共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
MIMO-OFDM系统中一种基于自适应滤波的信道估计方法 总被引:6,自引:0,他引:6
该文提出了一种适用于MIMO-OFDM系统的基于自适应滤波器的信道估计方法,此方法在不需要任何信道统计信息的前提下,通过自适应滤波的方法对时变信道状态参数进行即时跟踪与估计。仿真结果表明该文提出的基于自适应滤波的信道估计方法,相比于不考虑噪声的基于LS算法的信道估计方法,MSE和BER性能均有很大的提高。其中基于LMS滤波器的信道估计方法具有计算复杂度小的特点;而基于RLS的信道估计方法具有收敛速度快,MSE和BER性能均优于基于LMS方法的特点。 相似文献
3.
依据最小均方误差准则提出了基于多相正交序列循环移位和基于重复相位旋转Chu两种训练序列设计方法,并给出了相应的最小二乘(RLS)自适应信道估计算法。首先用简单的LS算法对信道进行初步估计,然后采用RLS算法进行自适应滤波器提高信道估计的性能,最后,将滤波后得到的时域信道估计经过FFT变换为频域信道响应,并对OFDM数据符号进行频域均衡。与传统单一的信道估计技术相比,该方法具有较低的复杂度和较好的估计性能,仿真实验证明了该算法的有效性。 相似文献
4.
提出了一种适用于时间频率选择性衰落信道的MIMO-OFDM系统的组合信道估计方法。采用AR过程对信道进行建模,利用基于导频的低维Kalman滤波算法进行信道估计,并采用LS算法估计时变的信道衰减因子。Kalman滤波跟踪了信道的时域相关性,为了同时跟踪信道的频域相关性,采用了一种基于MMSE(minimum mean square error)的合并器对Kalman滤波算法进行修正。仿真表明,提出的这种组合算法降低了传统的Kalman滤波结构的复杂度,能够跟踪信道的时频变化,改进了基于LS准则的信道估计算法,并且与复杂的高维Kalman滤波算法的信道估计性能相当。 相似文献
5.
6.
本文介绍了最小均方误差(LMS)算法和递推最小二乘(RLS)两种自适应滤波理论,并在自适应均衡和信道估计两个应用领域中进行了MATLAB仿真结果. 相似文献
7.
为克服常用的最小均方(LS)估计算法误差平底较高,且需要占用大量导频资源跟踪时变信道的缺点,提出一种基于Kalman滤波跟踪的MIMO-OFDM半盲的信道估计算法,该算法在采用少量导频的前提下,建立参数化信道模型,采用自适应Kalman滤波技术跟踪时变信道状态信息。仿真表明:该算法能很好地跟踪时变信道状态,显著降低多普勒频移条件下估计的均方误差。 相似文献
8.
面向高速环境下的无线通信系统,针对高速信道的双选衰落和非平稳特性,提出一种基于基扩展模型(Basis Expansion Model,BEM)的贝叶斯滤波的信道估计方法.针对双选衰落特性,采用BEM信道模型,降低估计复杂度,消除子载波间干扰;针对非平稳特性,提出一种基于贝叶斯滤波的联合估计信道冲激响应与时变的时域自相关系数的信道估计方法.仿真分析表明,所提方法相较最小二乘法等传统方法在高速环境下能够提升估计精度和误码率性能.本方法特别适用于高速铁路的无线通信系统. 相似文献
9.
车联网应用场景对无线通信在带宽、时延、可靠性方面提出了更高的需求,特别是车辆对车辆(Vehicle to Vehicle, V2V)场景。针对V2V高速移动场景,时/频域选择性衰落(双选衰落)和非平稳特性给信道估计带来的技术挑战,该文提出了一种基于基扩展模型(Basis Expansion Model, BEM)的UKF-RTSS (Unscented Kalman Filter- Rauch-Tung-Striebel Smoother)信道估计方法。该方法采用BEM拟合快时变信道,将信道参数的估计转化为基函数系数的估计;通过无迹卡尔曼滤波(UKF),联合估计数据处信道冲激响应与时域自相关系数,用于追踪快时变的信道响应。为了进一步提升信道估计的精度,引入RTSS对后向信道状态信息进行信道估计和插值,与UKF构成了“滤波和平滑”结构的UKF-RTSS联合估计器。系统仿真分析表明,在不同速度的快时变条件下,所提方法相比其他经典方法具有更高的信道估计精度和鲁棒性,特别适用于车联网下的无线通信场景。 相似文献