一种基于矩阵外积分解的信道盲辨识与盲均衡算法

本文提出了一种鲁棒性较好的信道盲辨识和盲均衡算法.在仅需知道信道阶数上界的条件下,首先采用改进的信道阶数估计算法对信道阶数进行精确估计,与现有算法相比,所需信噪比降低、对信道的适应性提高;然后,在矩阵外积分解算法的基础上,加入特征值扰动分析,提高了信道盲辨识和盲均衡性能.仿真结果证明了算法的有效性.     

基于子空间信道矩阵迭代的阶数估计算法

针对二阶统计量信道盲辨识算法中有效阶数估计问题,该文提出了一种基于子空间信道矩阵迭代的阶数估计(SS-CMR)算法.基于过估计条件下的Q矩阵特殊结构和其解空间向量可等价为真实信道冲激响应与公共零点信道的卷积,该算法首先利用子空间算法获得估计的信道矩阵,然后构建迭代形式的代价函数进行阶数估计.仿真表明,SS-CMR算法较CMR算法性能提升,且明显优于现有其他阶数估计算法;解析分析表明算法复杂度较CMR算法明显降低,对首尾系数很小的信道的阶数估计尤为有效.     

具有周期调制和循环前缀的块传输系统中MIMO信道的盲辨识

在块传输系统中,可通过添加块前缀来辅助信道识别。一种针对具有循环前缀和周期调制的块传输系统的盲辨识方法,利用了信道矩阵的块循环特性来求解信道系数。该文将该算法推广到了多用户系统,并给出了算法的辨识条件。同样是基于二阶统计量的方法,新算法克服了基于子空间分解类算法对噪声,对信道阶数误估计,对信道零点位置敏感的缺点。文中仿真证明了在较低信噪比条件下,利用新算法仍可对多输入多输出信道进行较好的估计。     

基于粒子滤波的Turbo盲均衡

粒子滤波是一种基于贝叶斯估计的算法,在信道盲辨识和盲均衡问题上具有快收敛、抗深衰信道等优势。Turbo盲均衡在低信噪比条件下有较好的误码性能。为了在深衰信道下使通信具有良好的误码性能,对粒子滤波盲均衡算法进行改进,改进算法的重要性采样函数利用了粒子的先验信息,得到一种软输入软输出的粒子滤波盲均衡算法。依据Turbo盲均衡的框架结构实现了一种基于粒子滤波的Turbo盲均衡算法,该算法利用信道编码带来的编码增益,提高了均衡和信道辨识的性能。仿真结果表明相比粒子滤波盲均衡算法本文提出算法的误码率性能提高1dB左右,误帧率性能则提高了3dB以上,经分析可知在信道系数估计较为准确的条件下,系统数据帧几乎没有误码。      

SIMO信道中基于奇异值分解的盲信噪比估计算法

信噪比（SNR）是现代通信信号处理中一个重要参数,许多算法需要它作为先验信息以获取最佳估计性能。针对单输入多输出（SIMO）系统的信噪比估计问题,本文提出了一种盲信噪比估计算法。该算法利用多路信号协方差矩阵的奇异值分解（SVD）,通过计算矩阵的最大特征值实现各路信号信噪比估计。该算法无需知道信号的先验信息,能够对加性高斯白噪声信道（AWGN）和多径信道下常用的数字调制信号进行信噪比估计。仿真结果表明该算法具有良好的估计性能。与单路信号中基于SVD信噪比估计算法相比,该算法无需估计信号空间与噪声空间维数,提高了估计精度,同时大大减小计算复杂度。      

一种基于信道盲辨识和盲均衡的多径信道调制方式识别算法

针对多径环境下MPSK和MQAM信号的调制识别问题,该文提出了一种基于信道盲辨识和盲均衡的调制识别算法。算法首先进行信道阶数精确估计,然后以矩阵外积分解为基础,加入特征值扰动分析,提高了信道盲辨识和盲均衡的稳定性,最后,对均衡后的星座图进行多级减法聚类,得到信号的调制方式。与现有算法相比,算法结构简单,所需数据量小,适用范围广,实用性强。仿真结果证明了算法的有效性。     

