稀疏水声OFDM系统迭代LS自适应信道估计

为了消除水声OFDM系统中噪声对稀疏多径信道估计的影响,提出了基于阈值探测的迭代最小二乘自适应信道估计方法.该方法根据最小方差准则引入加权因子对误差平方进行加权求和,由此导出一个迭代方程进行自适应信道估计.该迭代方程具有计算复杂度低的优点,不会带来大的矩阵运算.在该方法基础上,提出基于阈值探测的稀疏信道估计方法,探测最...     

自适应OFDM系统中基于LS估计的信道预测算法分析

信道预测技术可以为自适应系统提供准确及时的信道状态信息.针对现有的信道预测算法都是假设已知当前及以前的信道信息来预测未来的信道状态信息而忽略信道估计的影响,提出了一种基于LS信道估计的时变多径信道的时域预测方法.该方法采用自适应OFDM系统模型,以当前接收的导频符号序列为观测值进行LS信道估计得到信道的频域值,然后通过IDFT变换到时域,结合AR模型来预测未来信道衰落系数.仿真结果表明,与传统的频域预测算法相比,该算法有效地降低了最小均方误差,能很好地满足自适应OFDM系统中时变多径信道的要求.     

稀疏水声信道的常范数盲均衡高速水下通信

为解决传统的常数模盲均衡算法在高速水下通信中收敛速度慢、稳态误差大的问题,提出了一种基于稀疏水声信道的常范数盲均衡算法.基于浅海及深海汇聚区的稀疏水声特性,将水声信道能量集中的抽头用于迭代,利用常范数的特性,消除了算法计算量及收敛性能之间的影响.通过浅海实验,对比分析了常数模算法等算法4QAM信号、16QAM信号的星座图及收敛误差曲线图.结果表明:基于稀疏水声信道的常范数盲均衡算法的收敛速度优于举数模算法及常数平方和一范数算法,稳态误差降低,提升了水声通信的收敛性能,适用于浅海和深海汇聚区水声通信.     

一种改进的适用于稀疏信道的完全反馈均衡器

为了在稀疏信道下有效地降低传统均衡算法的运算复杂度,在完全反馈均衡器CFE（complete feedback equalizer）之前,利用信道估计器针对稀疏多径信道提出了一种新的低复杂度的多径时延信道估计方法,仅对少量幅值较大的信道抽头做均衡。理论分析与基于实测信道的计算机仿真表明,这种算法通过对多径的跟踪降低了需要估计参数的雏数,从而提高了信道估计器的性能,并且降低了运算的复杂度。     

基于CV-RMMP重构算法的水声稀疏信道估计

多径匹配追踪算法在水声信道稀疏估计中具有较好的估计精度,但该算法需要信道稀疏度的先验信息,且计算复杂度大.本工作提出一种基于交叉验证与正则化相结合的多径匹配追踪算法,将其用于水声信道估计.交叉验证提供算法的停止准则,不需要信道的稀疏度和噪声水平的先验信息,并检查算法是否过拟合,提高了估计的准确性.正则化用来进一步筛选候...     

水声变换域通信技术中的MMP-DCD稀疏信道估计方法

针对带限的水声通信系统在干扰严重的水下环境中性能严重恶化问题,本文将变换域通信系统(TDCS)技术引入水声通信领域,利用水声信道的稀疏特性,提出了一种基于对分坐标下降(DCD)技术的多路径匹配追踪(MMP)稀疏水声信道估计方法,该方法满足约束等距限制(RIP),每次搜索出与残差向量最相关的多个可能的支撑集,而DCD技术可以解决MMP信道估计算法中矩阵求逆带来的运算量大以及数值不稳定问题,特别适用于FPGA等定点硬件平台。研究结果表明:MMP-DCD算法估计所得的水声信道均方误差、误码率性能比最小二乘法好;卷积码编码可以降低该通信系统误码率。     

两种水声信道模型中信噪比估计算法

文章研究了水声信道模型和深海垂直信道的信噪比估计的理论和算法,提出了浅海多径信道模型下的信噪比估计算法.利用接收信号对两种水声信道模型下常用数字调制信号和水声跳频信号的信噪比进行估计,用湖测信道对算法进行了仿真.仿真结果表明在实际信噪比为-10～10 dB时,两种信噪比估计算法的结果均良好,估计的均值和实际信噪比的误差均小于1 dB,算法适应性强,性能稳定.浅海多径信道中算法的估计性能不受多径数目的影响,其估计结果略差于深海垂直信道中的估计结果.     

