基于小波降噪和改进ISFA的CO-OFDM信道估计方法

提出了一种基于小波降噪与改进的符号内频域平均(ISFA)联合的相干光正交频分复用(CO-OFDM)系统信道估计方法。该方法利用最小二乘(LS)方法进行信道估计,并对估计后的结果进行小波去噪处理,最后采用Kaiser窗函数改进ISFA算法对小波处理结果进行ISFA,完成联合去噪。仿真结果表明,该方法可以有效地提高信道估计精度。当光信噪比(OSNR)为17 d B时,该算法的误码性能(BER)比ISFA算法的误码性能提高将近一个量级。     

移动环境中WIMAX-OFDM的一种信道估计算法

对在移动环境下WIMAX-OFDM系统的信道估计进行了分析，并在此基础土提出一种新的前导信道估计方法，通过虚载波信道估计和自适应低通滤波实现了移动环境下的信道估计。仿真结果表明：该算法在复杂度增加很少的前提下，不仅给出了精度较高的信道估计信息，而且明显提高了系统误码性能。     

基于QR分解的MIMO-OFDM系统信道估计降噪方法

MIMO-OFDM传输系统的信道估计降噪算法多是基于DFT,如果系统中含有虚载波,该方法将严重影响系统的性能。为使信道估计性能不受系统虚载波影响,提出了基于QR分解的系统信道估计降噪方法,该方法将部分频域变换矩阵经过QR分解,得到酉矩阵,将其与LS频域信道估计矢量相乘后得出信道估计噪声。用Matlab对提出的算法进行了仿真,通过对仿真结果进行分析比较并得出结论,验证了改进算法的优越性。     

短波SC-FDE系统中改进的LS信道估计算法

针对短波单载波频域均衡( SC-FDE)系统中最小二乘( LS)信道估计算法受噪声影响大而导致的估计精度低的问题,提出了一种改进的基于小波去噪的LS信道估计算法。改进算法采用基于分块导频的帧结构,首先用LS算法对信道进行初步估计,然后根据小波多分辨率分析( Mallat)理论将LS估计的结果分解,并设置一个合理阈值对分解得到的小波系数处理,从而消除LS估计的残留噪声,提高估计精度。仿真结果表明,在短波信道下,改进算法不仅减小了系统开销,而且提高了LS估计的性能。     

协同通信系统中基于EM算法的半盲信道估计与迭代检测

研究协同通信系统的信道估计和符号检测技术,提出一种基于EM（Expectation Maximum）算法的半盲信道估计和迭代检测接收方案。它有利于减少协同通信系统的额外系统开销,并能有效提高协同通信的信道估计精度和系统误码性能。     

平坦信道下的MIMO信道估计误差分析

基于导频序列推导了频率平坦多输入多输出(MIMO)信道下的最小二乘信道估计(LS)误差;将信道估计误差等效为高斯噪声,推导了信道估计条件下系统的等效信噪比,提出了用系统的等效信噪比来分析和评估在信道估计误差条件下系统的误码性能;最后用等效信噪比的方法评估了ZF-V-BLAST算法在信道估计下的性能,结果表明和计算机仿真结果基本相吻合。     

一种基于最小均方误差准则的联合多小区信道估计算法

信道估计的准确程度直接影响到联合检测算法的性能。传统的信道估计算法将其他小区用户的信号均作为白噪声来处理,因此影响了信道估计的准确性。该文提出基于最小均方误差准则的联合多小区信道估计算法,由于改变了信道估计矩阵的结构,将邻小区强干扰用户也作为可以检测的用户信号来处理,降低了信道估计中噪声功率。该算法不仅适用于多小区联合检测,也可用于单小区联合检测。与传统的Steiner信道估计算法相比,新算法在存在邻小区同频干扰的情况下,能够很大程度提高信道估计的精度,进而大幅提升TD-SCDMA系统的性能。     

认知NC-OFDM系统一种改进的信道估计

介绍了认知无线电NC-OFDM系统中的信道估计技术,着重分析了随机插入导频模式和迭代IDFT变换域降噪方法。通过引入转换分解算法,对迭代IDFT变换域降噪方法进行改进,改进的信道估计算法与迭代IDFT变换域降噪方法有相同的估计性能,但改进的信道估计算法运算量少,估计器复杂度低,提高了硬件资源的利用,具有实用性。     

TD-SCDMA系统中低代价信道估计方法的改进

TD-SCDMA系统中运用B.Steiner估计器是一种低代价的信道估计器，其估计精度受信道中加性噪声的影响，导致估计值与真实值相比误差较大，影响系统性能。本文提出一种门限处理方法，对Steiner估计器得到的信道响应进行改进，削弱噪声影响。模拟实验表明，改进的信道响应更接近真实值，能提高系统性能。并且，这种后处理方法简单，易于实现，很小或几乎不增加系统的运算。     

能量泄漏对OFDM系统LS信道估计性能影响的分析

针对OFDM系统的无线信道中非整数倍采样间隔多径时延的LS信道估计性能及其误差对系统误码性能的影响进行了理论分析和仿真实验。结果表明：LS的信道估计误差功率和OFDM系统的误码性能与无线信道中多径时延是否为整数倍无关,只与信道噪声功率强相关,即能量泄漏并没有带来文献指出的系统性能恶化。     