低信噪比下非数据辅助的OFDM系统信道阶数和噪声方差的估计

在低信噪比情况下,该文提出一种新的针对正交频分复用(OFDM)系统信道阶数和噪声方差的非数据辅助(NDA)估计算法。算法中应用了一种新的基于联合极大几何均值(MGM)的代价函数。新的代价函数不仅利用了循环前缀(CP)冗余性,同时也利用了信道记忆性。对比只利用了CP的方法,该算法可以在低信噪比情况下更准确地估计信道阶数和噪声方差。仿真结果表明,在低信噪比情况下,该算法针对信道阶数的估计得到约10 dB的信噪比增益;同时,对噪声方差的估计,该算法显著提高了估计精度,抑制了信噪比20 dB以下估计性能恶化的现象。     

一种新的多址信道有效阶数估计算法

针对多用户正交频分复用/空分多址(OFDM/SDMA)系统上行链路多址信道,基于噪声信道提出了一种新的信道有效阶数和信道冲激响应联合估计算法。该算法以最大似然为目标函数,构建了基于差分进化并行搜索信道有效阶数并进行信道冲激响应估计的联合框架。算法引入赤池信息量准则作为搜索阶数最优的评判函数,以提高信道有效阶数和信道冲激响应的估计精度。仿真验证了所提算法的有效性和可靠性,结果表明引入赤池信息量准则(AIC)在降低有效信道阶数估计误差的同时提高了时域最大似然信道估计器的性能。特别地,在误码率为10-5时,所提算法能够获得约1.5 dB的性能增益。     

基于子空间投影的信道阶数盲估计算法

根据联合阶数估计最小二乘平滑算法(J-LSS)中投影误差矩阵的特点,利用其零空间向量形成的特殊矩阵的秩与信道阶数的关系,分别构造2个阶数估计代价函数。将2个代价函数归一化后联合构建成新的代价函数,新的代价函数较使用单一代价函数提升了在低信噪比下的辨识率。仿真结果表明,与传统算法相比,该算法在较低的信噪比和小样本观测数据条件下,有很好的估计性能。     

一种新颖的抗阶数过估计的增强子空间盲辨识算法

研究了子空间盲辨识算法在信道阶数过估计时失效的问题,提出一种新的鲁棒性强的增强算法。首先针对过估计模型,提出了"加权矩阵定理",理论证明通过构造一个加权矩阵来修正子空间算法,可消除阶数过估计的影响;然后,给出一种用指数序列构造近似的加权矩阵的增强算法。与子空间盲辨识算法相比,增强算法复杂度相当,对阶数过估计鲁棒性强。仿真实验验证了该算法的有效性。     

估计算法的鲁棒性问题研究

本文针对异步DS-CDMA系统,在理论上分析了信道阶、信道头和尾对子空间盲特征波形估计算法性能的影响,并进行了计算机仿真.首先提出了一个特征波形分解模型,将特征波形分解为m阶主要部分和次要部分,得到了相应的m阶子空间算法;然后运用矩阵扰动理论,证明了特征波形分解的可行性,即m阶子空间算法的特征波形估计逼近于m阶主要部分;最后从矩阵特征值分解的稳定程度出发,推导了特征波形分解准则,该准则指出应该避免考虑次要部分,采用尽可能小的信道阶.仿真结果验证了理论分析的正确性.     

异步DS-CDMA系统子空间盲特征波形估计算法的鲁棒性问题研究

 本文针对异步DS-CDMA系统,在理论上分析了信道阶、信道头和尾对子空间盲特征波形估计算法性能的影响,并进行了计算机仿真.首先提出了一个特征波形分解模型,将特征波形分解为m阶主要部分和次要部分,得到了相应的m阶子空间算法;然后运用矩阵扰动理论,证明了特征波形分解的可行性,即m阶子空间算法的特征波形估计逼近于m阶主要部分;最后从矩阵特征值分解的稳定程度出发,推导了特征波形分解准则,该准则指出应该避免考虑次要部分,采用尽可能小的信道阶.仿真结果验证了理论分析的正确性.     

一种基于MMSE准则的直接盲均衡新算法及实现

基于互相关向量估计的直接盲MMSE均衡算法通常需要观测向量两个相邻延时的自相关矩阵来构建互相关向量外积.本文提出了一种盲MMSE均衡新算法,利用了统计独立输入信号自相关矩阵是移位矩阵的特殊性质,只需观测向量单个延时的自相关函数便可得到互相关向量的外积,使计算量减少二分之一.然后推导出了新算法的自适应实现过程,实时地对均...     

