LTE-A基于压缩感知的信道估计

针对在多普勒环境下LTE-A(改进的长期演进)系统时频域二维稀疏信道的特性,根据导频在时频域的分布以及二者之间的相关性,通过将搜索空间分解为时域上OFDM(正交频分复用)符号间和频域上子载波间范围,提出了一种基于OMP(正交匹配追踪)算法改进压缩感知的信道估计。仿真结果表明,改进的OMP算法较原始算法具有更低的MSE(均方误差)。     

分布式多入多出正交频分复用快衰落感知估计

针对分布式多输入多输出正交频分复用(MIMO-OFDM)快衰落系统,为了消除快衰落信道的干扰,提出一种分布式MIMO-OFDM系统快衰落信道估计方法.该方法利用分布式快衰落信道间的感知信息在空间、时延和多普勒频移上具有的互相关性,求取三维互相关联合稀疏信道模型.推导预相关随机导频测量矩阵,结合分布式压缩感知算法,以能量有效的方式,对快衰落稀疏信道参数进行联合压缩测量和重构,得到各分布式MIMO接收端任意的稀疏信道系数.理论分析与仿真结果都表明,该方法与传统的信道估计方法相比,可以明显提高系统频谱效率和误码率,减少计算复杂度.     

基于混合遗传算法的导频优化

OFDM系统中,基于压缩感知的稀疏信道估计能够充分利用无线信道的固有稀疏性,进而降低导频开销,提高频谱利用率。针对压缩感知信道估计的导频设计,通过最小化压缩感知理论中测量矩阵的互相关性,提出一种基于混合遗传算法的导频优化方法。该方案首先采用遗传算法获得次优初始导频序列,然后结合导频位置以及导频功率对导频序列逐位进行替换、优化,以使测量矩阵的互相关性最小。MATLAB 仿真结果表明,相比于伪随机导频设计和等间距导频设计,该算法能够保证较低的均方误差和误码率。     

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。     

一种结构化压缩感知中的稀疏度自适应算法

大规模多输入多输出(Large-scale MIMO)系统具有极高的频谱利用率和能量效率,是5G关键技术之一。结构化子空间追踪算法(SSP)采用一种非正交导频并结合无线信道的空时相关性,可以较精确地估计来自基站端大量发送天线的多个信道,针对该算法需要信道稀疏度作为先验条件的局限性,文章提出了一种分块稀疏度自适应匹配追踪算法(BASMP)。仿真结果表明,所提出的算法不仅在性能上与SSP算法相当,而且同时还能准确地估计信道的稀疏度。     

基于802.16e的信道估计算法研究

常用的空时译码方法在很大程度上依赖于准确的信道状态信息,使得信道估计成为正确进行空时编码译码的先决条件。结合虚拟导频的设计和时频二维多项式拟合算法,研究了一种适用于快速移动场景下的虚拟导频信道估计算法。该算法能够利用时频二维信道信息的相关性,对信道进行拟合,从而提升信道估计的性能。分别在车载60km以及车载120km信道模式下进行仿真,结果表明,较现有的信道估计算法,在快速移动场景下虚拟导频信道估计算法具有更好的均方误差性能。     

非理想载波同步下OFDM快衰落信道的稀疏与感知

针对稀疏导频 OFDM 系统,提出非理想载波同步 OFDM 快衰落信道稀疏表示与感知方法。首先提出了一种稀疏化信道核向量的广义信道冲激响应矩阵稀疏化表示方法;推导了稀疏导频快衰落信道估计压缩感知模型;利用OMP算法重构稀疏化信道核向量与广义信道冲激响应矩阵,从而完成非理想载波同步下的 OFDM 快衰落信道估计。仿真结果表明,该算法能有效降低非理想载波同步的稀疏导频 OFDM 系统的误码率。     

空间相关信道下酉空时系统的最大似然 多符号差分检测算法

 传统的酉空时系统,通常假设信道衰落系数之间相互独立,这个条件在实际系统中却很难满足,天线之间的空间相关性造成系统性能恶化.针对该问题,本文提出了空间相关信道下酉统空时系的最大似然多符号差分检测算法.本算法只需获取每个观测窗口的第一个符号,以该符号为导频符号,其传输效率渐近为1,并且不要求系统具有反馈信道,算法中最大似然解的快速搜索可以通过球形译码来实现.计算机仿真结果表明:本算法可以在不明显增加开销的情况下,有效的提高空间相关信道下酉空时系统的误码率性能.     

