MIMO-OFDM系统信道估计中的最优导频设计

推导了MIMO-OFDM系统最优频域导频序列设计准则,推广传统两天线正交导频设计法到了任意天线时的设计,提出了一种导频信号峰均比为1,能达到正交导频时信道估计均方误差MSE下界的频域导频序列设计方法。并用仿真评估分析所提方法与传统设计方法在不同序列长度和天线数目情况下的性能差异,仿真结果表明采用这里所采用的正交导频序列设计方法可以减少序列的长度,提高系统的性能。     

MIMO-OFDM系统基于导频信道估计算法研究

介绍MIMO-OFDM系统,文章着重介绍分析了MIMO-OFDM系统的各种信道估计技术,通过对LS,MMSE,基于DFT的信道估计算法的仿真,得到三种算法的性能对比图。仿真结果显示LS性能虽不及其他两种估计算法,但是复杂度最低;MMSE性能较好,复杂度却高;DFT信道估计算法性能比LS好,复杂度也较低。     

OFDM稀疏信道估计中导频设计算法

由于无线信道固有的稀疏性,压缩感知理论已被应用于正交频分复用(OFDM)系统的信道估计中来提高频谱利用率。文中研究OFDM系统稀疏信道中确定性导频的设计问题,针对互相关最小准则的不足,提出了一种基于测量矩阵互相关和测量矩阵列相关平方和最小化的联合算法。仿真结果表明,该算法的归一化均方误差(MSE)和误码率(SER)性能均优于基于互相关最小准则的随机搜索导频,相比于最小二乘算法,稀疏信道估计使用了更少的导频获得了更好的估计效果,提高了频谱利用率。     

一种简化的导频设计MIMO-OFDM信道估计算法

针对时域最小二乘信道估计算法误码率性能和实际实现复杂度大之间的矛盾,提出了一种新的最优导频序列的多输入多输出正交频分复用信道估计方法。设计的这种导频序列可以避免对大矩阵求伪逆,极大的降低了计算复杂度。计算机仿真结果表明：提出的方法具有好的误码率性能和低的计算复杂度,易于在实际系统中实现。     

MIMO-OFDM系统中导频最优设计准则及性能分析

信道的准确估计是提高MIMO-OFDM系统性能的关键,利用输入序列矩阵特征值,提出了MIMO-OFDM系统中基于最大似然估计的最优导频设计准则,给出了接收端信噪比损失的闭解.此准则可用于指导不同信道条件下的导频设计.     

MIMO-OFDM系统信道估计算法综述

MIMO-OFDM技术是近年来通信信号处理领域的研究热点,无线信道不仅是频率选择性的,而且是时变的,为了获得较高的系统性能,信道估计就显得尤为重要.对MIMO-OFDM系统中现有的信道估计算法进行了综述,重点介绍了基于训练序列的、导频符号的以及盲和半盲信道估计算法.比较了各种算法的优缺点,提出了未来信道估计的发展方向.     

MIMO-OFDM系统中的信道估计算法

本文对MIMO—OFDM系统中的信道估计技术进行了介绍,根据是否使用训练序列,信道估计可以分为导频辅助信道估计、盲信道估计及半盲信道估计,本文分别对已有的信道估计算法进行了综述,并对一种已有的基于m序列的时域信道估计方法进行了改进。     

MIMO-OFDM系统的信道估计算法

基于训练序列的信道估计方法在慢衰落信道中呈现出较好的性能，但是这种方法不适用于快衰落环境，为了能够及时跟踪信道的变化，通常采用基于导频符号的信道估计方法。将针对采用连续传输方式的MIMO—OFDM系统，讨论基于导频符号的信道估计方法并进行了计算机仿真。     

基于压缩感知的OFDM稀疏信道估计应用

压缩感知理论可通过远低于那奎斯特准则的方式进行采样数据,仍能够精确恢复出原始信号,基于CS技术的信道估计可减少OFDM系统中导频的数量,同时可获得较好的估计性能,本文通过介绍CS理论和OFDM信道估计方法,将CS理论应用到信道估计中,重点介绍通过ROMP算法估计信道冲击响应函数。     

基于压缩感知的OFDM稀疏信道估计中的导频设计

为了提高基于压缩感知的正交频分复用( Orthogonal Frequency Division Multiplexing,OFDM)稀疏信道估计性能,提出以互相关矩阵元素之间的距离立方和作为新的导频设计准则,更加准确地评价采样矩阵整体互相关性;针对传统导频搜索算法效率慢的问题,提出一种基于树的顺序替换导频间隔搜索( ...     

基于自适应压缩感知的信道估计算法

传统方法压缩感知算法截取训练序列最后未被数据干扰固定部分作为观测矩阵,该方法为了抵抗最差的信道而浪费了大量的可用观测数据。在此基础上提出了一种自适应压缩感知的信道估计算法,首先对训练序列进行自适应检测,得到整个未受干扰的观测矩阵,再用压缩感知算法计算信道估计。仿真结果表明,这种基于自适应压缩感知的信道估计算法大幅提高了信道估计的准确性。     

Pilot Optimization for Structured Compressive Sensing Based Channel Estimation in Large-Scale MIMO Systems with Superimposed Pilot Pattern

Compressive sensing (CS) has attracted much attention in wireless communications due to its ability to attain acceptable channel estimates with a small number of pilots. To further reduce the pilot overhead in multi-input multi-output (MIMO) systems, CS-based channel estimation may employ superimposed pilot pattern. Previous works on superimposed pilot design generally allocate pilots randomly, which may give ill-posed measurement matrices. In this paper, we focus on deterministic pilot allocation for large-scale MIMO systems with superimposed pilot pattern to improve the performance of structured CS based channel estimation. By exploiting the spatial common sparsity and the error bound of block sparse reconstruction, a new criterion is firstly proposed to optimize the pilots in the Hadamard space. The proposed criterion makes full use of the information about the principal angles across the blocks in the measurement matrix, which can enhance the average recovery ability and exclude the worst pilots simultaneously. Secondly, a genetic algorithm is proposed to minimize the merit factor of the proposed criterion efficiently. Simulation results show that the proposed optimized pilots outperform the random pilots in terms of mean-squared error by about 3 dB. Moreover, the proposed criterion is more likely to achieve better measurement matrices than the traditional criteria.     

