基于小波去噪与离散余弦变换相结合的正交频分复用系统信道估计算法

针对传统的基于离散余弦变换(DCT)信道估计算法没有处理循环前缀之内噪声的问题,提出了一种基于小波去噪与DCT插值相结合的正交频分复用(OFDM)系统信道估计方法。首先,采用最小二乘(LS)法对接收到的导频信号进行信道初步估计;然后,对LS法估计出的结果进行离散小波阈值去噪处理;最后,利用DCT插值对循环前缀内的噪声再次处理,以进一步减小噪声的影响。在Matlab 2012平台上仿真,与传统的基于DCT信道估计算法相比较,误码率相同的条件下,所提算法的信噪比(SNR)性能提升了1 dB左右;均方误差相同的条件下,所提算法的SNR性能提升2 dB左右。仿真实验结果表明,该算法能够较好地减小加性高斯白噪声(AWGN)的影响,并有效提高信道估计的准确度,其总体性能较基于DCT的信道估计算法更优。     

OFDM水下通信系统信道估计插值算法性能分析

在正交频分复用(OFDM)水下通信系统中,信道估计作为一项关键技术直接影响着系统的性能.研究基于导频信息的线性插值、二阶多项式插值、三次样条插值等信道估计插值算法,应用Matlab仿真给出它们的性能比较,得出不同插值算法下OFDM系统误比特率(BER)和信噪比(SNR)之间的变化关系,以及在不同导频间隔和不同多普勒频移条件下的误比特率曲线图,从而为更好的设计导频间隔,进行水声信道估计提供有力的参考.     

基于五次hermite插值的OFDM信道估计

导频辅助信道估计方法是OFDM系统中的主要信道估计方法,可以使用LS(最小均方估计)估计导频点处的信道响应,然后通过插值算法来估计数据点的信道响应。该文提出五次hermite插值信道估计算法,目的是利用该插值算法在不同信噪比的环境下,降低误码率(BER)。通过仿真实验说明,该算法相对于传统的信道估计算法具有较良好的性能。相对于线性插值和三次样条插值,在不同的信噪比环境下具有较低的BER的优点。     

基于非参数平滑的OFDM系统信道估计算法

研究了双衰落信道下正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统中信道估计的非参数方法.提出的方案首先利用梳状导频或散布导频和最小二乘算法估计出导频处的信道频率响应并进行简单的分段线性插值,然后用基于非参数统计方法的Savitzky-Golay平滑滤波器对插值后的信道估计值进行非参数平滑.与传统信道估计算法相比,算法大大降低了信道估计的均方误差、系统的误符号率和计算复杂度,运算量仅正比于有效子载波数,且对多普勒频移具有很强的鲁棒性.数值仿真结果证明了上述结论的正确性.统计检验结果表明,该算法在最小二乘意义下是最优的.     

无线知识驱动的大规模MIMO信道估计

大规模多输入多输出(multiple-input multiple-output, MIMO)技术能够显著提升无线通信系统的能量效率和频谱效率,其关键前提是获取精确的信道状态信息,然而导频复用造成的导频污染问题严重影响信道估计精度,成为制约大规模MIMO系统性能的核心难题.本文提出无线知识驱动的大规模MIMO信道估计模型,基于信道海图技术挖掘用户在角度域空间中的近邻关系作为无线信道知识,设计基于无线知识驱动的卷积神经网络(convolutional neural network, CNN)信道估计器(WKDCNN)提高信道估计精度.研究表明,在不同信噪比(signal-to-noise ratio, SNR)下,天线数、导频污染程度、训练集大小对所提方法的信道估计性能均有重要影响.仿真结果表明, WKD-CNN在高信噪比区域的归一化均方误差相较于传统信道估计算法、基于多层感知机(multilayer perceptron, MLP)和无信道海图知识驱动卷积网络的信道估计方法均明显降低.     

