基于MUSIC算法的OFDM系统参数盲估计仿真研究

在介绍正交频分复用（OFDM）技术基本原理和基本接收模型的基础上,提出将空间谱估计中的多重信号分类（MUSIC）算法应用到OFDM系统参数盲估计中。经过MATLAB实验仿真表明,在没有信号先验知识的情况下,此算法对信噪比较低的仿真OFDM信号和实际802.11a信号均能有效估计出其子载波个数和发射端作傅立叶反变换的点数。     

基于BP神经网络的混合定位算法

为弥补独立采用GPS或基于基站定位方法的不足,并消除非视距传播的影响,提出一种基于BP神经网络的混合定位算法。利用BP神经网络对到达时间差(TDOA)和GPS测量值中的非视距传播误差进行修正,使用TDOA/GPS算法进行定位。仿真结果表明,在单独使用TDOA或GPS方法无法定位时,该算法能够实现移动台的精确定位。     

OFDM中程水声通信系统仿真及实验

正交频分复用（OFDM）技术具有抗多释、频带利用充分、传输数据率高的优点,存水声通信中具有重要的发展前景。但是目前的相关研究多集中在几百米到几千米的近程水声通信,随着传输距离的增加,信道条件恶劣,多径、多普勒频移影响加剧,需要设计相应的OFDM系统并采取有效手段改善系统性能。该文综合分析了10公里距离水声通信的影响因素,设计出相应OFDM系统和合理系统参数,仿真了系统对信道、多普勒影响的校正,并给出湖试结果。分析表明该系统性能可靠,传输数据率高。     

一种基于模糊BP神经网络的TDOA定位算法

提出了一种以TDOA量测作为网络输入,定位目标三维空间坐标估计值作为网络输出的模糊BP神经网络定位算法。描述了基于模糊神经网络进行定位的模型结构以及关于BP神经网络待调整参数的递归学习算法。通过仿真实验,分析了输入层节点数目和模糊If-then规则数目对定位精度的影响并将提出的算法与CRLB进行了比较。     

OFDM系统中联合抑制ICI的算法

针对正交频分复用（OFDM）系统中由频率偏移引起的子载波间干扰（ICI）的问题,提出了一种基于对称子载波的ICI自消除算法。该算法将互为相反数的发送符号映射到对称的子载波上,并在接收端将解调信号进行线性组合。为了进一步降低ICI,将基于对称子载波的ICI自消除算法与时域加窗相结合,即在发送数据符号之前,与升余弦函数相乘。对算法进行仿真实验,相对于相邻符号自消除算法,该算法减小了子载波间的干扰系数;加窗后OFDM符号频谱的边瓣衰减速度快,最大可衰减至－40 dB;对于系统的信号干扰比性能（SIR）,加窗后的算法同相邻符号自消除算法相比可提高8 dB左右;在信噪比较大的情况下,改善了系统的误码率。仿真结果表明,所提算法能够抑制ICI,提高系统抗干扰性能。     

基于OMMP算法的OFDM系统信道估计

针对基于压缩感知的信道估计中常用的正交匹配追踪算法(OMP),为提高算法效率提出一种其改进型算法———正交多重匹配追踪(OMMP)。该算法相比较于OMP算法通过在每次迭代中选择多个最匹配原子,达到更快速收敛的目的。通过实验仿真两种算法在不同信道径数下的估计性能和运行时间发现,在信道径数较大的情况下,OMMP算法的估计性能与OMP算法相当,且效率更高。由此可见OMMP算法有着一定的实际应用价值。     

OFDM系统中基于训练符号的定时同步算法

正交频分复用(OFDM)作为一种高效的数据传输技术,具有良好的抗衰落能力,应用前景非常广阔。但是OFDM对同步偏差十分敏感,同步偏差的产生会使OFDM系统性能大大降低。在Schmidl-Cox算法的基础上,通过改进训练符号结构来完成符号的定时同步,给出了具体的改进算法,并对改进算法进行了仿真分析。结果表明,改进算法消除了原算法定时测度峰值平台模糊现象,提高了定时估计的精度;且在同等条件下改进算法较原算法有更低的误码率。     

OFDM系统的抗多径性能的仿真研究

OFDM正交多载波传输技术具有抗无线传输多径效应影响的能力,正逐步成为各种宽带无线数字传输系统的首先技术.本文介绍了OFDM系统的基本组成原理,给出了OFDM仿真模型,对系统的各个环节用MATLAB语言进行编程,并得出OFDM系统抗多径性能的仿真结果.     

