一种基于改进LMS算法的MIMO-OFDM信道估计方法

最小均方(LMS)算法是一种典型的自适应滤波算法,基于该算法的信道估计算法具有不需要已知信道和噪声统计信息的特点,但是其收敛速度较慢。为此,提出一种基于改进LMS算法的MIMO-OFDM信道估计方法,该方法人为地引入一个时延,即将LMS算法固定自适应步长由随着输入信号功率自适应变化的收敛因子替代,大大降低了收敛时间,具有较好的信道估计性能。     

MIMO系统自适应均衡算法研究

MIMO信道为频率选择性信道,由于时延扩展而存在色散,因此研究MIMO系统的自适应均衡技术显得尤为重要.通过对自适应均衡技术的两种主要的算法最小均方(LMS)算法和递归最小二乘(RLS)算法的研究可以看出,在不同的步长因子及遗忘因子等参数变化情况下,LMS算法的收敛速度较慢,但均衡简单易实现,RLS算法收敛速度较快,但迭代运算较复杂.结合二者的特点提出了在MIMO系统中引入改进的最小均方算法,即归一化最小均方(NLMS)算法.仿真实验对比表明NLMS算法的计算量与LMS相当,但收敛条件简单,易实现,收敛速度较快,有很实际的应用价值.     

基于新拟牛顿法的自适应均衡技术

为了解决现代通信信道的码间干扰问题,提出了一种基于新拟牛顿法的自适应均衡算法,该算法用对称正定Hesse矩阵代替传统LMS/Newton法自相关矩阵的逆估计,克服了传统自相关矩阵估计误差对算法收敛性能的影响.信道均衡仿真结果表明,该算法具有较快的收敛速度和较低的误码率.     

仿射投影算法收敛特性随机统计特性的研究

仿射投影算法利用多个输入向量估计自适应滤波器的迭代方向,获得了比较快的收敛速度。在不考虑系统测量噪声的条件下,参数迭代步长等于1,仿射投影算法获得了最快的收敛速度。在此条件下,研究了仿射投影算法收敛性的随机统计特性,分析了仿射投影算法权值误差和权值均方误差的递归迭代方程,获得了仿射投影算法稳定状态的误差。     

改进的变步长自适应滤波及Eckart加权抑噪算法

针对已有的变步长自适应滤波算法对噪声干扰敏感的问题,提出改进的变步长最小均方误差自适应算法,该算法对误差的自相关时间均值估计做遗忘加权补偿,并改步长因子固定范围约束为动态变化约束,一方面克服了单纯采用自相关时间均值估计调整步长所导致的步长因子快速衰减,获得了较快的收敛速度;另一方面相比基于Sigmoid函数的变步长算法,具有更平滑的步长变化和更低的稳态失调噪声.在改进算法中引入Eckart加权进一步抑制了自适应滤波器权系数伪峰,采用滑动窗遗忘加权降低了计算复杂度.将新算法及其Eckart加权应用于自适应时延估计仿真实验,结果表明：相比于已有的2种参数固定条件下的变步长自适应滤波算法,改进算法获得了更好的高斯噪声和突变噪声干扰下的时变时延跟踪性能.     

多用户检测中基于导频信道的自适应算法

提出了一种新的、 适用于多用户检测的自适应算法, 这种基于导频信道的自适应算法(PCA)利用导频信道的信息直接计算横向滤波器的权矢量, 与传统的自适应算法和盲自适应算法相比, 不需要训练序列或信道估计, 而且计算复杂度只有O(N²).分析和仿真表明, PCA能全局收敛到Wiener解, 收敛速度快, 稳态性能随导频信道的发射功率增加而提高, 但比传统的判决引导递归最小二乘算法(DD-RLS)的稳态性能差.     

