基于伪噪声序列的OFDM信道估计方法

针对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)的应用及需求,提出一种基于伪噪声(pseudo-noise)序列的OFDM系统模型,并针对其信道估计均衡需求,提出一种基于迭代的信道估计算法和低复杂度的频域均衡算法。最后在高斯白噪声信道、存在多普勒频移瑞利信道、双径延迟信道下,对误码率性能进行仿真和分析。结果表明,该方法适用于常见信道,误码率性能优于传统循环前缀(Cyclic Prefix,CP)OFDM,且通过迭代能够提高性能。以上研究结果可应用于OFDM数字电视地面广播工程。     

面向C-V2X通信的基于深度学习的联合信道估计与均衡算法

为了在不显著提升计算复杂度的情况下,有效提升通信系统的误码率（BER）性能,利用深度学习在数据处理方面的强大能力,提出一种面向基于蜂窝网络的车联网（C-V2X）通信的基于深度学习的联合信道估计与均衡算法——V-EstEqNet。与传统算法分两个阶段分别进行信道估计与均衡不同,V-EstEqNet将通信系统接收机中的信道估计与信道均衡进行联合考虑,并利用深度学习网络直接对接收数据进行校正和恢复,无须进行显式的信道估计环节即可完成信道均衡。具体而言,首先利用大量的接收数据对网络进行离线训练,使网络学习到叠加在接收数据中的信道特性;然后利用该特性恢复原始的发送数据。仿真实验结果表明,在不同的速度场景下,所提算法可以更加有效地追踪信道特性;同时,相较于传统信道估计算法（最小二乘法（LS）和线性最小均方误差法（LMMSE））配合传统信道均衡算法（迫零（ZF）均衡算法和最小均方误差（MMSE）均衡算法）,所提算法在低速环境下有最高有6 dB的BER增益,在高速环境下最高有9 dB的BER增益。     

单载波频域均衡系统的研究

在分析了正交频分复用(OFDM)技术优缺点的基础上提出了单载波频域均衡技术(SC-FDE).SC-FDE系统在保持了OFDM系统性能的同时避免了OFDM的两大问题.接着,在ADS仿真平台上对SC-FDE系统进行了建模和仿真.经过仿真分析得出,通过无线信道后的数据在经过频域均衡模块后可以得到很好的恢复,整个传输模型具有较低的误码率.最后,对OFDM与SC-FDE的误码率曲线就行了对比,证明了SC-FDE所具有的良好性能.     

基扩展模型下基于深度学习的双选信道估计方法

针对OFDM系统在高速移动环境下信道的双选衰落和非平稳特性导致下行链路信道估计性能受限的问题,提出一种基于基扩展模型(basis expansion model,BEM)并结合深度学习(deep learning,DL)的信道估计方法。针对高速移动环境信道的双选衰落特性,使用BEM对信道进行建模,把估计大量的信道冲激响应转变为估计少量的基系数,减少了待估参数,有效降低了估计复杂度;针对高速移动环境信道非平稳特性,建立了深度神经网络,通过离线训练使其学习到双选信道的变化特征,提高了信道估计的准确度。仿真结果表明,在高速移动环境下,与传统的方法相比,所提信道估计方法,性能提升明显。     

OFDM水声通信中的综合多普勒补偿方法

正交频分复用（OFDM）技术已经应用于水声通信中,是一种高速传输的方法。但是OFDM的传输对于子载波正交性的要求很高,所以水声通信中存在的严重多普勒频率偏移限制了OFDM技术在水声通信中的应用。分析了适合于收发双方的多普勒估计与补偿技术,提出了综合多普勒补偿方法,即综合利用循环前缀法和利用训练序列进行多普勒估计与补偿。结合实际湖试水声信道进行实验,结果验证了该方法有效地降低了误码率,优于传统的多普勒估计与补偿方法。     

基于前导的OFDM系统信道估计及FPGA实现

在分析了802.11a WLAN系统发送与接收机模型基础上,提出了基于前导的OFDM的信道估计与均衡及FPGA实现的方案,其中包括信道的估计与补偿。方案中的各电路模块使用Verilog HDL语言编写,并在Xilinx的编程软件Vivado 14.2下进行编译、仿真与综合。仿真结果表明:电路系统各模块运行良好,能够对信道进行估计与补偿,符合设计要求。     

基于FPGA的OFDM时频同步系统的设计与仿真

同步技术是OFDM中的一项关键技术.但由于无线信道的随机性,传统方法在门限设定上无法兼顾判断准确性和计算复杂度两方面性能.针对这一问题,提出了一种将相对门限和浮动门限相结合的同步判决方法,它能够在保持判断准确性的同时降低计算时的复杂度.此外,通过交叠计算训练序列相关值的方法来提高频偏估计精度.在此基础上,详细阐述了算法关键模块的电路结构和硬件实现.仿真结果表明该算法在多径信道环境下具有较高的时间同步和频偏估计精度,能够有效地降低硬件资源消耗,节省传输带宽.     

