一种MIMO-OFDM信道混合估计方法

传统的信道估计方法往往假设多径分量数已知且为常数,粒子滤波算法可估计服从高斯分布的时变信道。实际无线环境中,多径分量数目与幅度皆为时变,则粒子滤波估计方法性能恶化。本文提出基于二进制粒子群算法和卡尔曼滤波的MIMO-OFDM信道混合估计方法。采用随机集建模MIMO信道,并分析得到其多径转移概率模型;基于此模型将信道分解为离散部分和连续部分,推导得到此两部分与整体信道关系;采用二进制粒子群算法拟合信道离散部分,利用卡尔曼滤波估计信道幅度,将利用信道估计计算得到的观测值与真实观测值的近似程度作为适应度函数。仿真结果表明:本文所提出的信道估计方法性能优于基本粒子滤波的信道估计方法。     

基于粒子滤波的MIMO-OFDM时变信道半盲估计

提出一种基于粒子滤波的MIMO-OFDM时变信道半盲估计方法。首先，对粒子滤波算法进行改进，通过对采样粒子分布进行局部优化调整，提出一种局部优化粒子滤波算法。然后，将该粒子滤波算法用于MIMO-OFDM时变信道估计。由于该信道估计过程在频域进行，因而无需已知（或估计）多径信道长度。与现有时变信道半盲估计方法相比，本方法具有估计误差低、对非高斯噪声顽健性强等特点，从而有效改善了接收端的符号检测性。计算机仿真结果证明了本方法的有效性。     

NNISA-PF算法的MIMO-OFDM信道估计应用分析

MIMO-OFDM(多输入多输出—正交频分复用)系统的信道估计问题是系统接收机进行相干解调的关键。针对标准粒子滤波算法在MIMO-OFDM信道估计时存在观测系数不准确和粒子退化等问题,提出了一种基于神经网络的重要性样本调整粒子滤波(NNISA-PF)算法。对MIMO-OFDM通信系统及时变信道进行建模,得到了状态空间模型;详细分析了标准粒子滤波的改进算法——NNISA-PF;在MIMO-OFDM快衰落和慢衰落信道下,对Kalman、Bootstrap和NNISA-PF三种滤波算法分别在AWGN、Middleton-A噪声下的NMSE和BER性能进行了仿真对比分析。仿真结果表明,在快衰落和慢衰落情况下,NNISA-PF算法都可以有效对抗噪声干扰,尤其是在非高斯噪声环境下优势明显;NNISA-PF算法可以较准确地对MIMO-OFDM时变信道进行半盲估计,使MIMO-OFDM技术优势得到充分发挥。与现有的半盲信道估计方法相比,该方法具有估计精度高、对非高斯噪声鲁棒性强等优点。     

一种基于自适应滤波的信道估计优化方法

为了解决无线移动通信 MIMO-OFDM 系统中导频辅助信道估计方法所存在的估计精度问题,提出了一种基于改进 LMS 算法的自适应滤波优化方法。首先使用 LS 算法对信道进行初始估计,然后利用估计结果恢复出原始发送数据,最后通过自适应滤波的方式对信道估计结果进行重新优化得到新的信道估计矩阵,可以获得更优的估计性能。仿真结果表明,提出的改进 LMS 算法相比于基本 LMS 算法具有更快的收敛速度和更好的稳态性能,自适应滤波优化后信道估计性能得到很大提高。     

OFDM时变信道的粒子流滤波估计算法

粒子滤波是一种基于序贯重要性采样原理的蒙特卡罗方法,其重采样步骤将导致“粒子贫化”,传统的基于粒子滤波的OFDM时变信道估计算法精度较低、计算复杂度较高。本文从消除“粒子贫化”角度出发,用粒子流的方法取代了重采样。通过建立微分方程实现贝叶斯估计,采用粒子流将粒子平滑移动到状态空间中的后验分布上,实现从先验粒子到后验粒子的更新,提出了一种基于粒子流滤波的OFDM时变信道估计算法。与基于粒子滤波的信道估计方法相比,本方法计算复杂度低,估计精度高,对环境噪声具有较好鲁棒性。      

宽带MIMO-OFDM系统信道估计算法研究

本文提出了MIMO-OFDM系统中基于LS准则的参数化信道估计方法(LSPCE),推导出其MSE性能的下界并给出一种最优导频序列.为了降低复杂度,本文还提出了一种迭代的算法,它利用有限冲击响应信道的抽头之间的相关性从噪声中提取出信道信息并同时估计出多径时延.仿真和分析表明,相比传统的LS信道估计算法,这种基于参数化的信道估计算法可以大大提高信道估计的精度,接收端的检测性能接近理想信道估计的性能.     

