采用LMS算法的频域均衡技术研究

LMS（最小均方）算法是一种经典自适应算法,最初应用于时域均衡。本文采用LMS算法,根据信道的特性来更新频域均衡器的均衡系数,实验结果表明该算法可明显改善频域均衡系统的性能。     

改进的基于DFT的OFDM系统信道估计算法

在正交频分复用（OFDM）系统中,针对常用的信道估计算法不能有效地抑制信道冲激响应中循环前缀长度内噪声的不足,提出了一种改进的基于离散傅里叶变换（DFT）的信道估计算法。该算法是一个多次迭代的过程,通过最小二乘算法获得导频位置处的信道频域响应,经过逆傅里叶变换后,利用时域内引入的能量增长速率函数来判断信道冲激响应分布情况,以便对其进行消噪处理,最后通过多次迭代进一步抑制子载波间干扰和加性高斯白噪声。仿真结果表明,无论在多普勒频移较小还是较大的情况下,该算法的估计性能均优于最小二乘（LS）信道估计算法、传统基于DFT的信道估计算法和基于阈值的信道估计算法。在系统误比特率为[10-2]时,改进的基于DFT的信道估计算法比其他算法有3~5 dB的性能增益。     

LTE上行链路信道估计的算法研究

信道估计技术作为获得信道信息的手段,是提高无线数据传输接收性能的关键技术之一。本文分别在不同的条件下对LS(Least Square)、LMMSE(Linear Minimum Mean Square Error)、SVD(Singular Value Decomposition)三种信道估计算法进行仿真,对比分析三种算法的MSE(Mean Square Error)和BER(Bit Error Rate),并得出相应的结论。     

OFDM水声通信系统信道估计算法应用研究

信道估计的精确性和有效性是正交频分复用（OFDM）水声通信系统具有良好性能的保证。针对水声信道稀疏性的特点,在传统的LS（最小二乘）和LMMSE（线性最小均方误差）信道估计算法的基础上进行了基于压缩感知（Compressive Sensing,CS）理论的LS-MP（Matching Pursuit,匹配追踪）信道估计算法的研究。并在OFDM水声通信系统下,对传统的信道估计方法（LS和LMMSE）和基于压缩感知理论的LS-MP信道估计方法进行仿真分析,对这三种算法进行了性能比较。     

变步长LMS算法的超宽带Rake接收机设计

在无线通信中,超宽带接收机的抗干扰性是接收系统的重要技术,而误码率是抗干扰性重要的评价指标;为了提高超宽带接收机的接收性能和抗干扰能力,设计了变步长LMS算法的超宽带Rake接收机;通过建立系统模型,分析LMS算法基本原理且提出改进思路,将改进的变步长LMS算法应用于Rake接收机,进行建模仿真;结果显示变步长LMS算法的Rake接收机接收性能提高,误码率迅速降低到10-1,有效改善了接收机抗干扰能力。     

LMS自适应信道估计算法及仿真

提出一种基于连续导频的LMS自适应信道估计算法，在一个符号内进行ⅢS自适应滤波，经多次迭代得到信道估计值，然后根据信道变化速度再对其进行多符号平均。接收系统通过Simulink实现，并通过编写S函数仿真LMS自适应信道估计算法，系统动态仿真结果显示此方法可明显提高信道估计的准确度和接收机性能。     

无人机地空信道迭代接收机策略设计

以无人机数据链通信为背景,研究无人机地空信道的特性,得出该信道为频率选择性慢衰落信道,同时建立了适用于计算机仿真的无人机地空信道模型.为解决信息传输过程中的符号间干扰(ISI,inter-symbol interference)问题,将turbo均衡技术引入接收机中,同时针对慢变信道,结合基于LS算法的初始信道估计以及基于LMS算法的迭代信道估计技术,提出了一种适用于无人机地空信道的接收机策略,通过与自适应均衡技术和一次信道估计策略相比较,迭代接收策略在性能上要好于自适应均衡技术和一次信道估计策略,提出的低复杂性接收机策略可以为无人机地空通信提供有利的技术支撑.     

