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。     

MIMO-OFDM的信道估计算法研究

关于无线通信问题,为提高容量和传输效率,提出了一种基于变步长的LMS的自适应信道估计跟踪算法,用于快时变衰落的MIMO-OFDM系统无线信道估计中.采用LMS分别跟踪信道经QR分解后的两个矩阵,迫使非上三角的元素为零,抑制了部分干扰与噪声.再通过将抽头输入向量的平方欧氏范数进行归一化,用来调整LMS自适应算法的步长,以达到有效跟踪的目的,同时避免了矩阵的求逆运算,降低了实现的复杂度.通过计算机仿真验证了改进的基于变步长的LMS自适应算法在精度和性能上优于原有的算法.     

MIMO-OFDM系统的信道估计方法

在第三代移动通信组织给出的空间无线信道模型（3GPP-SCM）下,基于多输入多输出天线频分复用系统（MIMO-OFDM）,设计了基于最小均方误差准则的信道估计器。由于最小均方误差信道估计器是在最大似然信道估计器的基础上基于统计信息的去噪处理,在3GPP-SCM中利用蒙特卡罗方法对不同种典型信道环境做自相关系数统计,得到信道的先验统计信息,进而设计并实现了基于MIMO-OFDM系统的最小均方误差信道估计器。通过仿真,验证了最小均方误差信道估计器相对于最大似然信道估计的准确性,并在误码率方面,带来更好的系统性能。     

多天线系统频域信道估计算法的研究

在天线性能优化问题的研究中,MIMO-OFDM 技术将 OFDM 与空时编码技术有机的结合在一起,能够大幅度的提高无线通信系统的信道容量和传输速率.为了有效地抵抗多径衰落、抑制干扰和噪声,提出了一种改进的 LS 频域信道估计的改进算法即分组 LS 频域信道估计算法.算法根据 MIMO-OFDM 系统相邻子载波频域信道响应变化缓慢的结论,把所有天线发送的 OFDM 子载波分成多组来进行信道估计.通过对算法的仿真建模并进行仿真,表明算法具有简化算法复杂度以及提高抗噪声和信道估计能力,在抗多普勒频移等方面有更好的性能.算法可为多天线系统信道估计的研究提供了设计依据.     

基于导频的MIMO-OFDM系统信道估计算法研究

信道估计作为MIMO-OFDM的一种关键技术对系统性能有着十分重要的影响,该文分析了基于块状导频、梳状导频、矩形导频对信道估计的影响,并对LS线性插值算法进行了改进,通过计算机仿真验证了改进的LS插值算法在精度和性能上优于原有的算法。     

基于稀疏度自适应算法的MIMO-OFDM稀疏信道估计研究

无线信道在时域上具有稀疏性,为压缩感知理论提供了应用前提。多输入多输出正交频分复用(MIMO-OFDM)系统的信道估计问题就转变为稀疏信号的重建。压缩感知重构算法中的压缩采样匹配追踪(Co Sa MP)算法在MIMO-OFDM的信道估计中表现出较好的抗噪性能和较高的重构精度,但其需要稀疏度作为已知信息,而在实际中很难获得信道的稀疏度。为此提出一种基于稀疏度自适应算法(Co Sa SAMP)的MIMO-OFDM系统信道估计,同时在原算法的基础上使用了矩阵分块的方法,提高了其重构精度。仿真结果表明,与传统算法相比,该算法具有更好的估计性能和更高的频谱利用率,并将矩阵分块前后的估计性能进行了对比,结果表明分块后的估计精度更高。     

基于GAIC的MIMO-OFDM信道估计

对于多径稀疏的多输入多输出正交频分复用(Multiple-input and muItipIe-output orthogonal frequency division multiplexing,MIMO-OFDM)信道,提出了基于广义Akaike信息论准则(Generalized Akaike information criterion,GAIC)的MIMO-OFDM系统实用的信道估计算法,该算法能够估计出信道的长度和每径信道的时延,降低加性白噪声对信道估计的影响,提高信道估计的精度.通过仿真,与最小二来(Least squares,LS)算法和离散傅里叶变换(Discrete Fourier transform,DFT)算法相比较,大大地降低了信道的估计误差,提高了系统性能,且信道稀疏性越强,性能改善越好.     

新的基于训练序列的MIMO-OFDM时域信道估计方法

为了实现多输入多输出—正交频分复用系统的相干检测,提出一种新的基于训练序列的信道估计方法。将使用的训练序列在时间上呈现正交性,同时利用训练序列本身良好的相关特性简便、精确估计出信道的冲激响应。通过理论分析和计算机仿真证明,新的算法对比最佳训练序列的LS(最小二乘法)时域估计方法,在具有同样估计精度的同时,避免了复杂的矩阵求逆运算,使计算复杂度进一步降低。     

自适应噪声抵消技术的仿真与应用研究

从有用信号中剔除噪声是信号处理中一个重要研究课题.在金属矿区进行地震勘探数据采集时,经常会受到矿区内机械设备的强噪声干扰,常规的滤波方法对于淹没在强机器噪声下的有效地震信号的提取已经不适用,而随着计算机和信号处理技术的发展,自适应噪声抵消技术已广泛的应用于各个领域.通过对自适应噪声抵消器原理的研究,结合地震数据信噪模型分析,重点研究利用自适应噪声抵消技术来消除机器噪声.针对基于NLMs算法的常规技术存在的不足,提出了一种改进的算法,并运用MATLAB进行仿真试验,仿真结果表明自适应噪声抵消技术可以有效抵消机器噪声的干扰,大大提高地震资料的信噪比,使有效地震信号失真小.     

