基于空间迭代的信道估计和译码联合算法*

为了提高MIMO+OFDM系统在信道信息估计不准确时的译码性能,提出了一种基于SAGE（空间交替期望最大）算法的信道估计和MIMO译码联合算法。具体方法是：将发送的子帧分成若干个子块,第一个子块为导频子块,为第二个子块的译码提供信道信息;译码时对第二个子块进行内部的参数循环估计,完成该子块的译码后,解出该子块的信道信息,并将其作为下一子块译码的信道参数,依次完成所有子块的译码。经过仿真验证,该算法的性能优于LMMSE信道估计＋ML译码算法的性能,运算复杂度低于EM算法。基于SAGE算法的信道估计和检测联     

TD-SCDMA上行失步条件下一种改进的多用户检测算法

针对TD-SCDMA上行失步及强多址干扰的情况,设计了一种二级信道估计算法以及基于该信道估计算法的解相关干扰消除多用户检测算法。二级信道估计算法可以得到各接入用户主径的幅度以及时延,多用户检测算法根据信道估计的结果对接收数据进行解相关检测以及干扰消除。仿真结果表明,上行失步和强多址干扰情况下,该改进算法的误码率性能较传统的匹配滤波、联合检测以及解相关算法有较大的提升。     

合作SCC系统的总LS信号检测方法

为了克服已有信道估计算法无法及时跟踪信道变化的缺陷,在合作OFDM系统中引入了总LS（Total Least Squares,TLS）信号检测方法来实现信道状态信息估计。TLS方法同时考虑了信道噪声和信道时变特性,能够对信道和信号的变化同时进行跟踪估计。因为充分考虑了信道的时变性,且复杂度较低、收敛速度较快,所以在高速移动通信环境下,TLS方法能够很好地估计信道信息。仿真结果表明,与传统的LS法和ML法相比,该算法在改善误码性能方面优势明显。     

基于叠加训练序列的MIMO信道估计算法

针对提高无线信道的传输性能,提出了改进的基于叠加训练序列的MIMO信道估计算法。利用训练序列与信息序列的不相关特性,在没有带宽损失的情况下初步估计出信道参数;然后利用加权因子对信道参数在相邻信号段之间进行加权平均,得到最终的信道参数。与以往的叠加训练序列估计方法比较,利用算法具有更低的估计均方误差,且适用于时变信道。通过计算机仿真结果表明,估计方法提高了信道传输精度和性能。     

一种改进的MIMO-OFDM系统频域信道估计和跟踪方案

深入研究了MIMO-OFDM系统中的频域信道估计和跟踪算法．在分析比较了现有频域信道估计算法的基础上,提出了一种有效的改进频域信道估计和跟踪方案．该方案利用基于正交训练符号的算法求得初始信道估计值,利用信道估计和信号检测的联合迭代算法来跟踪随时间变化的信道参数．在典型的室内传输环境下对三种频域信道估计和跟踪方案进行了仿真比较,结果表明,本文所提方案在较低的迭代次数下就可以带来明显的性能改善．     

一种基于EM-MAP的联合CFO双选信道估计算法

针对在双选信道下OFDM系统需要同时获取精确的载波偏移和信道状态信息, 而采用贝叶斯MAP算法进行联合载波频率偏移和信道状态估计复杂度过高的问题, 提出一种基于EM-MAP的联合CFO双选信道估计算法。首先利用基扩展模型解决信道状态由于快时变带来的可辨识问题, 然后引入期望最大化(EM)算法对系统的载波频偏和信道状态信息进行联合估计, 避免大规模的矩阵求逆, 降低算法复杂度。仿真结果表明, 该方法能获取与MAP算法相当的估计性能, 且大幅度降低了复杂度, 有效地解决了双选信道下进行联合估计复杂度过高的问题, 具有很好的实用性。     

MIMO-OFDM系统空间相关性迭代信道估计算法

针对受到噪声干扰及多普勒效应等因素影响的多输入多输出（Multi-Input Multi-Output,MIMO）正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）无线系统信道估计问题,提出了一种有效的空间相关性迭代信道估计算法（SCICE）。SCICE利用同步符号与协议数据单元中的前置训练序列和中置训练序列,对信道的空间相关性进行估计,数据信息根据该信道相关性信息得到初始的信道估计值,接收端根据信道估计值进行数据符号检测,并将这些信息作为已知信息,以迭代的方式逐渐减小因空间相关性导致的信道估计误差,进而提高信道估计的准确性。与现有迭代信道估计算法的性能比较表明了提出的SCICE算法在瑞利衰落信道以及不同调制方式下具有更好的信道估计均方差与误码率性能。     