基于SA-MUSIC理论的联合稀疏恢复STAP算法

基于子空间扩展多重信号分类(SA-MUSIC)理论对杂波空时二维谱进行联合稀疏恢复,实现小样本情况下空时自适应处理(STAP)性能的显著提升.首先,提出空时导向矢量相关性模型,利用该模型分析杂波在空时二维平面上的稀疏本质,解释用部分空时导向矢量近似整个杂波子空间的合理性.其次,提出基于SA-MUSIC理论的联合稀疏恢复STAP算法(SA-MUSIC-STAP),该算法仅需极少训练样本便可实现对杂波协方差矩阵的准确估计,并实现有效的杂波抑制.仿真实验验证了SA-MUSIC-STAP算法的有效性.     

宽带移动通信系统中基于梳状导频的信道估计

本文主要研究了OFDM系统中基于梳状导频的空时信道估计方法,并提出一种新的信道估计算法,即实现了空时二维信道估计。基于梳状导频的空时信道估计的算法分为两步:第一步是利用导频信号对导频位置的信道进行估计,第二步是信道插值,得到所有频域位置的信道信息。同时还研究了基于LS准则的信号估计以及基于线性插值的信道插值。     

基于空时频协方差矩阵重构的高效跳频信号DOA估计

为了充分利用跳频信号的空域信息来进行信号的DOA估计,在信号空时频分析的基础上,本文提出了一种基于协方差矩阵重构的高效跳频信号DOA估计方法。首先将接收信号的均匀线阵（uniform linear array, ULA）平均划分成2个子阵,分别对每个子阵接收到的信号进行时频分析,在时频域选择有效跳,构造每跳的空时频矩阵（spatial time-frequency distribution, STFD）,然后求得2个子阵的互协方差矩阵。将2个子阵的互协方差矩阵进行重构运算得到等效的信号子空间,最后构造空间谱多项式求根估计出信号的DOA。仿真结果表明该方法相比于以往改进类子空间算法能够有效提高估计精度和降低算法复杂度。      

基于分段压缩和原子范数的跳频信号参数估计

针对压缩域跳频信号参数估计方法需借助测量矩阵寻找压缩采样数据的数字特征,造成运算复杂度高,且存在基不匹配的问题,提出一种压缩域数字特征和原子范数的跳频信号参数估计方法。建立块对角化的测量矩阵,实现信号分段压缩,分析压缩采样数据的数字特征,实现跳变时刻粗估计;分离出未发生频率跳变的信号段,利用原子范数最小化方法实现跳变频率的精确估计;最后依据精确估计的跳变频率,设计原子字典,并在压缩域实现跳变时刻的精确估计。基于该算法的跳变频率估计性能高于基于压缩感知的跳变频率估计,亦能精确估计跳频信号的跳变时刻。仿真结果显示,在信噪比高于-2 dB,压缩比高于0.5时,基于该算法的归一化跳变频率估计误差低于10-4,归一化跳变时刻估计误差低于10-2。     

一种基于STBC的SC-FDE系统双天线联合检测算法

针对双发双收的基于空时分组编码的单载波频域均衡(STBC-SC-FDE)系统,研究了一种双天线联合检测算法,通过信道估计、导频干扰消除、加权联合均衡等过程重构发送的信息。并根据信噪比对频域信号与均衡矩阵进行加权处理,使联合检测算法适用于2路接收信号信噪比不同的情况。仿真结果表明,所提出的双天线联合检测算法在SUI-3信道下最大可获得约8dB的接收分集增益。与时域最大比合并(MRC)算法相比,由于采用联合检测,该算法能有效改善系统在多径衰落信道下的误码率。     

MIMO-OFDM快衰落信道的压缩感知估计方法

在快衰落多输入多输出(MIMO)-正交频分复用(OFDM)系统中,为了避免传统的信道估计方法中存在大量系数需要估计的问题,利用快衰落信道在角时延多普勒域可稀疏的特性,提出了基于压缩感知的MIMO-OFDM系统快衰落信道估计方法。根据压缩感知的受限等距特性(RIP),推导了一种少量导频随机结构测量矩阵,用于测量快衰落信道在角时延多普勒域稀疏系数。接收端可从这些少量的测量数据中以高概率重构出快衰落信道。理论分析与仿真结果都表明:该方法与传统的信道估计方法相比,所得到的系统数据传输效率及估计性能都有了明显提高。     

