基于修正BE模型的TDS-OFDM时变信道均衡

本文提出了时变信道的修正BE模型,并利用该模型推导出应用于TDS-OFDM系统的时变信道均衡算法。通过仿真,验证了该模型的准确性;测试了均衡算法的误码性能,并与现有的PN序列自相关和线性插值算法进行了比较。仿真结果表明:该算法可以很好的抵抗多径干扰和多普勒频偏对接收信号的影响,误码率较其它两种算法有显著改善,并能在移动接收速度为250km/h的环境下对时变信道实施有效的均衡。     

时变信道的盲均衡

本文把求解接收信号相关矩阵和自适应盲均衡代价函数法结合起来，提出了一种适合时变信道的盲均衡新算法．计算机模拟表明：本文的方法提高了盲均衡的收敛速度，且均衡器在时变HF短波信道上发散时，能在200～300点之内把均衡器恢复到正常工作状态．     

数字并行接收机在时变信道下的信道估计与均衡方法

为了适应高速宽带无线通信的需要,本文在一种高速数字并行接收机(APRX)结构的基础上,提出了一种时变信道下的信道估计和均衡方法。使用伪随机(pseudo-randomnumber,PN)序列相关进行信道估计,将所得到的信道频率响应粗估计按照一个DFT块的长度在一帧内进行线性内插得到信道频率响应细估计,将其用来在频域进行信道均衡。这种结构能适应高速率传输的要求,并且能有效地对抗时间和频率选择性衰落。仿真结果表明,在多径衰落信道下,APRX已经无法工作,而本文提出的数字并行接收机的信道估计和均衡方法有较好的性能,并且该方法实现简单,便于应用。     

基于卡尔曼滤波器的OFDM系统时变信道估计

文章应用卡尔曼滤波器进行时域的信道估计,在此基础上进行ICI的消除,并在频域采用LS信道估计和单点均衡.仿真结果表明,相对于单纯的频域估计方法,这种方法有效提高了系统的性能.     

基于有限阶最优模型的时变信道均衡

本文分析了时变信道的最优基信道模型,通过对信道统计相关函数的离散K-L(Karhunen-Loeve)变换得到了多径信道的特征向量基模型,该信道模型可以精确地拟合时变信道的变化,并在中国数字电视地面传输标准(DTTB)系统上使用该方法进行仿真。仿真表明,在高速移动的情况下,该方法仍具有相当好的均衡性能。同时,在SNR较高时,可以得到很好的误码性能。该模型是统计意义上的有限阶数最优信道模型。     

稳定分布噪声下基于粒子滤波的多径时变信道盲均衡算法

提出了一种基于粒子滤波的多径时变信道盲均衡算法,并在此基础上进行扩展,提出了一种基于延迟抽样的盲均衡算法。新算法的贡献可总结为：推导出对称α稳定分布（SαS）噪声下对传输码元进行最大后验估计的盲贯序算法;对SαS分布噪声进行高斯近似并递推出信道及噪声未知参数的联合后验分布。仿真结果表明,所提出的算法是有效的,特别是在较强脉冲噪声情况下要优于其他算法。     

基于EVD分解的OFDM系统时变信道估计

OFDM系统中,需要获得信道状态信息实现相干解调。信道的时变性会带来子载波间干扰(ICI),降低信道估计算法的精度。针对信道的快时变性,提出一种基于特征值分解的时变信道估计方法,同时设计一种新的导频结构。该方法利用信道矩阵时域及频域相关性,将信道频域矩阵表示为其特征向量的线性加权,并用贝叶斯模型估计加权系数。仿真结果表明,所提方法能有效降低ICI对系统性能的影响,可较好地满足快时变信道环境的要求。     

OFDM信号在离散时变信道中的新均衡

本提出并分析了一种新的接收机结构，用于减轻接收OFDM信号时多普勒效应的影响。在传输链路中输入端的IFFT和输出接收端FFT之间采用了一种离散的频域信道模型，该模型是基于对接收时变子载波幅度的泰勒扩展。该模型实际标明了相邻子载波的衰减关系。我们研究了一种新类型接收机模型，它可以估计子载波幅度以及子载波幅度的派生量，为消除由多普勒效应引起的子载波间干扰(ICI)，推荐使用一个自适应MMSE滤波器，这样将提高链路的强壮性。     

基于数据拟合的OFDM时变信道估计方法

利用周期伪随机(PN)序列频域能量集中在某些点上的特点,提出一种基于数据拟合的时变信道估计算法.该方法利用周期性PN序列的自相关特性,降低噪声和未知数据对导频的干扰;同时利用其周期性,实现对信道变化趋势的多点拟合;并在此基础卜利用信道时间平均值对估讣参数进行修正,以进一步提高估计精确性.仿真结果表明:与传统方法相比,该方法具有较优的误码率(BER)和均方误差(MSE)性能,尤其在低信噪比环境下性能改善显著.     

基于多项式模型的时频二维OFDM信道估计算法

本文提出了一种内插导频的时频二维信道估计算法,用于无线移动信道下的正交频分复用(OFDM)系统。该算法基于梳状内插的导频信号模型,采用多项式模型对信道进行拟合,从而能够精确的估计出信道信息。与时频二维维纳滤波以及自适应判决反馈的算法相比,该算法不需要预先知道信道相关矩阵以及信噪比等信道信息,简单易于实现,并且能够有效的抑制信道估计中的噪声干扰。仿真结果表明,在衰落环境下,该算法的信道估计最小方差(MSE)性能与最小二乘(LS)估计最小方差性能相比有显著提高。     

频选快衰落信道的Turbo均衡算法

针对频选快衰落信道,本文提出卡尔曼滤波信道跟踪、软输出判决反馈均衡及软输入软输出信道解码迭代处理的Turbo均衡算法以充分利用已获得的信息,实现信道估计、信道均衡与信道解码的迭代更新,并克服传统判决反馈均衡器误差传播的缺陷.仿真表明,本算法能有效地跟踪快衰落信道,经两次迭代就可获得较为满意的码间干扰消除效果.     

