大规模MIMO系统中低复杂度的稀疏信道估计

针对大规模多输入多输出（MIMO）系统信道估计算法复杂度高的缺陷,结合无线通信信道固有的稀疏性提出了一种低复杂度的稀疏信道估计算法。该算法是在传统的离散傅里叶变换（DFT）信道估计的基础上利用分离算法将信道抽头与噪声空间分离开来,使得信道估计时只需要计算信道抽头的部分,因此算法的计算复杂度被大大降低。仿真结果表明,该算法在保持低复杂度的同时,可获得接近最小均方误差（MMSE）性能。     

时间相关块贝叶斯算法下的大规模MIMO信道估计

因具有高的阵列增益和高的频谱效率,大规模MIMO已成为5G通信系统物理层关键技术,但在频分双工系统基站侧获取大规模MIMO信道准确状态信息的过程中,存在导频开销占用大量频谱资源问题。为此,针对时间相关信道和信道稀疏度未知的情况,提出一种基于时间相关和多测量矢量模型的块贝叶斯压缩感知（TMBB-CS）信道估计方法。因基站端天线发射信号时间相关,所以大规模MIMO系统的时域信道脉冲响应呈块稀疏结构,利用该特性对下行链路中的多用户信道矩阵进行测量估计,可较大幅度减少导频开销,提升性能。实验仿真结果表明,与其他块贝叶斯算法相比,所提出的TMBB-CS算法信道估计性能更好。      

基于MCoSaMP算法的MIMO稀疏信道估计

针对单载波多输入多输出(Multiple Input Multiple Output,MIMO)系统中的稀疏信道估计问题,基于压缩传感(Compressed Sensing,CS)理论,提出了一种改进的压缩采样匹配追踪(Modified Compressive Sampling Matching Pursuit,MCoSaMP)算法.新算法在现有的压缩采样匹配追踪算法的基础上,通过前一步迭代的残差设计了一种自适应加权因子,利用该加权因子进行加权最小二乘估计,逐步减小了异常样本对当前估计的影响.仿真结果表明,在使用相同长度的训练序列时,新算法与现有的基于压缩采样匹配追踪的估计算法相比,在估计精度上有明显提高.     

采用残差变化控制的自适应稀疏信道估计

针对传统压缩感知信道估计对稀疏度信息依赖和稀疏度自适应信道估计在低信噪比时抗噪能力较差的问题,提出了一种采用残差变化控制的稀疏度自适应的压缩感知信道估计算法。该算法在传统的压缩感知信道估计的基础上引入残差变化控制,通过比较每次迭代下的残差变化的幅度来控制信道估计的迭代次数,提高信道估计的自适应性和鲁棒性。同时,为解决传统稀疏度自适应压缩感知信道估计抗噪能力较差的问题,利用正交匹配追踪提高算法的抗噪声性能。相比于传统的稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit, SAMP)算法,所提算法约有4 dB的性能优势,且算法复杂度更低。     

OFDM系统基于信道多径时延检测的自适应信道估计

针对宽带正交频分复用(OFDM)系统,提出了一种基于信道多径时延估计的自适应信道估计算法.文章分析了无线信道的特性,随后利用导频频域相关性进行多径时延估计,提出通过动态跟踪信道时延估计参数自适应选择信道估计中适宜的导频数目的方法,同时实现循环前缀(CP)长度的实时调整.仿真结果表明,在时变环境下,本文算法可以有效获知当前信道时延参数的近似统计信息,实现对系统冗余信息的优化.     