CS算法结合COAA算法提高机载合成孔径雷达成像质量

该文将对比度最优自聚焦算法(COAA)与基本Chirp Scaling算法(CSA)相结合,对CS算法方位处理过程做适当变化,把COAA算法融入其中,一方面进行精确的无插值距离徙动校正,一方面进行准确的二次相位误差估计和校正,从而提高机载合成孔径雷达的成像质量。通过对COAA算法采用变步长迭代提高二次相位误差估计的精度和速度,增强算法的实用性。文中给出两种算法相结合进行雷达数据成像处理的流程图,并用条带正侧视SAR模式实际雷达数据验证研究结果的有效性。     

Large system performance of linear multiuser receivers in multipathfading channels

A linear multiuser receiver for a particular user in a code-division multiple-access (CDMA) network gains potential benefits from knowledge of the channels of all users in the system. In fast multipath fading environments we cannot assume that the channel estimates are perfect and the inevitable channel estimation errors will limit this potential gain. We study the impact of channel estimation errors on the performance of linear multiuser receivers, as well as the channel estimation problem itself. Of particular interest are the scalability properties of the channel and data estimation algorithms: what happens to the performance as the system bandwidth and the number of users (and hence channels to estimate) grows? Our main results involve asymptotic expressions for the signal-to-interference ratio of linear multiuser receivers in the limit of large processing gain, with the number of users divided by the processing gain held constant. We employ a random model for the spreading sequences and the limiting signal-to-interference ratio expressions are independent of the actual signature sequences, depending only on the system loading and the channel statistics: background noise power, energy profile of resolvable multipaths, and channel coherence time. The effect of channel uncertainty on the performance of multiuser receivers is succinctly captured by the notion of effective interference     

上行信道估计在TD-LTE系统中的研究

LTE作为一个很有前景的通信标准,与现有通信标准相比,具有更高的传输速率和更好的传输质量,而上行信道估计是LTE系统中不可缺少的一个环节。在对现有LTE系统的两种信道检测算法分析的基础上,提出了一种兼具高准确度和低复杂度的改进算法,在使用原有算法对导频符号进行信道估计之前,先对其进行时域降噪处理,在插值后能够提高系统的估计准确性。仿真结果表明,改进后的算法与原算法相比,在不增加计算复杂度的前提下,能够较大程度地提高系统的估计性能,更适合第4代移动通信的要求。     

无线OFDM系统频率选择性衰落信道下的SOVA译码算法

本文对正交频分复用(OFDM)系统频率选择性衰落信道中,信道状态信息(channel state information 简称CSI)确知,以及CSI不能或不必精确估计时的SOVA译码算法进行了研究,给出了OFDM系统频率选择性信道BPSK调制时SOVA译码算法的数学描述.在此基础上,我们提出了两种SOVA译码算法:一种是基于盲信道估计的SOVA算法;另一种是不必训练和信道估计的差分SOVA算法,该算法可以在CSI完全未知的情况下进行可靠的SOVA译码.仿真结果说明该算法具有良好的性能.     

基于小波的频率选择性瑞利衰落信道估计

频率选择性快衰落信道的精确估计对接收机性能的提高起着重要作用。本文采用小波基表示频率选择性快衰落信道，并由此提出两种估计时变信道的算法，瑞利快速衰落信道下的仿真结果表明，信道估计精度较之传统的LMS和RLS算法有明显提高。     

基于混合结构导频和FFT低通滤波的OFDM信道估计

精确的估计精度、良好的跟踪能力,以及实现简单是信道估计的三个基本要求.本文提出一种混合结构导频的信道估计新方法,采用块状导频和基于FFT低通滤波的LS算法捕捉准确的信道频域响应,利用少数梳状导频和改进的LS算法跟踪信道变化和修正相位噪声.通过仿真证明,该方法估计精度高,频谱利用高,信道跟踪能力强,实现简单,满足了慢衰落信道环境下的应用要求.     

LTE-A CSI-RSRP测量算法研究

分别以单天线端口的信道状态信息参考信号(CSI-RS)场景和两天线端口的CSI-RS场景为例子,通过详细的公式推导了信道状态信息参考信号接收功率(CSIRSRP)测量的4种不同算法,并进行了仿真验证。根据仿真结果不仅可以分析出这些算法的特点,还得出如果要提高CSI-RSRP的测量精度,可以尽量增大CSI-RSRP的测量带宽和增加参与计算CSI-RSRP的子帧数。     

Identification of hidden Markov models for ion channel currents. I.Colored background noise

Signal processing based on hidden Markov models (HMM's) has been applied recently to the characterization of single ion channel currents as recorded with the patch clamp technique from living cells. The estimation of HMM parameters using the traditional forward-backward and Baum-Welch algorithms can be performed at signal-to-noise ratios (SNR's) that are too low for conventional analysis; however, the application of these algorithms relies on the assumption that the background noise is white. In this paper, the observed single channel current is modeled as a vector hidden Markov process. An extension of the forward-backward and Baum-Welch algorithms is described to model ion channel kinetics under conditions of colored noise like that seen in patch clamp recordings. Using simulated data, we demonstrate that the traditional algorithms result in biased estimates and that the vector HMM approach provides unbiased estimates of the parameters of the underlying hidden Markov scheme     

On the second-order statistics of the weighted sample covariance matrix

The second-order statistics of the sample covariance are encountered in many covariance based processing algorithms. This paper derives closed-form expressions for the covariance of the weighted sample covariance matrix with an arbitrary weight for both a real system and complex system. Given a system model, the results explicitly rely on the second-order and fourth-order statistics of the channel noise and inputs. They are shown to coincide with the existing results when the channel inputs and noise are Gaussian distributed. Our results can be directly applied to analyze the statistical properties of subspace-based channel estimation methods for single-input multiple-output (SIMO) systems and code-division multiple access (CDMA) systems. Numerical examples are provided to further verify analyses.