OFDM联合信道估计与均衡技术研究

OFDM系统在时变信道中会受到子载波间干扰,单独进行信道估计和信号检测的策略对于提高接收机的抗干扰能力有限,将信道估计和信号检测统一考虑则可更有效地抵抗子载波间干扰。针对此问题,基于迭代SAGE算法提出了一种新的联合信道估计与符号检测算法,为了减低算法的复杂度,引入BEM信道建模方法。仿真评估了BEM算法的归一化均方误差性能,验证了BEM建模的有效性,显示该算法的误码率优于基于BEM算法的线性均衡检测算法和基于MMSE的干扰对消算法,而且该算法只通过少数几次迭代便可达到收敛域,较好地克服了子载波间干扰的问题。     

基于信道线性内插估计的短波块均衡

短波信道上常见的多径传播易引起严重的码间干扰,必须采取有效的信道均衡技术予以克服,同时还要估计信道在训练周期内的随机波动。采用信道线性内插估计技术,将信道冲击响应(CIR)建模为线性时变函数,在分布于数据符号两端的导频符号辅助下进行信道估计。随后结合传统块均衡技术快速恢复原始发送数据。仿真结果显示该信道估计方法信道跟踪性能较好,系统整体误码率性能适中,复杂度较低。     

基于均衡代价函数的信道阶数盲估计算法

针对信道阶数估计问题,利用单输入多输出(Single-Input Multiple-Output,SIMO)有限冲激响应(Finite Impulse Response,FIR)信道的结构特点和输入/输出信号的统计特征,提出了一种基于均衡代价函数的信道阶数盲估计算法.首先计算了归一化最小二乘均衡(Normalized Least Squares Equalization,NLSE)代价函数在理想条件下的理论渐近值,并指出其拐点与信道阶数之间的对应关系.然后分析了NLSE代价函数在实际条件下的近似值.最后引入了拐点优化因子,提出了一种基于NLSE代价函数拐点检测的信道阶数估计算法.理论分析和仿真结果表明,在信噪比(Signal-to-Noise Ratio,SNR)较低和信道首尾系数较小的情况下,该算法比现有其它方法具有更强的鲁棒性,可以获得更小的接收信号均衡误差.     

基于通道均衡函数的复信号反卷积研究

在雷达通道均衡算法的研究中,均衡函数的时域求解存在着复信号反卷积的问题.为此,文中在介绍了均衡函数及其病态问题后研究了复信号反卷积方法,借助于基于循环卷积的反卷积算法和基于伪逆法的反卷积算法实现了复信号反卷积的求解,给出了相应的算法.利用复信号反卷积算法进行了均衡函数的求解和通道均衡的仿真实验.结果表明,文中提出的复信号反卷积方法可以有效解决均衡函数的时域求解.其中,在复信号反卷积算法中运用基于循环卷积的反卷积方法实时性好,运用伪逆法的反卷积算法通用性强,逼近更精确,能更有效回避均衡函数求解的病态问题.     

基于叠加训练序列和低复杂度频域Turbo均衡的时变水声信道估计和均衡

针对时变水声信道估计和均衡问题,该文提出基于叠加训练序列(ST)和低复杂度频域Turbo均衡(LTE)的时变水声信道估计和均衡(ST-LTE)算法.基于叠加训练序列方案,将训练序列和符号线性叠加,使得训练序列和符号信道信息一致;基于最小二乘算法,进行信道估计.基于频域训练序列干扰消除技术,在频域消除训练序列对符号的干扰...     

双选择信道下OFDM系统中一种基于新Kalman滤波估计的Turbo均衡

在OFDM系统中,信道的快速时变性破坏了子载波间的正交性,从而导致子载波间干扰(ICI),降低了系统性能。该文针对双选择信道的时变特性,提出了一种新的Kalman滤波信道估计算法,将其应用于过采样的复指数基扩展模型(OCE-BEM),从而将一个OFDM符号周期内信道参数时变的问题转化为参数时不变问题,同时,将这种新的Kalman滤波器与基于ICI抑制的低复杂度LMMSE Turbo均衡器相结合,并辅以循环冗余码校验(CRC)控制算法迭代次数,从而不需要更多的导频符号,在保证算法性能的基础上,减小算法的计算时延和复杂度。理论分析和仿真结果表明,该文给出的方法在双选择信道下能够有效地跟踪信道变化并抑制ICI影响。     

基于BEM的时变信道估计改进算法

针对参数未知、存在大多普勒频移的时变信道情况,介绍了与之相适应的BEM模型,分析了2种适用于估计BEM模型加权系数的算法,即LS算法和基于迭代的BLUE算法。LS算法简单快捷,其性能不如BLUE算法;BLUE算法因迭代初始值精度不高,在低信噪比时同样存在估计性能差的缺点。提出一种基于BEM模型的时变信道参数估计改进算法,将LS的估计结果作为BLUE的初始迭代值估计BEM模型系数,从而得到更精确的时变信道参数。在典型的时变信道下,以OFDM传输系统为例,对传统BLUE算法和改进后的BLUE算法进行了对比仿真分析。分析结果表明,在低信噪比条件下,相同迭代次数时,改进后的BLUE算法优于传统BLUE算法。