一种时变MIMO信道跟踪算法及仿真分析

对时变多发多收(MIMO)无线数字信道,在信道接收端应用逆滤波器算法,得到无线MIMO数字系统的信道冲击响应函数,并将此函数作为初始值,应用改进的粒子滤波器算法,完成时变MIMO数字系统的盲信道跟踪.算法同时利用了信号的时间分集信息和空间分集信息.计算机仿真表明,与仅利用信号空间分集信息的逆滤波器算法相比,算法在输入信号小信噪比情况下有更好的全局收敛特性;与卡尔曼滤波算法相比,得到的归一化信道误差更小.     

基于VC的MIMO-OFDM系统的子空间半盲信道估计

传统的子空间盲信道估计收敛速度缓慢且需要大量接收信号才能保证估计性能良好,就此问题提出了一种新的基于虚拟载波（VC）的MIMO-OFDM系统的盲信道估计算法。该算法是传统子空间算法与块矩阵思想的结合,在每个OFDM符号中提取一组子矢量来降低维度。而后又在盲信道估计算法中加入导频序列形成新的半盲信道估计算法。通过计算机模拟仿真发现,新提出的盲信道和半盲信道估计算法在信道估计性能和收敛性方面均表现较好。     

基于逆滤波器的时变MIMO信道跟踪算法

对时变多发多收（MIMO）无线数字信道,在信道接收端应用逆滤波器算法,得到无线MIMO数字系统的信道冲击响应函数,并将此函数作为初始值,应用改进的粒子滤波器算法,完成时变MIMO数字系统的盲信道跟踪。该算法同时利用了信号的时间分集信息和空间分集信息。计算机仿真表明,与仅利用信号空间分集信息的逆滤波器算法相比,该算法在输入信号小信噪比情况下有更好的全局收敛特性;与卡尔曼滤波算法相比,得到的归一化信道误差更小。     

针对OFDM系统的一种新的半盲信道估计方法

针对填补零的OFDM（ZP-OFDM）系统,提出了一种新的基于子空间的自适应半盲信道估计算法。该算法利用ZP-OFDM系统导频信息,给出精确的信道参数初始值。然后通过一种新的子空间跟踪以及功率方法,进行自适应信道估计。该算法不仅降低了计算复杂度,而且改善了盲信道估计收敛速度慢的缺点,仿真结果也表明其具有较好的估计精度。     

基于鲁棒协方差矩阵估计的盲信道识别方法

为了提高基于二阶协方差矩阵的盲信道识别方法在脉冲噪声环境下的性能,以α稳定分布过程为脉冲噪声模型,利用m-估计的方法得到该脉冲噪声信道下接收信号协方差矩阵的鲁棒估计,再利用噪声子空间的方法实现信道的盲识别.仿真结果表明,该方法在脉冲噪声环境下的性能要明显优于传统的基于二阶统计协方差矩阵的盲信道识别方法的性能.     

大规模MIMO系统中基于Lanczos方法的低复杂度预编码

针对大规模MIMO系统中因基站天线数与用户数过大导致迫零(ZF)预编码矩阵求逆复杂度较高的问题,提出一种基于迭代子空间投影算法的Lanczos方法低复杂度预编码方案。根据大规模MIMO系统信道矩阵具有对角占优特性,将信道大矩阵求逆诺依曼级数的第1项作为迭代的初始值,从而加快算法的收敛速度,使得ZF预编码的复杂度从O(K~3)降低到O(K~2)。仿真结果表明,该算法以较快的收敛速度逼近传统ZF预编码方案的信道容量与误码率性能。     

MIMO-CPSC系统中预编码盲信道估计算法研究*

在频域均衡系统中,基于预编码的子空间盲信道估计算法可以有效地对信道进行估计。针对多天线单载波循环前缀系统,提出了一种基于预编码的盲信道估计算法。该算法通过分离出连续两个接收符号块的互相关矩阵所包含的信道信息实现信道盲估计。仿真结果表明,该算法具有较低的计算复杂度以及对信道阶数过估计有很好的鲁棒性,并且该算法利用较少的数据块个数就得到了一个可靠的信道估计值。     