基于LMS算法的自适应均衡器的MATLAB实现

介绍了基于最小均方算法(LMS算法)的自适应均衡器的原理和结构，针对用硬件实现LMS算法的自适应均衡器存在的诸多缺点，利用MATLAB工具对各种结构形式的自适应均衡器在不同信道模型下的收敛速度和精度进行仿真，并介绍了该仿真程序。     

脉冲噪声下基于非线性函数的分数时延估计方法

针对现有的自适应分数时延估计方法在脉冲噪声下性能退化问题,提出一种新的基于非线性函数的分数时延估计算法。该算法在tanh函数基础上引入调节因子MED构成新的非线性函数,然后将新非线性函数和Lagrange插值滤波器相结合,实现脉冲噪声下分数时延自适应估计。该算法无需知道噪声的先验信息,且仿真实验结果表明,相较现有方法,该算法在低混合信噪比和高脉冲噪声环境下的分数时延估计稳态均方误差更小。     

基于归一化最小均方算法的自适应核RBFNN

为了使自适应核径向基函数神经网络(RBFNN)有更好的收敛速度和稳态误差,提出了以归一化最小均方为学习算法对自适应核RBFNN进行优化的方法。在梯度下降算法的基础上,通过一个可变的步长因子,对归一化最小均方(NLMS)算法进行推导,并将其作为学习算法对自适应核RBFNN的权系数及偏差进行更新训练。在非线性系统辨识及模式分类中的仿真实验结果表明,使用NLMS学习算法训练自适应核RBFNN相较于其他学习算法下的自适应核RBFNN,具有更快的收敛速度及相对较小的稳态误差。     

用于MMSE合并的受约束LMS算法分析

建立了受约束最小均方(LMS)算法,实现正交频分复用(OFDM)系统中分集信号的自适应最优(MMSE准则)合并,解决了输入信号高度相关时传统自适应算法的收敛速度问题．对接收到的分集信号进行变换,使其具有相同的期望响应,然后并行送入自适应滤波器,在给定的约束条件下,完成分集信号的自适应最优合并．推导出的解析式表明,算法的收敛性能与输入信号的自相关矩阵无关,完全由归一化的步长参数控制．     

基于内插的快衰落MIMO OFDM信道估计

为了解决快衰落条件下多输入多输出（MIMO）正交频分复用（OFDM）系统的信道估计问题，根据MIMO OFDM的时变信号模型，提出了一种基于内插和导频辅助的快衰弱信道估计方法，讨论了进行有效信道估计的必要条件，得到了对导频矩阵的要求.本算法不约束信道为静态或准静态，能够有效地估计出在一个OFDM符号持续时间中发生变化的信道参数，并且具有良好的均方误差性能.计算机仿真表明了这一信道估计方法的有效性.     

改进的凸组合最小均方算法

凸组合最小均方（CLMS）算法能够克服传统最小均方算法收敛速率、跟踪性能和稳态误差之间的矛盾. 但传统CLMS算法使用最速下降法推导参数导致其搜索路径呈“之”字形而使收敛速率变慢,为了解决这个问题,采用共轭梯度法实现参数的更新,同时使用双曲正切函数拟合Sigmoid函数来降低算法的运算复杂度. 为进一步提高算法性能,在所设计的基础上附加瞬时转移结构实现优化. 仿真结果证明,改进算法与传统CLMS、变步长CLMS相比,在噪声、相关信号输入以及非平稳环境下能够保持较好的均方性能和跟踪性能.     

Novel Channel Estimation Method in Broadband MIMO-OFDM Systems

A least square （IS） parametric channel estimation method in broadband mt/ltiple input multiple output （MIMO） orthogonal frequency division multiplexing （OFDM） systems is proposed. The mean square error （MSE） performance using optimal training pilots is also given, which proves the method can improve the estimation precision greatly in sparse channel.. Since such method needs the multi-path time delays information of the channel, the probabilistic data association （PDA） method is employed to estimate the time delay of each path. Simulation results show that both the bit error rate （BER） and the MSE performance of the proposed method are better than the traditional LS channel estimation method.     