基于共轭梯度法的低复杂度信道估计

考虑在大规模MIMO系统中基于导频的信道估计,基站端配置有数百根天线,传统的MMSE估计器虽然在估计精度上有着良好的性能,但是由于在利用MMSE方法进行信道估计时,存在对协方差矩阵求逆的运算,导致其计算复杂度为OM3,其中M为信道协方差矩阵的维度。在基站天线数很大的时候,这将是一个极其复杂的过程。为解决这个问题,将通过将求逆过程转化为解线性方程组的问题,利用共轭梯度法,使整个计算过程的计算复杂度降为ONM2,其中N为共轭梯度法的迭代次数,而且N<相似文献   

一种参数途径的自适应时延估计方法

时差定位应用中,需要首先对2个分开的传感器侦收的来波信号进行离散采样,然后估计时差。时差通常不是采样间隔的整数倍,导致常用时差估计方法的估计误差值可能达到0.5倍采样间隔。研究人员常用插值运算减小估计误差,但运算量较大。参数途径时延估计方法可以直接估计非整数倍采样间隔的时差,且不需要插值运算,运算量较小。应用(LMS)算法来实现参数途径时延估计方法,通过理论推导给出了时延估计的方法和步骤。计算机仿真验证表明了新方法的有效性和正确性。     

基于双IRS辅助的毫米波MIMO通信信道估计

考虑到智能反射面(Intelligent Reflecting Surface,IRS)可以辅助毫米波通信,为提高信道估计的准确度,引入基于双智能反射面辅助的毫米波单用户多输入多输出(Multiple?Input Multiple?Output,MIMO)无线通信新场景.因为毫米波信道具有稀疏性,首先将原始毫米波窄带信...     

一种基于RAMP算法的OFDM稀疏信道估计方法

针对OFDM稀疏信道估计需要信道稀疏度作先验条件的不足,将正则化自适应匹配追踪（RAMP ） 用于信道重建,可在信道稀疏度未知的情况下,自适应地调整候选集原子的个数,并利用正 则化过程实现支撑集的二次筛选,逐步扩大支撑集,准确地估计出信道的冲激响应。仿真结 果表明,该方法收敛速度快,估计效果好,有较好的应用价值。     

一种基于带宽分割的自适应通道补偿方法

自适应阵列中,由于通道的频带特性不一致(通道失配),会导致自适应抗干扰性能的严重下降,一种解决的方法是在通道后加抽头延迟线进行自适应补偿,但是这种方法在通道失配波纹数较多的情况下,由于需要很多的抽头延迟线进行补偿而使得实时实现几乎不可能,该文提出了一种基于带宽分割的自适应通道补偿方法,能在通道失配波纹数较多的情况下,实时并较好地完成自适应通道补偿,理论分析和计算机仿真都证明了该方法的有效性。     

基于自适应阈值改进暗通道先验图像增强技术

基于暗通道先验的图像增强技术在图像的去雾和增强方面具有较好的图像增强效果.针对基于暗通道先验图像增强算法在处理有雾图像存在大面积白色高亮区域时出现的失真,提出了基于自适应阈值的改进暗通道先验算法.该算法在对图像进行直方图统计的基础上,先判断图像是否存在大面积白色高亮区域,并对区域的面积进行标识和统计,得到自适应系数β,再利用该系数对暗通道先验算法进行修正,最终进行对比度增强实现图像的去雾增强效果.实验结果表明,该方法能够有效消除图像去雾过程中出现的失真,提升图像质量,具有较高的实用价值.     

基于自适应雾浓度系数的暗通道先验法能见度测量

针对传统暗通道先验法处理图像计算能见度时,透射率优化计算复杂以及透射率估测准确性差的问题,提出一种引导滤波的改进方法,以灰度图代替RGB图作为引导图,极大地提高了滤波效率。同时,重点分析雾浓度系数ω和图像灰度均值差异对透射率估测准确性的影响,总结出灰度均值的合理范围,提出一种自适应雾浓度系数的新思路。通过构建BP神经网络,以灰度均值及目标区域计算值作为输入,雾浓度系数作为输出,实现了能见度测量系统对于雾浓度系数的自适应修正。将大量图像处理的能见度结果与CJY散射式能见度仪测量结果作比较,二者基本一致,97.1%的相对误差在20%以内,满足能见度测量要求。     

一种基于联合信源信道自适应的不等错误保护方法

针对误码信道和信源编码的统计特性,提出了一种能有效提高基于DCT变换的视频编码码流的抗误码性能的自适应不等错误保护方法.它基于信道误码的反馈信息,选择DCT的量化参数q和信道编码码率,并进行DCT重排和VLC编码,再对数据流进行不等差错保护.通过实验证明,它在高误码信道中性能优于EEP等.     