通用滤波多载波通信系统中干扰抑制均衡算法

作为5G多载波技术强有力的候选对象,通用滤波多载波利用子带滤波技术抑制带外功率泄露,进而降低同步要求和获得更高的频谱效率。本文首先针对通用滤波多载波在慢时变多径信道下的性能进行了分析和研究;其次为消除多径信道所带来的干扰,提出了适用于该多载波系统的信道估计方案,该方案设计了具有重复样式的导频结构进行信道估计,复杂度低;最后针对通用滤波多载波在多径信道下容易遭受符号间干扰的问题,提出了基于干扰消除的Zero-Forcing均衡算法和基于迭代干扰消除的均衡算法,两种算法均能够在消除ISI的基础上进一步地消除ICI和IBI。仿真结果表明,本文提出的信道估计和均衡算法能有效消除通用滤波多载波技术在多径信道下所经受的ISI、ICI和IBI。      

MIMO-OFDM信道估计仿真实现

正交频分复用（OFDM）可以有效地将频率选择性衰落信道转化成多个并行平坦衰落信道,从而大大提高传输效率。多输入多输出正交频分复用（MIMO-OFDM）技术可以大幅度地提高无线通信系统的信道容量与传输速率,其信道估计精度对系统性能有着直接的影响。研究了基于导频插入的SISO-OFDM和MIMO-OFDM最小二乘法估计（LS）信道估计方法。采用广义平稳非相关散射下的多径时变瑞利信道模型,对各个算法进行了仿真试验,得出不同算法下信道估计的误比特曲线,比较了各个算法的性能。仿真结果表明：MIMO-OFDMLS算法在误码率性能上优于SISO-OFDM。     

稀疏多径信道环境中MIMO-OFDM系统的IQ不平衡和信道联合估计

该文针对稀疏多径信道环境中的MIMO-OFDM系统所存在的IQ不平衡问题,提出了一种IQ不平衡参数和信道的联合估计方法.推导了联合估计的时域模型,提出了基于l1-l2优化模型和平行坐标下降算法的联合估计算法.仿真结果表明,所提方法与传统的频域最小二乘算法和匹配追踪算法相比,显著提高了系统性能.     

OFDMA上行系统中基于随机集理论的多用户信道估计

针对正交频分多址(OFDMA)上行系统,提出一种基于随机集理论的导频辅助多用户信道估计算法。该算法利用有限随机集合来建模和表示OFDMA上行系统中的用户状态、各用户对应的多径信道状态以及信道冲激响应等未知量,采用贝叶斯滤波理论来描述多用户信道估计问题,通过使用Rao-Blackwellized粒子滤波算法,实现了活动用户数和信道多径数动态变化情况下的多用户时变信道估计。计算机仿真结果证明了该算法的有效性。     

非线性卫星信道下的粒子滤波盲均衡方法

针对卫星信道中高功率放大器产生非线性失真的问题,本文提出了一种基于粒子滤波技术的盲均衡法。该算法优势在于不需要对非线性信道线性化处理,而是利用带权值的离散随机样本点来对期望分布进行近似,通过将非线性模型建模成状态空间模型,对信道参数进行跟踪和符号序列估计。仿真结果表明,算法实现了对放大器非线性幅度和相位特性的粒子滤波估计,并对符号序列进行了盲恢复,在误比特率为 较截断Volterra均衡有1.5 dB左右的性能增益;通过增加粒子数目和平滑长度能一定程度上提高算法性能,但在复杂度与性能折中考虑下,不能无限增加粒子数目。      