基于TCM编码方式的OFDM系统

本文介绍了正交频分复用OFDM技术的基本原理,简要给出了TCM的一般概念与系统模型,并结合16QAM详细阐述了TCM的基本结构和原理,在此基础上把TCM与OFDM有机地结合起来,给出了基本原理和系统设计方案.经理论分析表明,TCM-OFDM系统有效地克服了频率选择性衰落对系统性能的影响,可使由于多径而产生的部分频率选择性衰落、时间选择性衰落及多普勒频移造成对正交性的影响减少到最低,提高系统传输的可靠性和有效性.     

多径信道中OFDM系统的优化设计

多径衰落是多径信道中存在的最大问题.连续相位调制正交频分复用信号(OFDM-CPM)是一种将连续相位调制技术(CPM)应用于正交频分复用(OFDM)系统的新思路,它具有良好的相位平滑转移特性、较高的频带利用率和较低的误码率,它可以有效提高系统的抗多径衰落能力和信道利用率.在多径信道中,对OFDM-CPM信号进行了研究并详细推导出了该系统的数学模型.仿真结果显示,该信号具有比OFDM-PSK信号更优秀的误码率(BER)表现,因此证明了该思路的有效性和可行性.     

OFDM超分辨率联合TOA/AOA定位

对无线信号到达时间（TOA）和到达角度（AOA）的精确估计是室内无线定位的关键。正交频分复用（OFDM）是适合多径衰落环境的一种高速传输技术。提出一种联合TOA和DOA的二维定位方法用于OFDM信号定位。算法首先通过信道估计得到信道的频率响应（CFR）,对CFR采用超分辨率算法估计信道时延。首径（first arrival path,FAP）的时延估计就是接收信号的TOA估计。将天线阵列接收信号通过DFT变换到频域,利用同样的算法估计信号各径的AOA/DOA。最后联合TOA和AOA在二维平面上确定目标位置。由于信号是多径、多载波信号,对各载波的DOA/AOA估计在载波间进行处理,再结合各径脉冲响应的幅值,选出属于首径的DOA/AOA估计。在多径环境下仿真表明算法有效且定位精度能够满足实际需要,尤其适合环境中只有一个基站或接入点的情况。     

基于RBF神经网络的泰勒级数展开定位算法

泰勒序列展开定位算法在视距（LOS）环境下有着较好的定位精度,但是在非视距（NLOS）环境下,泰勒序列展开定位算法的定位精度大大下降。为了减小NLOS传播的影响,提出了基于RBF神经网络的泰勒序列展开定位算法。利用神经网络较快的学习特性和逼近任意非线性映射的能力,对NLOS传播的误差进行修正,再利用泰勒序列展开定位算法进行定位。仿真结果表明,该算法减小了NLOS传播的影响,在NLOS环境下有较高的定位精度,性能优于泰勒序列展开定位算法、Chan算法和LS算法。     

基于宽带聚焦矩阵和高阶累积量的OFDM信号的来波方向估计

为了解决正交频分复用(OFDM)宽带信号处理的问题,研究了基于宽带聚焦矩阵和高阶累积量的波达方向(DOA)估计方法。前者是通过傅里叶变换将宽带阵列数据分解为若干窄带信号,再利用一种聚焦矩阵将不同频带下的方向矩阵变换到同一参考频率下,然后用多重信号分类(MUSIC)算法来估计DOA;高阶累积量算法是通过聚焦操作,把各个窄带频率处的阵列输出矢量变换到聚焦频率处,然后求其累积量矩阵。对各个累积量矩阵进行加权平均并特征值分解,再应用MUSIC算法估计DOA。理论分析和仿真结果表明,两种方法都能够精确地估计OFDM信号的DOA,四阶累积量方法的空间分辨率比聚焦矩阵方法有所提高。四阶累积量算法扩展了阵列孔径,信噪比(SNR)较低的时候也有很好的适应性。     