OFDM系统中有效信道长度跟踪方案*

为获得更为精确的有效信道长度,在分析最大似然（ML）信道估计算法对有效信道长度具有依赖性的基础上,提出将粗搜索策略与逐次插值逼近法相结合的有效信道长度跟踪方案,跟踪信道长度的变化。理论分析和仿真结果表明,在时变信道环境下,该算法可以有效跟踪信道长度的变化,提高ML信道估计器的估计性能。     

无人机OFDM数据链路中信道估计算法研究

针对无人机信道的特点,以及采用正交频分复用技术进行无人机数据链路传输的优点.在对OFDM关键技术信道估计进行研究时,要确保接收端能够准确的检测出由于无线信道变化造成的码间干扰,准确的解调出原信号.根据系统需要设计了梳状导频和块状导频联合的导频插入方式,该方式可以在数据传输和信道估计性能上做到折中,并对常用的信道估计算法进行分析研究提出了改进的最小均方误差信道估计算法,最后建立频率选择性信道模型对不同的信道估计算法进行仿真,分析仿真结果可以看出该导频插入方式和信道估计算法具有较低的复杂度,而且又具有良好的信道估计性能,适合在实际系统中应用.     

OFDM系统中基于因子图的信道估计算法

为提高正交频分复用(OFDM)系统的信道估计精度,根据频谱资源的无陑信道特性,提出基于因子图的 OFDM 系统信道估计算法,包括二维联合信道估计算法和2个级联的一维信道估计算法。将时变频率选择性衰落信道建模为一阶自回归模型,使信道参数之间的交互信息近似为高斯分布,利用和积算法实现OFDM系统的联合信道估计和符号检测。仿真结果表明,该信道估计算法能够以较低的计算复杂度逼近最优的估计性能。     

基于压缩感知的MIMO-OFDM信道估计中的导频设计方案

多输入多输出-正交频分复用(Multiple input multiple output-orthogonal frequency division multiplexing,MIMO-OFDM)系统作为MIMO系统和OFDM系统的结合,具有很高的频带利用率并能有效地对抗无线信道的多径效应。本文研究了MIMO-OFDM系统稀疏信道估计及其导频优化,将信道估计问题转化为压缩感知(Compressed sensing,CS)理论中的稀疏信号重建问题,将最小化测量矩阵的互相关作为导频优化的目标。结合已有的随机序贯搜索(Stochastic sequential search,SSS)和扩展算法2(Extension scheme 2,ES2)算法以及导频移位机制,提出了一种快速的导频优化算法随机搜索移位算法(Stochastic sequential search-shift mechanism,SSS-SM)。此算法的运算复杂度远低于已有的ES2算法,运算时间不受发射天线数影响。将SSS-SM算法和ES2算法分别获得的导频设计结果应用于MIMO-OFDM系统的信道估计,仿真结果表明,采用SSS-SM算法可以更低的算法复杂度获得与ES2算法相同的信道估计性能;高信噪比情况下,SSS-SM算法对应的均方误差(Mean square error,MSE)比ES2平均低约3~5 dB,因此这种方法在高信噪比下更有优势。     

MIMO-OFDM系统抗干扰信道估计算法

提出一种抗干扰信道估计(AICE)算法用于解决MIMO-OFDM系统信道估计问题。该算法在接收端通过对收到的累加信号进行分解,得到来自不同发射天线的信号,通过消除符号间干扰与子载波间干扰及采用期望值最大迭代算法进行信道估计来减小估计误差,提高信道估计的准确性。与ICE算法的性能比较证明了AICE算法在瑞利衰落信道下具有更好的信道估计均方误差及误比特率性能。     

Optimal channel estimation and interference cancellation in MIMO-OFDM system using MN-based improved AMO model

In recent years, MIMO-OFDM plays a significant role due to its high-speed transmission rate. Various research studies have been carried out regarding the channel estimation to obtain optimal output without affecting the system performances. But due to increased bit error rate achieving optimal channel estimation is considered as a challenging task. Therefore, this paper proposes the modified Newton’s (MN)-based Improved Animal Migration Optimization (IAMO) algorithm in MIMO-OFDM system. The significant objective of this proposed approach involves the minimization of bit error rate and to enhance the system performance. In this paper, a modified Newton’s method is utilized to determine the discover capability and to speed up the convergence rate thereby obtaining the optimum search space positions. In addition to this, the proposed method is utilized to restrict the interference in the MIMO-OFDM systems. Finally, the performance of the proposed method is compared with other channel estimation methods to determine the effectiveness of the system. The experimental and comparative analyses are carried out, and the results demonstrate that the proposed approach provides better frequency-selective channels than other state-of-the-art methods .

