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。     

防干扰DFT信道估计算法

传统的DFT的信道估计算法只是把循环前缀以外的噪声忽略为0,其余都认为是有用的加性噪声,但是在循环前缀以内仍含有由于码间干扰(ICI)和信道干扰(ISI)带来的噪声以及其他的一些噪声干扰,严重影响了信道的估计值,本文在DFT算法之前首先消除了由ICI和ISI带来的干扰,再进行DFT的信道估计,最后在分别由禁忌算法和求导两种方法进一步消除循环前缀以内由于其他因素带来的噪声,这样大大增强了估计值的准确性,最后由matalb仿真结果可以看出,由于迭代算法和禁忌算法、求导方法的使用尽可能地消除了噪声的干扰,大大提高了信道的估计值,信道的误比特率和均方误差随着信噪比的增大越来越小,仿真结果证明改进的算法的性能优于传统的DFT算法,求导法性能略微优于禁忌算法。     

一种基于小波去噪的DFT信道估计改进算法

针对小波去噪与DFT插值相结合的信道估计算法没有对循环前缀内的噪声进行去噪的缺点,提出了一种基于小波去噪与改进的DFT插值相结合的信道估计新算法。该算法首先利用离散小波变换对最小二乘(LS)法估计出的结果进行阈值去噪处理,并根据循环前缀内、外噪声方差的均值在DFT插值的过程中设置相应门限,然后对循环前缀内的噪声再次处理,以进一步减小噪声的影响。仿真实验结果表明,在复杂度基本不变的前提下,该算法能够较好地减小加性高斯白噪声的影响,并有效提升信道估计的准确度,其总体性能较小波去噪与DFT插值相结合的信道估计算法更优。     

改进的DFT插值频率估计算法及其DSP实现

在Quinn算法和插值迭代算法(A&M算法)的基础上 ,提出了一种改进的离散傅里叶变换(Discrete Fourier transform, DFT)插值频率估计算法。该算法首先通过Quinn算法估计出1个频率误差作为迭代估计算法的误差初值,然后用迭代算法精确估计频率误差。改进后的算法可以有效减少迭代次数,因此同时具有Quinn算法 的高效率和A&M插值迭代算法的高精度。为了提高算法在DSP处理器上的运行效率,本文还对算法在DSP上的实现提出了一种优化方法,有利于该算法的实时性应用。仿真结果表明该算法在频率估计精度、实时运算效率以及对噪声的抗干扰性能上均获得了提升。     

基于DFT判决门限的OFDM信道估计算法

在正交频分复用系统中,为了提高信道估计算法的准确度和降低复杂度,首先对传统的离散傅里叶变换(DFT)信道估计算法进行了改进,通过引入判决门限,进一步消除信道噪声的影响,提高系统性能;然后与LS估计、SVD估计和DFT估计进行对比分析;最后通过Matlab软件进行仿真分析,结果表明了改进算法在基本不增加复杂度的前提下,提高了信道估计的准确度,进而提高整个系统的性能。     

基于压缩感知改进算法的MIMO-OFDM稀疏信道估计

结合压缩感知理论（CS）,针对压缩采样匹配追踪算法在多输入多输出正交频分复用（MIMO_OFDM）系统信道估计应用中需要利用信号稀疏度的先验条件,而实际中稀疏度又难获得的情况,提出一种信号稀疏度自适应的压缩采样改进匹配追踪算法（CoMSaMP）。该算法采用具有理论支撑的原子弱选择标准作为预选方案,并设置首次裁剪阈值来减少算法多余的迭代,降低算法在信道估计中的复杂度,裁剪方式的改进保证了重构精度的提高,最终实现MIMO-OFDM稀疏信道估计中信号的稀疏度自适应。仿真结果表明：与原算法相比,该算法在同等信噪比条件下具有更优的信道估计性能,从而提高了频谱利用率,同时降低了复杂度,在稀疏度较高时,提出的算法具有更好的对噪声的抗干扰能力。     

基于压缩感知的信道估计技术

通信系统中的传统信道估计方法均基于多信道密集型假设,导致频谱利用率低下,压缩感知理论为解决这一问题提供了一种新的途径。本文介绍了压缩感知基本理论,探讨了压缩感知应用于信道估计的可行性,详细分析了压缩感知信道估计技术的MP算法、OMP算法、CoSaMP等几种重构算法。研究表明基于压缩感知理论的信道估计方法能利用较少的导频信号达到与传统方法相比拟的估计性能,从而提高频谱利用率。     

基于DFT算法的OFDM信道估计研究

本文研究了DFT信道估计算法并对该算法进行了改进,首先将信号在频域转换到时域,然后将时域中循环前缀长度之外的信道估计值置零.同时对循环前缀之内,也就是n≤LG-1的信道估计值做进一步的处理,以便进一步消除噪声的干扰.通过计算机仿真验证了改进的DFT算法优于原算法.     