Particle filtering based channel estimation in OFDM power line communication

Particle filtering （PF） algorithm has the powerful potential for coping with difficult non-linear and non-Gaussian problems. Aiming at non-linear, non-Gaussian and time-varying characteristics of power line channel, a time-varying channel estimation scheme combined PF algorithm with decision feedback method is proposed. In the proposed scheme, firstly the indoor power line channel is measured using the pseudo-noise （PN） correlation method, and a first-order dynamic autoregressive （AR） model is set up to describe the measured channel, then, the channel states are estimated dynamically from the received signals by exploiting the proposed scheme. Meanwhile, due to the complex noise distribution of power line channel, the performance of channel estimation based on the proposed scheme under the Middleton class A impulsive noise environment is analyzed. Comparisons are made with the channel estimation scheme respectively based on least square （LS）, Kalman filtering （KF） and the proposed algorithm. Simulation indicates that PF algorithm dealing with this power line channel estimation difficult non-linear and non-Gaussian problems performance is superior to those of LS and KF respectively, so the proposed scheme achieves higher estimation accuracy. Therefore, it is confirmed that PF algorithm has its own unique advantage for power line channel estimation.     

基于混合粒子滤波的数字电视系统故障诊断方法

利用高斯状态空间模型和有效的蒙特卡洛方法来处理数字电视系统故障诊断问题,Rao-Black-wellised粒子滤波算法具有较强的针对性。重点讨论了包括离散状态估计和连续状态估计的数字电视系统,并且通过对Rao-Blackwellised粒子滤波算法和标准粒子滤波算法进行仿真对比,得出了前者具有更好性能的结果。     

一种基于导频时频滤波的信道估计方案

针对传统信道估计中,导频容易受到噪声和干扰的污染,从而导致系统性能下降的问题,提出了一种适用于WiMAX系统的导频时频滤波方案.算法简单,易于实现.通过仿真结果证明在不同的信道模型下,此方案能明显地提高系统的性能.     

Blind estimation and detection of space-time trellis coded transmissions over the Rayleigh fading MIMO channel

We present a joint channel estimation and detection method of space-time trellis codes (STTC) in the context of an unknown flat fading multiple-input multiple-output (MIMO) channel. A combined state-space model for the space-time code and the Rayleigh fading MIMO channel is introduced, in order to use deterministic particle filtering at the receiver side. An important feature of the proposed method is that the fading rate need not be known to the receiver. Monte-Carlo simulations show that the performances of the proposed scheme are close to decoding with perfect channel state information (CSI) using the Viterbi algorithm (VA).     

Channel estimation algorithms for cooperative spectrum sensing in amplify‐and‐forward cooperative system

In amplify‐and‐forward (AF)‐based cooperative spectrum sensing system, the bit‐error‐rate (BER) performance and detection probability will decrease because of the existence of channel estimation error. In this paper, the influence of channel estimation error on system performance is firstly deduced, and then, linear minimum mean‐square error (LMMSE) channel estimation algorithm with filtering delay time‐domain windowing (LMMSE‐filtering‐DTW) technique and modified singular value decomposition‐based LMMSE algorithm are proposed to improve the channel estimation performance for code division multiple access system and orthogonal frequency division multiplexing system in AF cooperative scenario, respectively. Simulation results verify the effectiveness of the two proposed channel estimation algorithms in cooperative spectrum sensing, and when E_b/ N₀ is bigger than 20 dB, given the required false alarm probability smaller than 15%, the difference of detection probability between the channel obtained using the proposed channel estimation algorithms and the ideal channel is less than 2.5%, respectively. Copyright © 2012 John Wiley & Sons, Ltd.     

基于RB粒子滤波的多传感器目标跟踪融合算法

构建面向多传感器信息融合系统的粒子滤波(PF)器是拓展采样型非线性滤波应用领域的关键,针对PF在多传感器融合目标跟踪系统的有效实现问题,提出了一种基于Rao-Blackwellized(RB)PF(RB-PF)的多传感器目标融合跟踪(MT-RB-PF)算法。首先,利用RB建模技术实现跟踪系统非线性状态估计的降维处理;其次,结合多传感器融合系统特点,给出一种多量测下粒子权重优化新方法用以改善粒子权重度量的可靠性和稳定性;最终,通过标准PF和卡尔曼滤波(KF)实现非线性和线性状态分量的估计,并利用状态重构方法构建当前时刻的状态估计值。理论分析和仿真实验验证了算法的有效性。