MIMO-OFDM的信道估计算法研究

关于无线通信问题,为提高容量和传输效率,提出了一种基于变步长的LMS的自适应信道估计跟踪算法,用于快时变衰落的MIMO-OFDM系统无线信道估计中.采用LMS分别跟踪信道经QR分解后的两个矩阵,迫使非上三角的元素为零,抑制了部分干扰与噪声.再通过将抽头输入向量的平方欧氏范数进行归一化,用来调整LMS自适应算法的步长,以达到有效跟踪的目的,同时避免了矩阵的求逆运算,降低了实现的复杂度.通过计算机仿真验证了改进的基于变步长的LMS自适应算法在精度和性能上优于原有的算法.     

随机布署平面传感器阵列实现色噪声下运动节点跟踪算法

针对色噪声下的空间运动节点跟踪问题,提出一种新的辅助变量子空间跟踪算法.该算法采用秩1更新,构造两个无约束代价函数,求其递归最小二乘解跟踪信号子空间.得到信号子空间后,构造矩阵方程,通过最小二乘解实现空间运动节点的方向跟踪,所得空间二维角度能自动配对.在任意的平面传感器阵列下,所提算法和著名EIV-PAST算法均具有较好的节点跟踪性能,跟踪的信号子空间夹角和信号子空间误差较小,所提算法的正交性能显著优于EIV-PAST算法.     

改进的基于虚拟子载波的盲信道估计算法

为了加快正交频分复用(OFDM)系统盲信道估计的收敛速度和提高该系统的估计精度、频带利用率,提出了一种子空间盲信道估计的改进算法.该算法不同于已提出的利用累量信息或者进行接收端分集的盲信道估计算法,而是在引入虚拟子载波的基础上,在接收端直接对接收到的信号进行两次奇异值分解(SVD),并可直接应用于cP.OFDM系统和zP.OFDM系统中.计算机仿真结果表明,在相同条件下,该算法与已提出的子空间盲信道估计算法相比,提高了OFDM系统盲信道估计的精度和收敛的速度.     

FBMC/OQAM系统中基于子空间的信道估计算法

针对滤波器组多载波偏移幅度调制（FBMC/OQAM）系统中基于传统导频结构的信道估计方法估计精确度不高、频谱利用率低的问题,提出一种基于子空间的盲信道估计算法。区别于传统的子空间方法,该算法通过空间上的接收分集技术引入数据冗余进行盲信道估计,不需要发送导频序列,从而提高了频谱利用率。仿真结果表明,该算法可以有效地估计信道且估计性能优于传统导频方法。     

基于正交分解的递推子空间闭环辨识方法

为实现闭环系统在线辨识,提出递推正交分解闭环子空间辨识方法(RORT)。首先,根据闭环系统状态空间模型和数据间投影关系,构建确定-随机模型,并利用GIVENS变换实现投影向量的递推QR分解;然后,引入带遗忘因子的辨识算法,构建广义能观测矩阵的递推更新形式,以减少子空间辨识算法中QR分解和SVD分解的计算量;最后,针对某型号陀螺仪闭环系统进行实验。实验结果表明, RORT法的辨识拟合度高于91%,能够对陀螺仪闭环系统模型参数进行在线监测。     

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。     

认知无线电中一种基于秩准则的鲁棒多天线盲频谱感知算法

在多天线感知场景中,噪声不确定的存在使得经典的能量检测算法的感知性能表现出不稳定性。基于多天线接收信号的统计协方差矩阵为秩-1矩阵这一事实,提出一种基于秩准则的频谱感知方法。该方法首先将取样协方差矩阵分解为具有未知秩的理想信号矩阵和噪声扰动矩阵之和,然后采用秩检测准则估计接收信号子空间的最佳维数,最后利用该值判断信道的状态。与经典的能量检测方法相比,新方法对噪声不确定性具有良好的鲁棒性,且属于全盲检测方法。具体而言,新方法在感知判决过程中,无需事先知道噪声方差以及主用户信号和无线信道的统计特征。仿真结果验证了基于秩准则的多天线频谱感知算法的有效性。     