基于OFDM信号的自适应水声信道估计算法

建立适用于OFDM水声通信信号的信道估计模型, 对MP算法进行改进, 引入路径门限调整机制克服虚假路径造成的不良影响, 通过重要路径权系数的迭代修正降低非正交性引入的估计误差, 以较小计算量取得了与OMP算法相当的估计精度; 针对传统信道估计算法对信道长度信息的依赖问题, 提出了一种信道长度自适应信道估计算法, 该算法能够对信道估计质量进行实时评价, 并根据评价结果实现信道估计算法预估信道长度的自适应调整, 满足未知水声信道精确估计及通信应用的需要; 基于OFDM导频元素个数与信道估计效果的关系研究, 提出了OFDM导频序列自调整的通信方案, 以较小的带宽损失保证了可靠的水声通信. 通过仿真和实地试验, 验证了该文研究内容的有效性.     

基于循环正交序列和广义AIC的信道估计

设计了一种适合多入多出单载波频域均衡(MIMO-SCFDE)系统的循环正交训练序列,并提出相应的时域信道估计算法．利用训练序列理想的自相关性与互相关性,不仅能够抑制天线间的干扰,而且可以有效降低噪声的方差．在得到时域信道估计的基础上,通过广义Akaike信息准则(GAIC)进一步确定各多径时延值并保留有效子径,从而提高了信道估计的精度．稀疏MIMO信道环境下的仿真结果表明,基于循环正交序列和GAIC的算法能够有效地减少噪声对信道估计的影响,显著降低了信道估计的均方误差．     

一种快变信道下OFDM系统的Kalman信道估计算法

针对频率选择性快速时变信道的多径干扰和较大的多普勒频谱扩展,提出了一种改进的Kalman滤波算法。用于正交频分复用（OFDM）系统信道估计．该算法采用复杂度大大降低的低维Kalman滤波来跟踪快速时变信道,迭代联合信道估计与检测算法来获得测量矩阵,并对滤波结果利用一种新的简单的最小均方误差（MMSE）估计器进行优化。有效地降低了传统基于Kalman滤波算法的复杂度．仿真结果表明,该方法能够跟踪信道的快速变化,具有良好的估计性能．     

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.     

一种新的MIMO-OFDM自适应信道估计算法

基于经典的多输入多输出 正交频分复用(MIMO－OFDM)系统离散傅里叶变换(DFT)信道估计方案,提出了一种新的自适应信道参数估计算法,该算法能在一个OFDM导频符号内准确地估计出信道冲激响应、多径时延和噪声方差. 首先通过DFT信道估计得到初步估计值;然后提出了联合估计算法估计出各个接收天线上的噪声方差和多径时延,利用多径时延估计值提取信道初步估计中多径点上的信息,有效去除非多径采样点上的噪声. 仿真和分析表明,相比传统固定多径数目的估计算法,该算法能自适应地跟踪信道噪声能量和多径时延的变化,提高信道估计的精度.     

OFDM系统基于自适应滤波的LS信道估计

针对传统LS信道估计的性能受噪声影响较大的问题,提出一种基于自适应滤波的LS估计算法。该算法在时域采用不同宽度的滑动窗口,对信道能量集中区域的LS估计结果进行自适应滤波。通过仿真分析,将基于自适应滤波的LS算法与LS估计算法、MMSE估计算法在误符号率(SER)方面的性能进行比较,可以发现,基于自适应滤波的LS的信道估计算法是一种高精度、低复杂度的估计算法。     

规范状态空间系统辨识方法

因为状态空间模型既包含了未知状态,又包含了未知参数,且二者是非线性乘积关系,使得辨识问题变得复杂.针对这一问题,详细研究了规范状态空间系统的状态与参数联合估计方法.采用交互估计理论,即采用递推方法或迭代方法实现系统状态与参数的交互估计.基本思路是在计算参数估计时,辨识算法信息向量中的未知状态用其估计值代替,然后利用获得的参数估计,设计基于参数估计的状态观测器或基于参数估计的Kalman滤波算法估计系统的状态,二者形成一个交互计算过程(递阶计算过程).沿着这条思路,分别从递推方案和迭代方案,研究和提出了基于状态观测器和基于Kalman滤波状态估计的随机梯度辨识算法、递推最小二乘辨识算法、多新息随机梯度辨识算法、多新息最小二乘辨识算法,以及模型分解的辨识算法,并给出了几个典型算法的计算步骤、流程图和计算量.     

