基于向量序列谐波恢复的缓时变频率选择性MIMO无线信道的估计方法

该文研究缓时变频率选择性MIMO无线信道谐波拟合模型参数的估计问题,提出基于向量序列谐波恢复及非线性约束最小二乘法的非盲信道估计方法。与以往采用chirp序列作为训练信号的方法不同,该文采用全序列作为训练信号。仿真结果表明,与采用chirp序列作为训练信号的方法相比,此方法的训练信号容易获得,并且在相同信噪比条件下具有更好的估计精度。     

时变多径MIMO信道中一种带自适应信道追踪的序列检测方法

该文针对时变多径MIMO信道,各MISO子系统首先分别采用混合MLSE(H-MLSE)处理,然后结合-幸存状态选择,提出了一种复杂度可控的、带自适应信道追踪的序列检测方法。与传统的MLSE算法相比,该方法具有3个显著特征：通过参数选择,可实现对算法复杂度的可控调节;通过嵌入的判决导向/LMS(DD/LMS)算法,对各幸存状态转移对应的幸存路径上的信道参数可实现接近零时延追踪;可部分采用并行处理技术来实现。对具有两条多径的2X4 MIMO时变信道通过数值仿真表明：当2时,该方法可获得满意的检测性能。     

一种改进了的OFDM信道估计算法

有较长持续时间的正交频分复用符号对频率选择性衰落有更强的承受能力,但是对于时间选择性衰落则较为敏感,因此信道估计在正交频分复用系统中占有重要的地位.文中对正交频分复用的特点进行了概述,并根据正交频分复用本身的特性、WiMAX帧结构,提出了一种基于导频的信道估计的算法.并在SUI1-SUI6信道环境下,用MATLAB对其性能进行了仿真.仿真结果表明,该算法的抗衰落性能有所提高,且具有一定的灵活性.     

基于FABA-SISO的时变频率选择性衰落信道CPM信号盲均衡

该文针对时变频率选择性衰落信道下高阶连续相位调制(CPM)信号盲均衡中存在的均衡性能较差、复杂度较高以及收敛速度慢等问题,从双向自适应信道均衡的角度出发,将线性调制信号均衡中使用的前后向自适应软输入软输出(FABA-SISO)算法推广,建立一种新的基于FABA-SISO的信道盲均衡方法,并结合逐幸存处理(PSP)思想和Kalman滤波,提出一种适用于高阶CPM信号的自适应盲均衡算法。该算法通过使用FABA-SISO算法,同时利用过去、现在和将来的观察数据进行Kalman滤波信道估计,有效改善了信道估计的精度,同时使用PSP算法来降低系统的复杂度,使得算法具有较好的工程应用性。仿真结果表明所提算法具有良好的盲均衡性能以及收敛性。     

一种基于匹配追踪的OFDM稀疏信道估计算法

针对OFDM系统,利用信道冲激响应的稀疏特性,提出了一种新的OFDM信道估计算法.首先利用匹配追踪思想确定出非零抽头系数的位置,然后再采用最小二乘算法完成对非零系数值的二次估计,从而通过减少信道估计参数的个数降低算法复杂度.在低信噪比和导频数较少情况下,该算法具有良好的归一化均方误差性能,特别是当因信噪比低而引起GAIC算法性能恶化的时候,新算法具有更好的稳健性.仿真结果验证了算法的有效性.     

频率选择性MIMO信道下的网格退化辅助检测

将应用于平坦衰落相关信道下的网格退化(LR, lattice reduction)算法推广到频率选择性衰落信道中.给出了在频率选择性衰落的相关信道中,采用网格退化算法辅助检测前后最小均方误差(MMSE)检测器的性能比较.实验表明:在具有频率选择性衰落的相关信道中,采用网格退化辅助检测算法能显著地提高系统的检测性能.     

一种基于CDMA2000反向信道捕获的可实现算法

本文对CDMA2000系统中反向信道的特点进行了分析,为适应其快速捕获的要求,给出了一种适用于该系统的快速捕获算法。并通过在仿真工具所提供的集成仿真环境中,分别在AWGN信道、瑞利衰落信道条件下对该算法进行了仿真,给出了仿真结果。     

MIMO系统中改进的天线选择算法

递减和递增的天线选择算法,在保证系统容量的同时可以极大降低MIMo系统中选择天线时的计算量.但在天线规模较大时,上述两种选择天线时的计算量仍较大.文章提出一种基于信道矩阵特征空间的范数算法,仿真表明:相对于最优算法(穷举算法)和次优算法(递增或者递减算法),该算法能在损失较少容量的同时,极大地减少系统天线选择的计算时间.     

基于控制分组收集的数据信道调度算法

在OBS网络中,核心节点的调度算法是影响网络交换性能的重要因素.如何有效地对数据突发(Data Burst)分组进行合理调度,提高信道利用率,减少丢包率是关键问题所在.在讨论了两种数据信道调度算法的基础上提出了一种BHP收集调度算法,该算法在一个收集周期内对到达的多个BHP所对应的突发数据进行集中调度,从而达到合理调度.仿真结果表明BHP收集调度算法比其他两种算法的突发丢失率性能都要好.     

基于统计信道信息的MIMO OFDM系统发射功率最小化研究

提出了一种利用MIMO的统计信道信息进行自适应调制的方法,并进行了仿真.该方法采用Alamouti空时编码、自适应波束成形和自适应比特和功率分配,在保证误码率和恒定传输速率的条件下使发射功率最小.仿真结果显示,该方法显著降低了系统的发射功率.     