基于场景的焦平面阵列非均匀性校正算法研究

为了克服基于传统神经网络法的红外焦平面阵列(IRFPA)非均匀性校正算法收敛速度慢和校正精度不高的缺点，提出了一种新的基于场景的IRFPA非均匀性校正算法.该算法利用校正误差的均方值和增益因子的均值包含的信息，提出了一种新的误差函数，并将误差函数作为目标函数，利用最陡下降法，得到计算增益校正因子和偏移量校正因子的迭代公式.在迭代运算中，设计了一个自适应步长因子来代替传统迭代公式中常量步长因子，最终得到了有较高运算效率的IRFPA非均匀性校正算法.对模拟的红外非均匀性图像序列进行了校正，并分析了算法性能曲线和校正结果，发现本文算法与传统神经网络法相比具有更好的校正效果和更快的收敛速度.     

基于改进PLS和PLS_ZP算法的卫星移动通信信道估计

针对传统最小平方(least square,LS)算法和基于离散傅里叶变换(discrete Fourier transform,DFT)的信道估计算法不能有效提高宽带卫星移动信道的传输性能这一问题,提出改进的基于功率判决的LS估计算法(简称PLS)和PLS补零插值算法(简称PLS_ZP).PLS算法在基于DFT估计算法的基础上,利用宽带卫星移动信道的衰落特性,通过对有效抽头数的限制设定功率阈值,抑制有效抽头外的噪声;PLS_ZP算法利用时域补零等效频域内插的原理对原频域插值算法进行改进,充分利用所有已估计导频信息.理论分析和仿真结果表明,与传统信道估计算法相比,PLS和PLS_ZP算法的信道估计均方误差(mean square error,MSE)和误比特率(bit error rate,BER)均有一定程度的提升,且算法复杂度较低,易于硬件实现.     

V-BLAST系统中基于子空间跟踪的自适应连续干扰消除接收机设计

V-BLAST系统中,当存在信道估计误差时,基于最小均方误差(MMSE)的传统连续干扰消除(SIC)检测器检测性能较差,同时运算量也相对较高。针对这些缺陷,通过利用子空间跟踪算法和Hermitian矩阵扰动理论,提出一种新的自适应混合SIC检测算法及其对应的最优检测顺序。最后的模拟结果显示这种算法不仅提高了检测性能,同时对信道估计误差也有一定的免疫性。     

粒子群优化协同克里金法在确定山地斜坡土层厚度中的应用

克里金法是广泛应用的空间插值方法,但仅考虑单一因素的普通克里金法在确定山地斜坡土层厚度中存在较大误差。针对普通克里金法中的不足之处,提出了一种确定土层厚度的基于粒子群优化的协同克里金法。该方法首先用粒子群优化算法拟合半变异函数,然后将该函数用于以高程值作为辅助变量的协同克里金法中,并根据均方根误差来评价土层厚度的不确定性。将该方法应用于重庆万盛某边坡土层厚度的确定,通过交叉验证,结果表明：与普通克里金插值法相比较,考虑高程的协同克里金法插值的均方根误差降低了39.32%;基于粒子群优化的普通克里金法和协同克里金法的均方根误差分别降低了28.79%和48.45%。基于粒子群优化的协同克里金插值法对提高土层厚度的插值精度有较大作用。     

基于小波变换的电能质量监测

针对噪声系数的幅度随着尺度增加而减小的特点,提出了一种改进的基于小波分解层数的波段自适应降噪算法.利用Matlab仿真软件建立了电压暂降的系统模型,运用小波分析的方法对污染白噪声的电压暂降信号进行了时频分析和降噪处理,分析了软硬阈值降噪方法.实验结果表明,该方法通过调整两个可调参数获得较优的小波系数阈值估计,与常见的三种典型算法相比不仅较好地去除了噪声干扰,且信噪比更高,均方误差更小,同时具有更优的信息保全能力.