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

在多输入多输出正交频分复用(MIMO-OFDM)系统中, 信号经过频率选择性衰落的信道后, 在接收端需要进行均衡和相干信号的检测, 故准确的信道估计量必不可少. 传统的信道估计方法均基于信道抽头是密集型的假设, 利用线性重构算法, 如最小二乘(LS)或最小均方误差(MMSE)等, 可以达到Cramer-Rao下界(CRLB). 然而, 通过物理信道测量发现, 在实际通信系统中, 宽带信道抽头分布通常表现出稀疏特性. 通过充分利用信道的稀疏特性, 该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计. 在达到与传统的信道估计方法相同性能的前提下, 基于CoSaMP的信道估计方法以非常小的计算复杂度为代价, 大大减少了导频信号开销, 从而提高了频谱资源利用率.     

两种OFDM多普勒估计算法在水声信道中的比较

为了消除多普勒频偏影响,通过水上实验对两种OFDM（Orthogonal Frequency-Division Multiplexing）水声通信多普勒估计算法进行对比。基于拷贝相关时延差估计的多普勒估计算法结构简单、易于实现;基于空载波的算法较复杂,但精度较高。利用两种方法对相同的实验数据进行多普勒估计和补偿,并对其通信误码率进行对比。研究结果表明,在慢变的信道中两者的误码率基本相同,但在快变的信道中基于空载波的算法更稳定。     

均匀圆阵下单个近场源信号四维参数估计快速算法

针对近场源三维参数估计效率低下及信号源的载波频率估计较少的情况,提出了一种基于均匀圆阵(UCA)的近场源四维参数估计快速算法,利用UCA的中心对称结构构造出两个相关序列,其中一个为利用错位相乘构造的相关序列,使之含有信号源的方位角、俯仰角以及载波的频率信息,而另外一个构造的相关序列则含有信号源的距离参数,这样两个相关序列的相位就包含信号的4-D参数信息.首先对利用错位相乘构造的相关序列利用最小二乘方法给出方位角、俯仰角和频率的估计,然后再利用另一个序列估计出距离参数.仿真结果表明该算法和3-D MUSIC算法性能相当,但由于所提算法无需三维搜索和特征分解,因而计算更加简单利于工程实时实现.     

一种稀疏度自适应超宽带信道估计算法

针对在超宽带信道估计中应用压缩感知理论需要预知信道稀疏度的问题,利用超宽带信道在时域上的稀疏性,将信道估计问题转化为压缩感知理论中的稀疏向量重构问题,提出了稀疏度自适应正则化压缩采样匹配追踪（SARCoSaMP）算法。该算法在压缩采样匹配追踪（CoSaMP）算法的基础上,引入自适应和正则化方法,自动调整所选原子数目,逐步逼近信道稀疏度K,在稀疏度未知的情况下精确地实现信道估计。仿真结果表明,该算法可有效应用于超宽带系统的信道估计,并且其性能明显优于CoSaMP算法和稀疏自适应匹配追踪（SAMP）算法。     

NLOS环境下基于自适应遗传算法的TOA/AOA定位算法

在视距传播(LOS)环境下,波达时间/电波到达角(TOA/AOA)定位算法比TOA算法的定位精度有了进一步的提高,但是在非视距传播(NLOS)环境下,这些定位算法的精度会受到较大影响。为了减小NLOS传播的影响,提出了一种NLOS环境下的TOA/AOA定位算法。利用自适应遗传算法对TOA/AOA混合定位算法中的非线性优化问题进行求解,从而提高系统的定位精度。仿真结果表明,提出的算法在NLOS环境下有较高的定位精度,性能优于Chan算法和LS算法。