正交频分复用系统中基于人眼视觉系统的自适应图像传输

针对传统的图像传输方法,提出了一种基于人眼视觉系统的自适应图像传输方案。在OFDM系统中,通过将自适应技术与信源分割及信道特性相结合的方法,实现在频率选择性慢衰落信道中高质量的图像传输。为验证该方法的良好性能,三种不同图像源被用于仿真程序中。仿真结果及理论分析可以证明,自适应图像传输与传统的图像传输相比,可大幅地提高接收图像的峰值信噪比。     

一种基于优化TDOA的无线传感网络定位算法

运用TDOA方法对节点定位时,需要对节点测距。由于时间精度及硬件的限制,其定位精度有时不能达到要求。针对这一问题,提出一种对TDOA定位方法的改进算法,减小了由于测距产生的定位误差。并通过仿真证明了改进算法的优越性。     

基于干扰温度限制的认知正交频分复用系统功率分配算法

在认知正交频分复用（OFDM）系统中,为避免对主用户（PU）的干扰,需要对认知用户（CU）基站的发射功率进行控制和分配。针对认知用户基站无法合理分配其发射功率及无法有效提高数据传输速率等问题,在传统注水功率分配算法的基础上,提出了一种双因子二分搜索最优化功率分配算法。该算法充分考虑认知用户信道上干扰温度的限制,首先,在满足总功率限制的条件下引入剩余函数;然后,利用剩余函数的单调性,通过双层二分搜索迭代方法求得拉格朗日因子的准确值;最后,通过拉格朗日因子的值求出各子信道上所分配的功率值。仿真结果表明,所提算法能有效利用主用户频带间的频谱空穴,在总功率限制和干扰温度（IT）限制下,最大化认知用户的数据传输率,其值逼近传统注水算法。同时该算法所得到的数据传输速率比总功率平均控制算法和干扰温度平均控制算法有明显的提高,在相同仿真环境下其传输总速率超出约4×105b/s。在迭代过程中所提算法处理时间较少,并体现出良好的鲁棒性。     

基于BP神经网络的定位跟踪算法

提出了一种在NLOS环境下对移动台的定位与跟踪算法。利用BP神经网络对TDOA测量值中NLOS误差进行修正,再利用Chan算法进行移动台位置估计,配合相关检测距离门对移动台进行跟踪。仿真结果表明,该跟踪算法能够有效地实现移动台的静态定位与动态跟踪,性能优于基于Chan算法、LS算法、Taylor算法的静态定位与动态跟踪。     

降低OFDM系统峰均比方法的研究

针对正交频分复用系统（OFDM）所具有的高峰均比问题,提出了一种改进的预留子载波降低OFDM系统峰均比功率的方法。在系统的发送端利用IFFT/FFT变换对,产生频域消峰序列,以降低OFDM系统峰均比。该方法在产生消峰序列过程中不会导致误码率的增加,降低PAPR效果明显。仿真数据证明了该方法的有效性。     

一种NLOS环境下的TDOA/AOA定位算法

在LOS环境下,Chan算法有着较好的定位精度,基于Chan算法的到达时间差/到达角(TDOA/AOA)算法比Chan算法有了进一步提高。但是在NLOS环境下,这些算法的精度都将大大下降,由于AOA的测量值有较大误差,TDOA/AOA方法的精度甚至低于Chan算法。并且这些算法的主要缺点是在第一次加权最小二乘法(WLS)中把移动台的横坐标、纵坐标与移动台到服务基站的距离作为三个相互独立的变量,忽略了三者之间的相关性,因此要进行第二次WLS才能得到定位结果,且最终的解为二值根。对误差的均值和方差进行了估计,修正了TDOA与AOA测量值,用Kalman滤波算法对AOA的值进行了估计,利用移动台坐标与AOA之间的关系将三个变量简化为一个,只需一次WLS即可求得唯一解,减少了计算量,消除了根的模糊性。仿真结果表明,该方法简单,计算量小,有较高的定位精度和较好的稳健性,性能优于Chan算法和基于Chan算法的TDOA/AOA算法。