一种稀疏增强的压缩感知MIMO-OFDM信道估计算法

 基于压缩感知(Compressed Sensing, CS)的信道估计可以达到减少导频的目的,但在频-时域信道矩阵到时延-多普勒域的稀疏变换中存在谱泄漏现象,影响了信道矩阵的稀疏性和估计的均方误差(MSE)性能。为此该文对信道的稀疏性进行研究,提出一种时域加窗的稀疏优化CS信道估计算法。通过对时域加窗,所提算法抑制了由离散截断导致的多普勒域泄漏,再据此设计出观测矩阵,以此方式增强信道在时延-多普勒域的稀疏性,并实现对稀疏的信道矩阵更为准确的重构,达到改善信道估计MSE性能的目的。仿真结果表明随信噪比的增大,加窗CS算法相比无窗CS算法有效改善了信道估计的性能。     

基于压缩感知的信道反馈重构

在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,基于压缩感知技术(Compressed Sensing,CS)开发高效的信道状态信息(Channel State Information,CSI) 反馈方案是现在研究的热点。针对现有的基于CS的信道反馈重构算法——正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法存在重构时间长、数据量大可能会无法适用的不足,提出了一种改进的OMP算法,即广义正交匹配追踪(Generalized OMP,GOMP)算法对CSI进行高效重构。仿真结果表明,GOMP算法在重构精确度上高于OMP算法,特别是在较低的压缩比下优势更为突出;而且由于迭代次数减少,需要的重构时间也显著减少。     

Watermarking in the space/spatial-frequency domain usingtwo-dimensional Radon-Wigner distribution

A two-dimensional (2-D) signal with a variable spatial frequency is proposed as a watermark in the spatial domain. This watermark is characterized by a linear frequency change. It can be efficiently detected by using 2-D space/spatial-frequency distributions. The projections of the 2-D Wigner distribution-the 2-D Radon-Wigner distribution, are used in order to emphasize the watermark detection process. The watermark robustness with respect to some very important image processing attacks, such as for example, the translation, rotation, cropping, JPEG compression, and filtering, is demonstrated and tested by using Stirmark 3.1.     

声场空频特征非参数融合无人机声学探测

针对复杂多源混叠的目标声源辨识问题,传统定位算法因为目标信号中混有较多干扰噪声,定位结果会出现很多野点,无法准确地对目标进行估计。本文提出利用高分辨率声成像处理算法获得目标区域声场空频信息矩阵,依据先验的目标噪声源频率统计特性,通过非参数估计的Parzen窗函数法计算空间分布概率密度函数,基于目标在特征频段和空间区域的分布特性,建立空频特征联合优化的检测定位模型。无人机声学检测仿真与实际定位结果表明该方法具有良好的空间抗干扰能力,可实现复杂环境下声源目标的检测定位。      

基于图稀疏正则化多测量向量模型的高光谱压缩感知重建

压缩感知重建是解决高光谱现有成像模式数据量大冗余度高问题的一个有效机制。针对高光谱图像的多通道特性,该文建立了高光谱压缩感知的多测量向量模型,编码端使用随机卷积算子对各通道进行快速采样,生成测量向量矩阵。解码端构建图稀疏正则化的联合重建模型,在稀疏变换域将高光谱图像分解为谱间的关联成分和差异成分,通过图结构化稀疏度量表征关联成分的空谱相关性,并约束谱间差异成分的稀疏性。进一步提出模型求解的交替方向乘子迭代算法,通过引入辅助变量与线性化技巧,使得每一子问题均存在解析解,降低了模型求解的复杂度。对多个实测数据集进行了对比实验,实验结果验证了该文模型与算法的有效性。     

Frequency domain decision feedback equalizer for time-reversal space-time block coding

In this paper,a frequency domain decision feedback equalizer is proposed for single carrier transmission with time-reversal space-time block coding (TR-STBC).It is shown that the diagonal decision feed...