性能仿真,并对仿真结果进行了分析.     

基于叠加训练序列和低复杂度频域Turbo均衡的时变水声信道估计和均衡

针对时变水声信道估计和均衡问题,该文提出基于叠加训练序列(ST)和低复杂度频域Turbo均衡(LTE)的时变水声信道估计和均衡(ST-LTE)算法。基于叠加训练序列方案,将训练序列和符号线性叠加,使得训练序列和符号信道信息一致;基于最小二乘算法,进行信道估计。基于频域训练序列干扰消除技术,在频域消除训练序列对符号的干扰;基于频域线性最小均方误差(LMMSE)均衡算法,通过先验、后验、外均值和方差的计算,实现低复杂度信道均衡(符号估计);基于Turbo均衡算法,软重构叠加训练序列和更新信道估计,进行均衡器和译码器的信息交换,利用编码冗余信息,大幅度提升信道均衡性能。进行仿真、水池静态通信试验(通信频率12 kHz,带宽6 kHz,采样频率96 kHz,符号传输速率4.8 ksym/s,训练序列和符号的功率比为0.25:1)和胶州湾运动通信试验(通信频率12 kHz,带宽6 kHz,采样频率96 kHz,符号传输速率3 ksym/s,训练序列和符号的功率比为0.25:1),仿真和试验结果验证了所提算法的有效性。     

基于信道分布空间的OFDM信道半盲估计方法

信道分布空间的构建将OFDM系统中发送信号的有限符号特性和信道响应的统计相关特性集中到信道分布平面中.算法使用了一个初始OFDM 导频符号在信道分布平面中建立信道频域响应参考曲线,信道的估计是利用相邻OFDM符号对应的信道响应有相关延续特性,通过在更新的信道分布平面上更新参考曲线来实现.计算机仿真表明,算法的性能和基于最小均方误差的信道估计算法相当,由于避免了矩阵求逆运算,该方法在工程实现中有较大的应用价值.     

自适应滤波LSL算法及其在去噪中的应用

讨论了基于前向预测误差和后向预测误差的最小二乘方格形(LSL)算法,并对LSL算法及其在噪声消除中的应用进行了分析研究。该算法结合了LMS算法的高计算效率和RLS算法的快速收敛等优点,在自适应信道均衡和自适应阵列信号处理等方面获得了应用。     

基于叠加训练序列和低复杂度频域Turbo均衡的时变水声信道估计和均衡

针对时变水声信道估计和均衡问题,该文提出基于叠加训练序列(ST)和低复杂度频域Turbo均衡(LTE)的时变水声信道估计和均衡(ST-LTE)算法.基于叠加训练序列方案,将训练序列和符号线性叠加,使得训练序列和符号信道信息一致;基于最小二乘算法,进行信道估计.基于频域训练序列干扰消除技术,在频域消除训练序列对符号的干扰;基于频域线性最小均方误差(LMMSE)均衡算法,通过先验、后验、外均值和方差的计算,实现低复杂度信道均衡(符号估计);基于Turbo均衡算法,软重构叠加训练序列和更新信道估计,进行均衡器和译码器的信息交换,利用编码冗余信息,大幅度提升信道均衡性能.进行仿真、水池静态通信试验(通信频率12 kHz,带宽6 kHz,采样频率96 kHz,符号传输速率4.8 ksym/s,训练序列和符号的功率比为0.25:1)和胶州湾运动通信试验(通信频率12 kHz,带宽6 kHz,采样频率96 kHz,符号传输速率3 ksym/s,训练序列和符号的功率比为0.25:1),仿真和试验结果验证了所提算法的有效性.     

基于正交多相序列的OFDM信道估计算法

提出了一种基于正交多相序列的OFDM信道估计算法。该算法采用相关性能良好的正交多相序列作为发送信号的循环前缀,在接收端,提取循环前缀,进行相关计算,最终得到系统频域响应的估计值。通过仿真,验证了在多径衰落信道中,提出的算法比频域梳状导频插入的时域滤波算法及采用小m序列作为循环前缀的信道估计算法具有更高的信道估计精度。     

基于QR分解的MIMO-OFDM系统信道估计降噪方法

MIMO-OFDM传输系统的信道估计降噪算法多是基于DFT,如果系统中含有虚载波,该方法将严重影响系统的性能。为使信道估计性能不受系统虚载波影响,提出了基于QR分解的系统信道估计降噪方法,该方法将部分频域变换矩阵经过QR分解,得到酉矩阵,将其与LS频域信道估计矢量相乘后得出信道估计噪声。用Matlab对提出的算法进行了仿真,通过对仿真结果进行分析比较并得出结论,验证了改进算法的优越性。     

GSM公共信道中SCH自适应均衡解调算法研究

针对移动信道多径效应造成的严重的码间干扰(ISI)问题,研究了基于最大似然序列估计(MLSE)的GSM公共信道中SCH自适应均衡解调算法,并对这种自适应均衡解调算法在Jakes移动信道模型环境下的性能进行了分析和计算机仿真,仿真结果表明该自适应均衡解调算法能够很好地克服码间干扰(ISI)问题,性能良好。     

一种基于自适应滤波的信道估计优化方法

为了解决无线移动通信 MIMO-OFDM 系统中导频辅助信道估计方法所存在的估计精度问题,提出了一种基于改进 LMS 算法的自适应滤波优化方法。首先使用 LS 算法对信道进行初始估计,然后利用估计结果恢复出原始发送数据,最后通过自适应滤波的方式对信道估计结果进行重新优化得到新的信道估计矩阵,可以获得更优的估计性能。仿真结果表明,提出的改进 LMS 算法相比于基本 LMS 算法具有更快的收敛速度和更好的稳态性能,自适应滤波优化后信道估计性能得到很大提高。