一种低复杂度的MIMO—OFDM信道估计阈值算法

本文分析了现有的基于导频的MIMO—OFDM信道估计技术，提出了一种低复杂度的信道估计闽值算法，这种算法与采用维纳滤波器的估计技术相比较，具有计算复杂度低，适应性好的特点。在“B3G”系统仿真平台上进行了仿真验证，仿真曲线充分表明该算法具有良好的跟踪信道变化的能力。     

基于MAP算法的OFDM系统迭代信道估计

提出一种运用在OFDM系统中的迭代最大后验概率信道估计方法。译码器利用信道估计值形成译码模块的软信息,通过交织,反馈到信道估计模块中,使外信息在信道估计模块和译码模块之间循环迭代。信道估计模块中采用线性最小均方误差算法对信道参数进行估计。通过信道估计模块和译码器之间软信息的循环迭代,充分利用有效的外信息,降低误码率,提高OFDM系统的性能。     

基于LSTM网络的OFDM系统信道估计研究与分析

长短时记忆神经网络(LSTM)由于其在序列数据处理方面的显著优势,因此在无线通信领域得到广泛地应用.本文面向OFDM系统对基于LSTM网络的信道估计方法进行系统地研究与分析.该方法对输入的训练数据进行离线训练,使其学习到信道变化特征,获取信道状态信息预测结果.仿真结果显示,利用LSTM进行信道估计,其估计性能优于传统信...     

DVB-C2数字接收机的信道均衡方法

DVB-C2系统采用了4096-QAM调制,并结合OFDM技术在同轴电缆上获得接近12 （bit/s）/Hz的频谱利用率。然而相对于低阶调制,高阶QAM密集的星座点分布更容易受到信道估计误差的影响。分析了高阶QAM调制对OFDM信道估计精度的要求,针对同轴电缆信道的慢时变特性,提出了一种噪声抑制的信道均衡方法。计算机仿真结果表明,与传统的信道均衡方法相比,在高信噪比时,提出方法的误比特率性能优于传统方法约3 dB。     

低复杂度的分布式粒子滤波盲均衡算法

针对传统单接收节点盲均衡受信道影响大、误码率（BER）高的问题,提出了一种低复杂度的分布式粒子滤波盲均衡算法。该算法采用多个接收机组成无融合中心的分布式网络,使用分布式粒子滤波(DPF)合作估计共同的发送符号序列。为降低粒子采样复杂度,选用先验概率作为重要性函数;然后采用最小一致算法近似联合似然函数,从而使得每个接收节点的粒子权重达到一致。理论分析与仿真结果表明,该算法无需数据集中,具有更低的节点计算复杂度。全分布式的多接收机合作获得了空间分集增益,提高了系统误码性能。     

基于前向平均和时域滤波的OFDM信道估计算法

为减少系统中噪声对信道估计的影响,提出了一种基于抑制噪声的信道估计方法.首先对几个连续0FDM信号相同导频位置的信道频率响应前向平均后线性插值,得到所有子载波的信道估计值;然后在时域利用滑行相关系数估计出的时延进行时域滤波.该方法通过在频域和时域的两次减噪,提高了信道估计的精确性,尤其是所提出的前向平均法适用于快衰落信道.仿真结果表明,该方法可将OFDM系统的误码率性能提高4～5 dB.     

基于OFDM的卫星移动通信信道估计算法研究

针对卫星移动信道的特点,结合正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术,在卫星移动信道模型基础上分析并讨论了三种典型的信道估计算法,即最小二乘（Least-Square,LS）估计算法、最小均方误差（Minimum Mean Square Error,MMSE）估计算法和奇异值分解（Singular Value Decomposition,SVD）算法。采用经典的抽头延迟线模型,对各算法进行仿真试验,得出不同算法下信道估计误比特曲线。理论分析和仿真实验表明,三种算法均能够有效地抑制卫星移动信道衰落产生的误码率,其中SVD-MMSE算法能够在降低MMSE算法复杂度的基础上,抑制噪声,提高信道估计精度。     

Analog study of near-field focusing and subwavelength imaging with nonlinear transmission-line metamaterial

In this paper, we report an analog study of realizing near-field focusing and near-perfect imaging at harmonic frequencies using a two-dimensional （2D） left-handed nonlinear transmission line （LH NLTL） meta- material. Firstly, we give a detailed procedure of designing LH NLTL and right-handed （RH） transmission line media that match with each other at harmonics. Then, through microwave circuit simulations, we observe strong surface waves at the boundaries between RH and LH NLTL metamaterials, which are consistent with the theoretical analysis of an LH linear superlens. Finally, we show that the LH NLTL metamaterial can act as a flat nonlinear lens that can create, with a Subwavelength resolution, an image of harmonic fields of the source which is opaque at the fundamental frequency.     

模糊神经网络分类器在盲均衡算法中的应用

提出一种基于模糊神经网络分类器的盲均衡算法,将盲信道估计与模糊神经网络分类器相结合,先对通信信道进行盲估计,然后利用卷积原理重建信号,用模糊神经网络替代原有的判决器,从而实现了盲均衡。通过仿真实验证明,该算法加快了收敛速度,减小了剩余误差,降低了误码率。     

模糊神经网络分类器在盲均衡算法中的应用

提出一种基于模糊神经网络分类器的盲均衡算法,将盲信道估计与模糊神经网络分类器相结合,先对通信信道进行盲估计,然后利用卷积原理重建信号,用模糊神经网络替代原有的判决器,从而实现了盲均衡。通过仿真实验证明,该算法加快了收敛速度,减小了剩余误差,降低了误码率。     

Blind equalization of a noisy channel by linear neural network

In this paper, a new neural approach is introduced for the problem of blind equalization in digital communications. Necessary and sufficient conditions for blind equalization are proposed, which can be implemented by a two-layer linear neural network, in the hidden layer, the received signals are whitened, while the network outputs provide directly an estimation of the source symbols. We consider a stochastic approximate learning algorithm for each layer according to the property of the correlation matrices of the transmitted symbols. The proposed class of networks yield good results in simulation examples for the blind equalization of a three-ray multipath channel.