Massive MIMO系统基于子空间的半盲信道估计

针对大规模MIMO系统中存在的导频污染问题,结合目前研究的基于奇异值（SVD）分解的信道估计算法,在考虑到该算法中的协方差矩阵是用有限的样本数据代替真实数据必然存在偏差的问题,给出了一种联合ILSP（Iterative Least Square with Projection）的基于SVD的半盲信道估计算法。仿真结果表明改进后的信道估计算法能够有效减小已有算法中存在的偏差问题,提高信道估计精确度,有效减轻导频污染给大规模MIMO系统带来的影响,从而实现大规模MIMO系统性能的提升。     

TH-UWB系统中基于自适应算法的接收机研究

提出了一种适用于跳时超宽带(TH-UWB)系统中的RAKE接收机方案。该方法利用基于梯度的可变遗忘因子的改进递推最小二乘(RLS)算法进行信道估计,并与基于经典RLS算法和基于最大似然概率(ML)算法的接收机方案进行对比。结果表明,这种新型RAKE接收机方案能够更有效地跟踪时变衰落信道的变化;在相同条件下,该方案能够提高系统性能,获得更小的误码率(BER)。     

低复杂度的分布式粒子滤波盲均衡算法

针对传统单接收节点盲均衡受信道影响大、误码率（BER）高的问题,提出了一种低复杂度的分布式粒子滤波盲均衡算法。该算法采用多个接收机组成无融合中心的分布式网络,使用分布式粒子滤波(DPF)合作估计共同的发送符号序列。为降低粒子采样复杂度,选用先验概率作为重要性函数;然后采用最小一致算法近似联合似然函数,从而使得每个接收节点的粒子权重达到一致。理论分析与仿真结果表明,该算法无需数据集中,具有更低的节点计算复杂度。全分布式的多接收机合作获得了空间分集增益,提高了系统误码性能。     

自相关信号的RAKE 解调

针对短波信号传输过程中的多径问题,利用RAKE接收机算法和自相关信号的特征,通过信道估计、信道评估、多径筛选和组合的方法,对自相关信号进行解调。通过仿真,在多径效应影响下,处理3 径信号能使信号的解调成功率上升18%。     

新的基于仿射投影算法的盲多用户检测器

多径衰落信道下的盲自适应多用户检测算法的运算复杂度通常都比较大,将基于仿射投影算法的盲多用户检测器与RAKE分集技术相结合,提出了一种盲自适应接收算法。该接收算法平衡了收敛速度和计算复杂度之间的矛盾,具有相对较好的收敛性能及较小的运算复杂度。通过模拟实验比较了几种算法的收敛、跟踪及误码性能,结果表明该方法具有明显的整体优势。     

改进LMS在低压电力线OFDM信道估计中的应用

正交频分复用（OFDM）技术以其多种优势成为低压电力线宽带通信的最佳选择,而信道估计是正交频分复用系统的关键问题之一。修正了当前电力线信道中LMS信道估计参数选择上存在的问题,并首次在信道估计中加入动量项加速LMS算法的收敛速度。仿真结果表明,改进的算法优于原来的信道估计算法。     

采用LMS算法的频域均衡技术研究

LMS(最小均方)算法是一种经典自适应算法,最初应用于时域均衡.本文采用LMS算法,根据信道的特性来更新频域均衡器的均衡系数,实验结果表明该算法可明显改善频域均衡系统的性能.     

基于Intel UWB多径信道模型的RAKE接收机性能分析

介绍了UWB多径信道的特征，研究基于Intel的UWB多径信道模型。利用Matlab仿真了不同实际环境下UWB的多径信道响应，并在此基础上利用蒙特卡罗方法，分析比较了采用不同调制方式(BPSK、二进制正交和二进制DPSK)NRAKE接收机的误码率性能，发现采用BPSK方式调制时，UWB RAKE接收机的性能最优。     

MIMO-OFDM系统自适应信道估计算法分析

在MIMO-OFDM系统中,信道参数估计对相干检测至关重要.现有的信道估计算法大多需要对大矩阵做求逆运算,计算复杂度高,或者需要预知信道统计信息.提出一种MIMO-OFDM系统的自适应信道估计算法,无需任何先验信道统计信息,就能够通过导频辅助和迭代的方法对时变信道状态参数进行即时跟踪与估计.仿真结果表明在MIMO-OFDM系统中,提出的基于LMS或RLS的自适应信道估计算法相比于传统的不考虑噪声的LS信道估计算法,MSE和BER等性能均有大幅提高,能够很好地抵御无线信道引起的多径效应的影响,适宜应用于MIMO-OFDM系统.     

基于TLS算法三相系统的谐波检测*

将TLS、LMS和约束反Hebbian自学习算法统一起来,指出LMS算法和约束反Hebbian自学习算法是两个特例。研究了TLS自适应学习方法在谐波检测中的应用,并将这种方法推广到三相系统中。所研究的检测方法同时适用于单相和三相对称非对称负载电流的谐波检测,可对谐波电流、无功电流以及负序电流进行分别或综合检测。仿真实验证明,在跟随性能和误差性能方面,单相TLS算法要优于单相LMS和约束反Hebbian算法,而三相TLS检测方法的性能要明显优于按单相的TLS检测方法。