一种新的基于训练序列的MIMO-OFDM信道估计方法

为了实现MIMO-OFDM(多输入多输出—正交频分复用)系统的相干检测,提出一种新的基于训练序列的信道估计方法。详细阐述了算法的估计准则和训练序列的构造方法。利用训练序列良好的相关特性简便、精确估计出信道的频域响应及其冲激响应。通过理论分析和计算机仿真说明,新的算法对比最佳训练序列的LS(最小二乘法)时域估计方法,具有同样的估计精度,同时避免复杂的矩阵求逆运算,使计算复杂度进一步降低。     

基于神经网络的MIMO-OFDM信道估计

提出了一种适用于神经网络框架下的MIMO-OFDM系统的信道估计算法。通过对三层神经网络结构的分析,用两层神经网络实现了一种主成分分析（PCA）最小二乘学习算法。通过导频信息得到MIMO-OFDM信道模型初始值,再用神经网络算法对MIMO-OFDM信道的时变状态参数进行跟踪;采用两层神经网络,由隐层输出对最终输出修正,中间实现可变遗忘因子的改进递推最小二乘学习算法。仿真结果表明,该方法与最小二乘（LS）算法相比,在跟踪时变衰落信道时,估计的均方误差有较大提高,从而有效地改善了接收端的符号检测性。     

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。     

基于分布式压缩感知的MIMO-OFDM系统信道估计研究

针对MIMO系统信道的联合稀疏特性,提出一种基于分布式压缩感知(DCS)的MIMO-OFDM系统信道估计方法。分布式压缩感知(DCS)被视为分布式信源编码和压缩感知(CS)的结合,论文详细论证了分布式压缩感知理论在MIMO-OFDM系统中运用的可行性。将该算法与基于压缩感知理论的Co SAMP算法做比较,仿真结果表明,基于DCS算法的信道估计不仅性能更优,而且可以实现更低的时间复杂度。     

基于自适应噪声估计的语音增强技术

针对语音系统受外界强噪声干扰而导致识别精度降低以及通信质量受损的问题,提出一种基于自适应噪声估计的语音增强方法。通过端点检测将语音信号分为语音段与非语音段,对这两种情况的噪声幅度谱分别进行自适应估计,并对谱减法中不具有通用性的假设进行研究从而改进原理公式。实验结果表明,相对于传统谱减法,该方法能更好地抑制音乐噪声,并保持较高清晰度和可懂度,提高了强噪声环境下的语音识别精度和通信质量。     

MIMO-OFDM系统中基于小波包的信道估计方法

对多输入多输出-正交频分复用(MIMO-OFDM)系统中基于导频辅助的最小二乘(LS)信道估计算法进行研究,针对LS算法对噪声影响比较敏感的缺点,提出了一种基于小波包去噪的信道估计方法,对导频符号的信道响应进行去噪处理后,再做内插估计.根据该方法的思想,基于长期演进(LTE)协议进行计算机仿真与分析,结果表明该方法比传统的LS估计算法具有更好的性能,能够有效减小信道噪声的影响,提高信道估计精度.     

一种基于小数倍多普勒信道的OTFS信道估计方法

针对现有正交时频空(OTFS)调制系统的信道估计中存在的高峰均比和小数倍多普勒信道下估计困难及复杂度高的问题,提出了一种基于序列导频的匹配滤波(SMF)信道估计方法。该算法首先将序列导频与数据联合成帧,依靠序列的自相关性获取路径数、时延和整数倍多普勒;然后通过互相关匹配滤波估计小数倍的多普勒抽头和信道增益,从而得到信道状态信息;最后根据小数倍信道整数采样的特征,更新信道增益和信道初始相位。仿真结果表明,该方法相比基于嵌入式脉冲导频的信道估计,改善了峰均比,并提高了信道估计性能。相比于传统的序列导频,该方法可以估计得到小数倍多普勒抽头,估计的信道状态信息更准确。该信道估计方法更具有普遍性。     

一种子空间分解的MIMO-OFDM半盲信道估计方法

信道估计是MIMO-OFDM系统实现优良传输的一项重要环节。半盲信道估计算法是将MIMO-OFDM信道矩阵进行分解,分别利用未知数据和已知导频信息来完成信道估计。在利用未知数据进行估计时,提出一种利用频域子载波分组的子空间分解方法,不仅降低了计算复杂度,而且同时提高了信道估计的精度。利用已知的导频信息和未知数据估计出来的结果,可以求得最后的信道矩阵。相对于传统的频域子空间分解的半盲估计方法,算法可以减小计算复杂度80%,同时提高了估计精度平均1～2dB。仿真结果证明了算法具有良好的性能表现。     

基于VC的MIMO-OFDM系统的子空间半盲信道估计

传统的子空间盲信道估计收敛速度缓慢且需要大量接收信号才能保证估计性能良好,就此问题提出了一种新的基于虚拟载波（VC）的MIMO-OFDM系统的盲信道估计算法。该算法是传统子空间算法与块矩阵思想的结合,在每个OFDM符号中提取一组子矢量来降低维度。而后又在盲信道估计算法中加入导频序列形成新的半盲信道估计算法。通过计算机模拟仿真发现,新提出的盲信道和半盲信道估计算法在信道估计性能和收敛性方面均表现较好。