基于大规模MIMO的散射信道估计技术

随着用户对通信速率的要求日益增长,散射通信的通信容量亟待提升。大规模多输入多输出(MIMO)技术是提升容量的一种重要途径,本文研究基于大规模MIMO的对流层散射通信系统的信道估计问题。首先建立基于二维均匀方形天线阵列的大规模MIMO对流层散射信道模型,其次提出一种信道协方差矩阵估计算法对传统最小均方差(MMSE)信道估计算法进行改进,最后与最小二乘(LS)、传统MMSE算法和理想MMSE信道估计算法的准确度进行对比。仿真结果表明：在信噪比(SNR)为0～25 dB的情况下,传统的MMSE算法的准确度相较于LS算法的提升效果并不明显,与理想MMSE算法的准确度有一定差距;但改进MMSE信道估计算法的准确性优于传统MMSE算法,同等条件下NMSE相同时,其SNR可提升3～5 dB,并随着SNR的增大逐渐逼近理想MMSE算法。     

一种改进的DVB-T信道估计算法

针对传统DVB-T系统信道估计算法估计精度低或复杂度高的问题,为了提高信道估计算法整体性能,提出了一种改进的DVB-T信道估计算法;该算法首先采用最小二乘法估计离散导频处频率响应估计值;进而,利用连续导频对信噪比进行估计;最后,将得到的信噪比估计值与预先设定的信噪比阈值进行比较,若估计值小于阈值,则先经过卡尔曼滤波处理,再在时频二维方向上用高斯插值得到全部子载波的频率响应值,否则直接在时域和频域上进行插值;此方法在信道条件较好时关闭卡尔曼滤波过程,从而有效减少滤波次数,提高算法整体运行速度;仿真结果表明,该方法能有效提高系统整体性能,减少在噪声影响较大时的干扰,同时也兼顾了算法整体运行速度。     

STC-OFDM系统中的信道估计算法

针对稀疏信道特性的STC-OFDM系统,提出一种基于参数模型的导频信道估计方法。利用最小二乘算法估计出导频所在位置的频率响应,用时间平均相关代替统计平均相关,得到信道相关矩阵的估计值。通过基于特征值分解的低秩建模,估计出信道的多径数目,利用旋转不变子空间方法估计出各个延迟的时间参数,在频率和时间域上插值平滑得到信道的频率响应。该方法不需要已知信道的先验信息,仿真结果证明了该方法的有效性。     

基于最小均方差的无线通信信道估计算法仿真

无线通信信道中导频噪声过大会影响信道的估计效果，降低通信质量，为此提出导频干扰下无线通信信道估计算法。基于无线通信的信道特性分析结果获取信道中的导频噪声信号，并对其实施噪声滤除处理；依据噪声滤除结果获取无线通信网络的频率冲击响应值，建立导频频域接收信号模型；利用基于最小均方差的信道估计方法对模型求解得出信道频域冲击响应估计值；将计算结果与线性插值方法结合，完成无线通信信道精准估计。实验结果表明，使用上述方法开展信道估计时，误码率较低，信道幅度响应值与实际信道幅值较为接近，说明信道估计效果较好。     

双衰落信道下OFDM信噪比估计算法

基于最小均方误差方法,在双衰落信道下,提出利用周期PN序列作为导频的信噪比(SNR)估计算法。在导频2侧插入保护间隔降低子载波间干扰对导频的影响,在时域进行相关运算消除噪声干扰,从而得到较精确的信道参数。仿真结果表明,该算法能较准确估计SNR,且可通过改变周期PN序列满足不同信道环境下的性能要求。     

基于压缩感知的MIMO-OFDM信道估计中的导频设计方案

多输入多输出-正交频分复用(Multiple input multiple output-orthogonal frequency division multiplexing,MIMO-OFDM)系统作为MIMO系统和OFDM系统的结合,具有很高的频带利用率并能有效地对抗无线信道的多径效应。本文研究了MIMO-OFDM系统稀疏信道估计及其导频优化,将信道估计问题转化为压缩感知(Compressed sensing,CS)理论中的稀疏信号重建问题,将最小化测量矩阵的互相关作为导频优化的目标。结合已有的随机序贯搜索(Stochastic sequential search,SSS)和扩展算法2(Extension scheme 2,ES2)算法以及导频移位机制,提出了一种快速的导频优化算法随机搜索移位算法(Stochastic sequential search-shift mechanism,SSS-SM)。此算法的运算复杂度远低于已有的ES2算法,运算时间不受发射天线数影响。将SSS-SM算法和ES2算法分别获得的导频设计结果应用于MIMO-OFDM系统的信道估计,仿真结果表明,采用SSS-SM算法可以更低的算法复杂度获得与ES2算法相同的信道估计性能;高信噪比情况下,SSS-SM算法对应的均方误差(Mean square error,MSE)比ES2平均低约3~5 dB,因此这种方法在高信噪比下更有优势。     