新型卫星导航系统在半盲信道中的抗干扰研究

新型卫星导航系统是中国自行研制的卫星导航系统,其主要特点是在多输入多输出系统(Multiple input multiple output,MIMO)中进行抗干扰处理.本文提出了新型卫星导航系统在半盲MIMO信道中的抗干扰算法,利用MATLAB进行仿真,比较了确定信道和半盲信道在改变干扰位置、改变接收天线数目以及改变阵列类型情况下的抗干扰性能.仿真结果表明了半盲信道抗干扰算法的实用性和优越性.     

MIMO-OFDM系统中基于QR分解的新型迭代检测算法

结合QR分解的迭代检测算法与连续干扰消除思想提出了一种新型的QR迭代检测算法。该算法充分利用最后检测层分集增益最高、性能最优的特点,在每一次QR分解之后,仅保留最后检测层的判决,在接收信号中消除已判决信号的干扰,并将信道矩阵中已判决信号的列删除,降低信道矩阵列的维数后,进行下一次QR分解,直到所有层的信号都检测出来。分析表明,新型QR迭代检测算法复杂度大约为连续干扰消除算法的1/8,约为传统迭代检测算法的1/2。仿真试验表明,对称系统中新型QR迭代检测算法性能与传统迭代检测算法基本保持一致,都要优于连续干扰消除算法。     

一种基于判决反馈的半盲信道估计方法

无线移动通信MIMO-OFDM系统中,为了减小对导频的依赖性,针对平坦瑞利衰落信道提出了一种基于判决反馈的半盲信道估计方法。该方法使用LS算法结合导频对信道进行初始估计,然后利用初始的信道估计结果得到下一个OFDM符号对应的天线发送信号,最后利用自适应滤波稳态跟踪特性对后面的信道进行跟踪,并将恢复出的信号反馈到滤波器输入端作为后续估计的输入。仿真结果表明,该半盲信道估计方法在平坦瑞利衰落信道下,相比于基于导频的LS信道估计方法具有更好的稳态性能。     

基于子空间的OFDM系统信道估计算法

研究了适用于正交频分复用（OFDM）系统的信道估计算法,给出了一种基于子空间分解的半盲信道估计算法,利用循环前缀引入的冗余信息和子空间分解的特性,并结合OFDM系统的导频信息估计信道参数。该方法无需改变发送信号的结构,因而适用于大多数OFDM系统,此外该算法不需考虑信道的具体特性,便于信道的实时跟踪。仿真结果表明,算法的信道估计精度优于基于导频的方法,适用于任意调制星座。     

一种基于统计特性变换的改进盲信道估计

首先从接收信号的过采样出发,总结了SIMO信道的堆栈系统模型.针对输入信号为平稳且有已知自相关函数时的信道估计与均衡问题,通过统计特性变换的方法导出了变换阵的闭式解,最后给出一种适用于平稳信源的改进盲信道估计与均衡算法,并对算法进行仿真,分析其辨识误差、收敛性能和均衡效果.结果表明算法在输入信号为平稳非独立同分布时仍能对信道进行辨识且具有较高的精度,算法的收敛速度快并能达到理想的均衡效果.     

针对时变OFDM信道的一种盲估计改进算法

OFDM盲信道估计技术可以在不需要导频的情况下,估计出信道的状态信息,能有效节约带宽,提高频谱利用率。分析了一种基于子空间SVD方法的盲信道估计技术,在此算法基础上提出了针对时变信道的估计方法,并就现有方法估计精度较低的问题,提出了一种利用信道相关特性进行λ加权的优化算法。对算法进行了蒙特卡罗仿真,仿真结果表明该算法能够有效改善信道估计性能,并且具有较低的复杂度。