MIMO-OFDM时变信道修正KALMAN跟踪

研究了在多输入多输出正交频分复用系统(MIMO-OFDM)中，时变信道的跟踪。在实际的通信系统中，接收端并不知道基站与移动台的相对运动速度，就不能得知时变信道多普勒频移的值，也就不知道时变信道构成的状态矢量的转移系数。普通的KALMAN跟踪算法，只能在假定的状态转移系数下对时变信道进行跟踪。本文提出的修正KALMAN滤波，能够同时跟踪时变信道以及时变信道构成的状态矢量的转移系数。     

基于Kalman滤波跟踪的MIMO-OFDM半盲信道估计

为克服常用的最小均方(LS)估计算法误差平底较高,且需要占用大量导频资源跟踪时变信道的缺点,提出一种基于Kalman滤波跟踪的MIMO-OFDM半盲的信道估计算法,该算法在采用少量导频的前提下,建立参数化信道模型,采用自适应Kalman滤波技术跟踪时变信道状态信息。仿真表明:该算法能很好地跟踪时变信道状态,显著降低多普勒频移条件下估计的均方误差。     

一种基于卡尔曼滤波及粒子滤波的目标跟踪算法

针对卡尔曼跟踪算法在非线性非高斯情况下跟踪结果不再准确,以及粒子滤波跟踪算法计算量大难以满足实时性的缺陷,提出了卡尔曼滤波及粒子滤波相结合的算法。利用卡尔曼滤波进行跟踪得到候选目标并计算目标模型与候选模型的匹配程度,若与目标模型匹配度小于一定阈值,则转换跟踪方式利用粒子滤波进行跟踪来修正卡尔曼滤波结果;同时,采用"模板缓冲区法"对目标模型进行更新以保证跟踪的连续性、稳定性及准确性。实验结果表明,这种跟踪算法既发挥了卡尔曼滤波的实时性又保持了粒子滤波的准确性,有较好的跟踪性能。     

基于逻辑切换的改进强跟踪卡尔曼滤波器

针对线性随机系统提出了一种改进强跟踪卡尔曼滤波器(MSTKF).通过改变强跟踪滤波器的多重时变渐消因子,MSTKF在卡尔曼滤波和强跟踪滤波两种工作状态之间切换.当卡尔曼滤波不能有效跟踪突变状态时,MSTKF切换为可变弱化因子的强跟踪滤波.数值仿真实例显示了本方法的有效性.     

认知MIMO系统中改进的干扰信道学习算法

针对认知MIMO系统中认知用户获知干扰信道的问题,提出了一种改进的盲信道学习算法。该算法用循环雅可比方法估计干扰信道矩阵的零空间,其参数是利用主用户的功率控制机制,通过二分搜索法获得。然后以抑制认知用户对主用户的干扰为目标,提出在学习过程中动态调整二分搜索精度的方法来改善算法收敛性能。理论分析和仿真结果表明,所提算法比BNSL算法收敛速度明显加快,信道学习过程中对主用户的干扰有明显改善。      

基于自适应修正UKF算法的网络多平台无源定位跟踪系统

针对传统网络多平台机载无源定位跟踪存在作战区域有限,精度低,易出现盲点等缺点,提出了在多平台时差算法的基础上引入一种自适应修正的无迹卡尔曼滤波算法进行机载无源定位跟踪。考虑不同的作战环境,对模型进行了推导和分析,采用不同的算法对模糊、无解问题中出现的奇异点进行了滤波结果比较。证实使用该自适应修正无迹卡尔曼滤波算法进行定位跟踪时,降低了奇异点给系统带来的影响,有效的提高了定位跟踪的精度与稳定性,扩大了机载多平台的协同作战的任务范围。     

Tracking Performance of Least Squares MIMO Channel Estimation Algorithm

In this paper, the tracking performance analysis of the least squares (LS) multiple-input multiple-output (MIMO) channel estimation and tracking algorithm is presented. MIMO channel estimation is a novel application of the LS algorithm that presents near-optimum performance by Karami and Shiva in 2003 and 2006. In this paper, the mean square error (MSE) of tracking of the LS MIMO channel estimator algorithm is derived as a closed-form function of the Doppler shift, forgetting factor, channel rank, and the length of training sequences. In the analysis, all training symbols are considered as randomly generated equal-power vectors on the unit circle, or in other words, phase-shift keying (PSK) signaling. By evaluating this function, some insights into the tracking behavior of the LS MIMO channel estimator are achieved. Then, the calculated tracking error is compared with the tracking error derived from Monte Carlo simulation for quaternary-PSK-based training signals to verify the validation of the presented analysis. Finally, the optimum forgetting factor is derived to minimize the error function, and it is shown that the optimum forgetting factor is highly dependent on the training length, Doppler shift, and E_b/N_o. Also, it is concluded that in low E_b/N_o values, the number of transmitter antennas has negligible effect on the optimal value of the forgetting factor.     

基于Camshift与卡尔曼滤波算法的动态目标跟踪

提出了一种结合连续自适应均值漂移(Camshift)与卡尔曼(Kalman)滤波的目标跟踪算法,针对目标受干扰情况,对两种算法的跟踪结果进行线性的加权,从而得到目标的最终位置。实验结果显示,该方法具有良好的目标跟踪效果,且具有很强的稳健性。     

基于卡尔曼粒子滤波的目标跟踪算法

目标跟踪在计算机视觉领域有着重要的应用。文中在对运动目标跟踪算法进行研究之后,应用卡尔曼粒子滤波算法进行运动目标的跟踪,同时利用Matlab 对卡尔曼滤波算法、粒子滤波算法及卡尔曼粒子滤波算法进行了实验仿真。实验结果表明,运用卡尔曼粒子滤波算法能够更快、更准确地对运动目标进行跟踪,可将其广泛应用于目标跟踪中。