基于压缩感知的大规模多输入多输出空间共稀疏信道估计

针对频分复用双工方式的大规模多输入多输出（MASSIVE MIMO）系统在虚拟角域信道中估计精度较差的问题,提出一种基于门限的稀疏度自适应匹配追踪（BT-SAMP）算法。该算法融合了回溯正交匹配追踪（BAOMP）算法的原子选择特性和稀疏度自适应匹配追踪（SAMP）算法的自适应特性,将BAOMP算法的"添加原子"规则作为SAMP算法的原子选择预处理,通过合理的阈值添加固定的原子,然后延续SAMP算法的步长迭代自适应特性,寻找到信道矩阵近似系数最大,达到了提高SAMP算法估计精度、加快算法收敛的目的。仿真结果表明,在低信噪比（SNR）情况下,与SAMP算法相比,信道估计精度均有提高,特别是信噪比在0~10 dB时,其估计精度提升4 dB,算法的运行时间减少约61%。     

基于压缩感知的多小区MASSIVE MIMO信道估计

针对多小区多用户大规模多输入多输出（MASSIVE MIMO）系统信道估计在低信噪比情况下估计精度较差的问题,提出了一种基于群智能搜索的果蝇分段正交匹配追踪（FF-StOMP）压缩感知算法。该算法在分段正交匹配追踪（StOMP）求解不同阈值下的信道矩阵参数与归一化最小均方误差的基础上,采用果蝇优化算法动态搜索出最小归一化均方误差与其对应的阈值,达到自适应参数设定的目的。仿真结果表明,与StOMP算法相比,信噪比在0~10 dB情况下,所提出的FF-StOMP算法信道估计性能能够提升0.5~1 dB;信噪比在11~20 dB时,信道估计性能能够提升0.2~0.3 dB。当小区用户数发生变化时,所提出的算法能实现自适应信道估计,能够有效提升MASSIVE MIMO系统低信噪比情况下的信道估计精度。     

一种改进的OFDM系统中信噪比估计算法

信噪比是通信信号的关键参数,它是通信质量的衡量指标之一,在无线通信及有线通信的许多场合,如功率控制、自适应调制切换等,都需要知道信噪比的数值,以获得最佳的性能。本文首先分析了几种典型的SNR估计算法,并根据有线信道特点,在信道估计差量SNR估计方法的基础上,提出改进措施。仿真结果表明,改进算法有效的提高了估计精度,适用于有线信道的OFDM系统。     

基于前导干扰消除的FBMC系统加权信道估计算法

针对FBMC系统信道估计时存在虚部干扰问题,提出一种新的信道估计算法。首先,该算法采用了基于虚部干扰消除的新导频结构;然后,利用两列导频分别作粗信道估计;最后,对粗信道估计采用加权方式进行精信道估计,进一步提高信道估计性能。仿真结果表明,与传统虚部干扰消除算法（IIE）相比,新导频结构算法在误码率为1%时,可获得1~2 dB的性能提升。     

基于信道估计的SC-FDMA自适应传输方案

由于SC-FDMA的峰均功率比（PAPR）比OFDMA低,因而被应用于3GPP LTE上行链路。论文分析了SC-FDMA传输系统的数学模型,介绍了基于导频的SC-FDMA系统最小二乘（LS）和线性最小均方误差（LMMSE）信道估计算法。在比较该系统集中式和分布式两种子载波映射方式在高低速不同移动环境下传输性能的基础上,提出了一种基于信道估计的SC-FDMA系统自适应传输方案。经仿真证实该方案比单纯采用一种子载波映射的方法性能更加优越,在相同的误码率情况下,能够节省大概3dB左右的信噪比。     

LTE-A系统中基于小区参考信号的信道估计算法

增强型长期演进（LTE-A）系统中,通常利用插值算法估计出所有数据位置的信道频率响应值。针对传统的线性最小均方误差（LMMSE）算法需要预先获取信道统计特性,矩阵实时求逆运算量大的问题,提出了一种改进的频域LMMSE信道估计插值算法。首先通过导频插值来增加虚拟导频,以此提升算法性能;然后借助时域内的信道能量比较集中的优势,给出了自相关矩阵和信噪比的近似估计方法;最后采用滑动窗方法进一步简化算法复杂度,从而完成频域LMMSE插值。仿真结果表明,所提算法总体性能优于线性插值以及基于离散傅里叶变换（DFT）的插值方法,且与传统LMMSE插值算法具有相近的误码率（BER）和均方误差（MSE）;但与传统算法相比,运算次数降低了98.67%,实现了算法性能与复杂度的较好折中,适用于实际的工程应用。