基于模糊规则的低轨卫星信道自适应估计算法

低轨卫星通信功率控制需要有对信道增益及时的估计,而由于低轨系统链路增益的时变特性使传统的信道估计方法性能受到限制.基于模糊滤波理论,提出一种在功率控制中使用的自适应LMS信道估计算法,根据分析模型和经验数据建立信道增益及其滑动均值大小的模糊集,利用LMS算法调整模糊隶属函数的参数,使算法具有对信道时变特性一定的适应性.仿真结果表明了算法的有效性.     

基于暗通道先验的图像去雾优化算法

暗通道先验算法虽然在单幅图像去雾方面取得了一定的效果,但是该算法运行时间较长,另外对环境光的计算不太准确,不适用于天空区域,会导致复原图像色彩失真、亮度偏暗。针对这些缺陷,本文提出一种改进的White Patch Retinex算法,对原有图像去雾算法进行优化。首先,通过改进的White Patch Retinex算法计算出环境光。其次通过暗通道先验算法获得透射率。最后根据得到的环境光和透射率,求解大气散射模型,从而得到去雾后的图像。实验结果表明,该算法不仅运行时间较短,对分辨率为600×800的图像处理时间平均为5 s左右,且能解决天空区域失真问题,去雾后的图像具有较高的亮度和对比度。     

OFDM系统自适应盲信道估计新方法

基于无线通信OFDM系统信道估计,提出了两种时域自适应盲估计方法。这些方法通过对极性(符号)LMS算法（SLMS）进行改进,改进算法有几方面优点,一是继承了极性LMS算法简单易实现的特性;二是解决了极性LMS收敛速度慢的缺点;最后结合自适应可变步长及步长调整策略,有效地提高了算法的估计性能。仿真给出了误差曲线以及归一化均方误差曲线,结果表明,和基于极性LMS盲估计方法相比,修正极性LMS和时变步长修正极性LMS盲估计方法均具有很快的收敛速度。由于采用了变步长技术,时变步长修正极性LMS盲估计方法具有更好的估计性能。      

一种基于期望最大化的OFDM半盲信道估计算法

提出了一种OFDM半盲信道估计算法。传统的OFDM系统信道估计是依赖于训练序列，但是在无线通信系统中，运用半盲信道估计的性能和灵活性更好。在无线局域网的5GHz频宽的OFDM背景下，利用EM算法仿真，结果表明该算法的SNR与传统训练序列信道估计比较提高了2dB。     

Stable adaptive channel estimation method under impulsive noise environments

Channel estimation is one of the key technologies for ensuring reliable wireless communications under impulsive noise environments. This paper studies robust adaptive channel estimation methods for mitigating harmful impulsive noises, which are described as alpha‐stable (α ‐stable) distribution models. Traditional adaptive channel estimation using the second‐order statistics based least mean square (SOS‐LMS) algorithm does not perform well under α ‐stable noise environments, even though it was considered one of attractive approaches for estimating channels in the case of Gaussian noises. Unlike the traditional SOS‐LMS algorithm, in this research, we propose a stable sign‐function‐based LMS algorithm, which can mitigate the impulsive noises. Specifically, we first construct the cost function with minimum ℓ ₁‐norm error criterion and then derive the updating equation of the proposed algorithm. Compared with the traditional SOS‐LMS, the effectiveness of the proposed algorithm is validated via Monte Carlo simulations in various α ‐stable noise scenarios. Copyright © 2015 John Wiley & Sons, Ltd.