     

基于叠加训练序列的MIMO-OFDM信道估计

为提高无线信道的传输性能,提出了改进的基于ST技术的MIMO-OFDM系统信道估计的训练序列算法。利用训练序列与信息序列的不相关性,估计出信道参数。即使在存在通道失配误差和通道的量化误差的情况下,用有量化的反馈的基于信道估计的训练序列也能改进系统的性能,信道采用10 bit的量化器就能满足一般性能要求。讨论了使用信道互信息最大化的最优导频序列的设计。     

MIMO-OFDM系统中基于小波包的信道估计方法

对多输入多输出-正交频分复用(MIMO-OFDM)系统中基于导频辅助的最小二乘(LS)信道估计算法进行研究,针对LS算法对噪声影响比较敏感的缺点,提出了一种基于小波包去噪的信道估计方法,对导频符号的信道响应进行去噪处理后,再做内插估计.根据该方法的思想,基于长期演进(LTE)协议进行计算机仿真与分析,结果表明该方法比传统的LS估计算法具有更好的性能,能够有效减小信道噪声的影响,提高信道估计精度.     

基于叠加训练序列的MIMO-OFDM信道估计

为实现多输入多输出(MIMO)-正交频分复用(OFDM)系统相干检测,提出一种新的基于叠加正交训练序列的MIMO-OFDM信道估计.详细证明了算法的估计准则并说明了训练序列的构造.通过叠加与信息序列不相关的正交训练序列,快速有效地估计出信道的冲激响应,同时使得最小均方误差达到最小值.与最小二乘法比,该算法避免了复杂的矩阵求逆运算,降低了运算量,且通过叠加训练序列,没有带宽损失.通过计算机仿真证明了算法的有效性及高性能.     

一种MIMO-OFDM系统的信道估计算法

导频辅助的最小平方（LS）算法是MIMO—OFDM系统中常用的信道估计方法,特点是易于实现,但精度不高。基于最小均方误差（MMSE）的信道估计算法性能较好,但复杂度高,难以实现。提出了一种基于离散傅里叶变换（DFT）的信道估计算法,首先将LS信道估计循环前缀长度以外的时域响应值置零,然后选择重要路径,再通过计算参考导频的相位偏移量来进行补偿,最终实现信道的估计。算法能够满足一定的估计精度,且便于实现。仿真数据证明了算法的有效性。     

基于梯度追踪的MIMO-OFDM稀疏信道估计算法

现有的压缩感知MIMO-OFDM信道估计方法多采用正交匹配追踪算法及其改进的算法。针对该类算法重构大规模的数据存在计算复杂度高、存储量大等问题,提出了基于梯度追踪算法的MIMO-OFDM 稀疏信道估计方法。梯度追踪算法采用最速下降法对目标函数解最优解,即每步迭代时计算目标函数的搜索方向和搜索步长,并以此选择原子得到每次迭代重构值的最优解。本文使用梯度追踪算法对信道进行估计,并与传统的最小二乘估计算法、正交匹配追踪算法的性能和计算复杂度进行比较。仿真结果表明,梯度追踪算法能够保证较好的估计效果,减少了导频开销,降低了运算复杂度,提高了重构效率。     

一种子空间分解的MIMO-OFDM半盲信道估计方法

信道估计是MIMO-OFDM系统实现优良传输的一项重要环节。半盲信道估计算法是将MIMO-OFDM信道矩阵进行分解,分别利用未知数据和已知导频信息来完成信道估计。在利用未知数据进行估计时,提出一种利用频域子载波分组的子空间分解方法,不仅降低了计算复杂度,而且同时提高了信道估计的精度。利用已知的导频信息和未知数据估计出来的结果,可以求得最后的信道矩阵。相对于传统的频域子空间分解的半盲估计方法,算法可以减小计算复杂度80%,同时提高了估计精度平均1～2dB。仿真结果证明了算法具有良好的性能表现。