基于压缩感知技术的双向中继信道估计

设计了一种基于压缩感知（compressive sensing, CS）技术的双向中继信道（two-way relay channels, TWRC）估计方法,并具体采用正交匹配追踪算法（orthogonal matching pursuit, OMP）对OFDM系统下的信道脉冲响应进行估计。双向中继信道往往呈现出稀疏多径结构,这种结构会随着信号空间维数的增大而越加明显。传统的线性估计方法没有考虑到TWRC的潜在稀疏性,因而导致了对关键通信资源的过度使用。而基于CS的TWRC估计方法能够很好地利用这种传输信道的稀疏多径结构,与传统线性估计方法相比,在获得同样估计性能的前提下,需要的训练序列长度大大减少,有效地提高了频谱、能量等资源利用率。同时,所采用的OMP算法的时间复杂度主要依赖于信道稀疏度,因此计算效率往往比传统的方法高。仿真也证实了基于CS的TWRC估计算法的优越性。      

Decision Aided Uplink Compressive Channel Estimation for Massive MIMO Systems

Thank to the observation that in massive multi-input multi-output systems, the channels associated with different base station antennas may share common sparse support, the significant path delays can be accurately captured by only few pilots, leading to a reduction of pilot overhead. However, when the number of pilots is small, the path gains can not be accurately estimated and this limits the system performance. To solve this problem, in this paper we propose a decision aided compressive sensing based channel estimation scheme, which utilizes the decoded data to refine the channel estimation. This scheme can effectively improve the channel estimation without increasing the length of pilot sequence, which is confirmed by both analyses and simulation results.     

一种稀疏增强的压缩感知MIMO-OFDM信道估计算法

基于压缩感知(Compressed Sensing, CS)的信道估计可以达到减少导频的目的,但在频-时域信道矩阵到时延-多普勒域的稀疏变换中存在谱泄漏现象,影响了信道矩阵的稀疏性和估计的均方误差(MSE)性能。为此该文对信道的稀疏性进行研究,提出一种时域加窗的稀疏优化CS信道估计算法。通过对时域加窗,所提算法抑制了由离散截断导致的多普勒域泄漏,再据此设计出观测矩阵,以此方式增强信道在时延-多普勒域的稀疏性,并实现对稀疏的信道矩阵更为准确的重构,达到改善信道估计MSE性能的目的。仿真结果表明随信噪比的增大,加窗CS算法相比无窗CS算法有效改善了信道估计的性能。     

MIMO-OFDM系统中基于导频辅助的信道估计

该文对MIMO-OFDM系统中基于导频辅助的LMMSE信道估计算法进行了研究,导出了其估计均方差的下界。为降低算法复杂度,首先利用奇异值分解给出一种低阶近似的信道估计器结构;其次提出了一种基于最优导频设计的简化算法。该简化算法不仅降低了算法复杂度,且能有效地获得最优估计性能。最后文中给出了估计信道特性的方法。     

一种基于导频的OFDM信道估计

在移动通信环境下,由于Doppler频移以及多径影响,信道是时变的,为了消除信道对传输信号的影响,需要对信道进行估计。文中阐述了一种基于Comb-type导频类型以及IDFT/DFT内插方法的OFDM信道估计方法,分析了对导频个数选取的要求,并结合LS准则给出了16QAM信号在慢衰落Rayleigh多径信道下的误码率曲线和均方差曲线,验证了基于IDFT/DFT内插信道估计方法的准确性和可行性。     

基于压缩感知的同频干扰下LTE系统信道估计算法

本文提出一种基于压缩感知的同频干扰下长期演进系统信道估计方法。与现有方法不同,本文将干扰和噪声区别对待,利用干扰信号结构建立该系统下多小区信道估计模型(MCCE)。由于无线信道在宽带系统下表现出较为明显的稀疏特性,本文将压缩感知技术应用于上述模型,通过求解新的感知矩阵,并利用多输入多输出信道共有非零支撑集的特性,提出了适用于长期演进系统的联合改进子空间追踪算法(J-MSP),解决了上述模型下字典矩阵列相关度较高的问题;由于所提模型中含有未知的干扰符号,因此还需解决信道和干扰符号的联合估计。仿真结果和分析表明,本文方法在干扰与本小区同步时相比单小区信道估计方法性能显著提升,异步时与最大似然算法性能相当,同时也适用于无干扰场景。      

压缩感知在稀疏信道估计中的应用

压缩感知( CS,Compressive Sensing)理论指出可以用低于奈奎斯特抽样定理的速率对稀疏信号进行采样并在收端以很高的概率重建信号,它是目前信号处理领域的研究热点.基于CS理论的信道估计会降低导频辅助信道估计的导频数量且估计性能好,介绍了CS的基本原理和信道估计相关内容,以及正交频分复用(OFDM,Ort...