基于DFT算法的OFDM信道估计研究

本文研究了DFT信道估计算法并对该算法进行了改进,首先将信号在频域转换到时域,然后将时域中循环前缀长度之外的信道估计值置零。同时对循环前缀之内,也就是1GnL的信道估计值做进一步的处理,以便进一步消除噪声的干扰。通过计算机仿真验证了改进的DFT算法优于原算法。     

GOMP改进算法在信道估计中的应用

广义正交匹配追踪GOMP(Generalized Orthogonal Matching Pursuit)算法作为压缩感知理论中的重要组成部分,在信道估计领域早有应用。但由于无法解决信道稀疏度的获取问题,限制了这一算法的发展。针对这一问题,提出一种通过变步长实现稀疏自适应匹配的改进算法,并利用傅里叶变换的共轭对称性在选择原子方面加以完善,从而提高了算法的精度和效率,增强了该算法在实际信道估计中的可行性。     

一种改进的卡尔曼滤波压缩感知信道估计算法*

精确、高速的信道估计是通信系统处理信号的基础。针对卡尔曼滤波压缩感知在信道估计时伪测量过程计算效率较低的问题,提出了一种高性能的卡尔曼滤波压缩感知信道估计算法。对伪测量过程的近似 范数约束框架进行了进一步优化,引入高斯核函数对雅克比赋权矩阵的列向量进行优化,使算法对稀疏信号支撑集的重构速度较大程度提升。同时,引入微分熵确立了收敛指标,降低了算法的运行时间。仿真表明,在同等条件下,本文算法相对于原有算法,估计精度和收敛速度均有较大程度提高,在低信噪比和不同稀疏度下都具有较好的鲁棒性和实用性。     

基于混沌序列的压缩感知超宽带信道估计

通过分析超宽带信道本身特性,利用混沌序列良好的随机性,提出一种基于Logistic混沌序列的超宽带信道估计方法。通过Logistic映射产生伪随机序列,对准托普利兹矩阵进行正交变换,产生新的改进型矩阵,并将该矩阵作为压缩感知的测量矩阵,建立贝叶斯压缩感知数学模型对超宽带信道进行估计。仿真结果表明,在同等的实验条件下,与传统的重构算法相比,该方法具有更高的抗噪声性能和重构精度。     

一种改进的压缩感知重构算法

压缩感知重构信号时,在感知过程中如何选定支撑集对算法的重构性能至关重要.基于压缩采样匹配(CoSaMP)重构算法,引入Dice系数匹配性度量准则,优化了支撑集的选择.上述算法改进了从给定的观测矩阵中挑选与残差信号最匹配原子的匹配准则,体现了残差信号中各个元素对原子选取的重要作用.仿真结果表明:在同等稀疏的条件下,重构算法与传统的CoSaMP算法相比,误差低于传统CoSaMP算法,且随着观测维数的增加,重构信号的平均成功概率比传统的CoSaMP算法的大,实现了较小的重构误差和更好的压缩性能.     

基于小波变换的图像压缩感知

针对图像变换后系数采样数量和图像重建质量之间的矛盾,从图像的结构和纹理特性出发,提出基于小波变换的图像压缩感知算法.讨论图像经过多尺度小波变换后系数的稀疏性,保留图像变换后的低频系数,只对高频系数进行测量,同时利用正交匹配追踪算法重构高频系数.实验仿真结果表明,该算法能有效提高图像重建质量.     

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PCA特征基压缩传感算法的人脸识别

针对人脸识别对遮挡、表情和光照的鲁棒性问题,提出基于PCA特征基压缩传感算法的人脸识别方法。利用双向二维主成分分析提取图像行列2个方向的特征并进行降维,建立反映人脸特征投影矩阵,作为压缩传感算法的超完备基。通过求解最小化l1范数,寻求图像在该超完备基上的稀疏表示,以得到一组最优稀疏系数重构各类图像,求取测试图像与各类重构图像的最小残差进行分类识别。实验结果表明,该方法在较低的人脸特征维数下具有较高的人脸识别率,能有效提高人脸识别对遮挡、表情和光照的鲁棒性。     

基于DCT的OFDM信道估计算法研究

信道估计技术是OFDM技术的关键技术之一.文章首先简要介绍了信道估计的基本算法,重点研究了离散余弦变换(DCT)理论,在此基础上设计了一种的新的插值方法,并将其运用到信道估计算法中.该算法实现简单,不仅能降低干扰误差,而且能减少基于离散傅里叶变换(DFT)的信道估计算法在多径衰落信道中的高频失真,估计效果也优于基于DFT的算法.文章最后对两种算法做了仿真,给出了均方误差和误码率的比较曲线图,得出了较理想的结论.     

基于变步长的正则回溯SAMP压缩感知重构算法

稀疏度自适应正则回溯匹配追踪算法（SAMP algorithm based on Regularized Backtracking ,SAMP-RB）是一种有效的压缩感知重构算法,在原子选择阶段引入回溯的思想,提高了重构精度,减少了重构时间。但SAMP-RB算法重构时采用步长不变的思想,容易因步长设置不合理而导致过估计或欠估计的问题。针对该问题,本文为提高残差大时的逼近速度,及残差小时的逼近精度,提出抛物线函数步长选择方法,并将其引入SAMP-RB算法。理论分析与仿真结果表明,改进后的变步长的正则回溯稀疏度自适应匹配追踪算法在提高重构精度的同时,重构时间降低了20%左右,因此验证了改进算法的有效性。     

基于压缩感知的图像重构算法

在图像压缩感知中,梯度投影恢复算法存在收敛速度慢、迭代次数多、对数据稀疏度过分敏感的问题。为此,提出一种基于压缩感知的图像重构算法。将拟牛顿法引入稀疏梯度投影算法中,利用拟牛顿法的估计校正机制以及其全局超线性收敛性,通过对目标函数的校正,获得更精确的搜索方向,从而减少迭代次数,构成有效收敛的图像恢复算法。实验结果表明,与传统梯度投影恢复算法相比,该算法在保证较好图像恢复效果的同时具有较好的抗噪性能,并且在减少迭代次数的基础上能有效降低重构误差,得到稳定收敛的重构结果。