Blind MIMO channel identification from second order statistics using rank deficient channel convolution matrix

For multiuser systems, several direct blind identification algorithms require that the linear multiple-input multiple-output (MIMO) system have a full rank convolution matrix. This condition requires that the system transfer function be irreducible and column reduced. We show that this restrictive identification condition can be relaxed for some direct blind identification methods to accommodate more practical scenarios. Algorithms such as the outer-product decomposition algorithm only require minor length adjustment to its processing window without the column-reduced condition. This result allows direct blind identification methods to be applicable to MIMO without requiring a full-rank channel convolution matrix.     

Blind channel approximation: effective channel order determination

A common assumption of blind channel identification methods is that the order of the true channel is known. This information is not available in practice, and we are obliged to estimate the channel order by applying a rank detection procedure to an “overmodeled” data covariance matrix. Information theoretic criteria have been widely suggested approaches for this task. We check the quality of their estimates in the context of order estimation of measured microwave radio channels and confirm that they are very sensitive to variations in the SNR and the number of data samples. This fact has prohibited their successful application for channel order estimation and hits created some confusion concerning the classification into under- and over-modeled cases. Recently, it has been shown that blind channel approximation methods should attempt to model only the significant part of the channel composed of the “large” impulse response terms because efforts toward modeling “small” leading and/or trailing terms lead to effective overmodeling, which is generically ill-conditioned and, thus, should be avoided. This can be achieved by applying blind identification methods with model order equal to the order of the significant part of the true channel called the effective channel order. Toward developing an efficient approach for the detection of the effective channel order, we use numerical analysis arguments. The derived criterion provides a “maximally stable” decomposition of the range space of an “overmodeled” data covariance matrix into signal and noise subspaces. It is shown to be robust to variations in the SNR and the number of data samples. Furthermore, it provides useful effective channel order estimates, leading to sufficiently good blind approximation/equalization of measured real-world microwave radio channels     

Blind channel estimation based on maximizing the eigenvalue spread of cumulant matrices in (2 × 1) Alamouti's coding schemes

The popular Alamouti orthogonal space time code attains full transmit diversity in multiple antenna systems. This paper addresses the problem of blind channel identification in (2 × 1) Alamouti coded systems. Under the assumption of independent symbol substreams, the channel can be estimated from the eigendecomposition of matrices composed of second‐ or higher‐order statistics (cumulants) of the received signal. The so‐called joint approximate diagonalization of eigenmatrices (JADE) method for blind source separation via independent component analysis is optimal in that it tries to simultaneously diagonalize a full set of fourth‐order cumulant matrices. To reduce computational complexity, we perform the eigenvalue decomposition of a single cumulant matrix, which is judiciously chosen by maximizing its expected eigenvalue spread. Simulation results show that the resulting technique outperforms existing blind Alamouti channel estimation methods and achieves a performance close to JADE's at a fraction of the computational cost. Copyright © 2010 John Wiley & Sons, Ltd.     

基于子空间分解的信道阶数估计算法

提出一种新的基于子空间分解的信道阶数估计算法.首先基于子空间分解,将观测向量自相关矩阵的几何子空间按照某一正整数La分解为“信号”子空间和“噪声”子空间,由“噪声”子空间构建了一个特殊矩阵Gv,提出了Gv特征分析定理,该定理表明当且仅当La等于信道阶数时,Gv奇异并有唯一的零特征值,并进行了详细的理论和实验证明;然后根据该定理,不断修正“噪声”子空间的大小,判定Gv的奇异性,完成信道阶数的估计.仿真证明该算法不但在低信噪比条件下具有很好的估计性能,而且当信道具有较小的初始和结尾系数时,也能达到很好的效果.     

基于时延分集的MIMO多径信道盲估计算法

发送时延分集在空时编码中是一种有效可行的方法。本文提出了一种基于发送时延分集的多径信道估计方法,指出如果发送时延大于信道时延,多输入多输出（MIMO）信道可以转化为特殊的单输入多输出信道,通过对信道输出进行子空间分解可以估计出信道参数。仿真结果显示了本文算法的有效性。