针对OFDM系统的一种新的半盲信道估计方法

针对填补零的OFDM（ZP-OFDM）系统,提出了一种新的基于子空间的自适应半盲信道估计算法。该算法利用ZP-OFDM系统导频信息,给出精确的信道参数初始值。然后通过一种新的子空间跟踪以及功率方法,进行自适应信道估计。该算法不仅降低了计算复杂度,而且改善了盲信道估计收敛速度慢的缺点,仿真结果也表明其具有较好的估计精度。     

一种基于DSP的半盲信道估计算法的实现

信道估计是无线通信领域的一个关键问题,传统的方法是通过在发射端不断地发送训练序列,在接收端利用DSP估计时变信道,这种方法大大降低了信号传输速率。采用基于叠加训练序列的半盲信道估计算法,可以弥补这一不足。介绍了一种基于叠加训练序列的半盲信道估计方法,并利用DSP软件开发平台CCS对该方法做了仿真实现。     

一种基于判决反馈的半盲信道估计方法

无线移动通信MIMO-OFDM系统中,为了减小对导频的依赖性,针对平坦瑞利衰落信道提出了一种基于判决反馈的半盲信道估计方法。该方法使用LS算法结合导频对信道进行初始估计,然后利用初始的信道估计结果得到下一个OFDM符号对应的天线发送信号,最后利用自适应滤波稳态跟踪特性对后面的信道进行跟踪,并将恢复出的信号反馈到滤波器输入端作为后续估计的输入。仿真结果表明,该半盲信道估计方法在平坦瑞利衰落信道下,相比于基于导频的LS信道估计方法具有更好的稳态性能。     

改进的基于虚拟子载波的盲信道估计算法

为了加快正交频分复用(OFDM)系统盲信道估计的收敛速度和提高该系统的估计精度、频带利用率,提出了一种子空间盲信道估计的改进算法.该算法不同于已提出的利用累量信息或者进行接收端分集的盲信道估计算法,而是在引入虚拟子载波的基础上,在接收端直接对接收到的信号进行两次奇异值分解(SVD),并可直接应用于cP.OFDM系统和zP.OFDM系统中.计算机仿真结果表明,在相同条件下,该算法与已提出的子空间盲信道估计算法相比,提高了OFDM系统盲信道估计的精度和收敛的速度.     

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。     

改进的OFDM系统半盲信道估计算法

信道估计算法从先验信息的角度,可分为3类：基于参考信号的估计、盲估计和半盲估计。半盲估计是结合盲估计与基于训练序列估计这2种方法优点的信道估计算法。本文首先通过基于导频辅助的半盲信道算法和基于直接判决的半盲信道算法得出信道的估计值,再定义一个置信度函数得出加权系数γ,使基于导频辅助的半盲信道算法和基于直接判决估计算法有效结合起来,有效提高信道估计的精度。     

MIMO-CPSC系统中预编码盲信道估计算法研究*

在频域均衡系统中,基于预编码的子空间盲信道估计算法可以有效地对信道进行估计。针对多天线单载波循环前缀系统,提出了一种基于预编码的盲信道估计算法。该算法通过分离出连续两个接收符号块的互相关矩阵所包含的信道信息实现信道盲估计。仿真结果表明,该算法具有较低的计算复杂度以及对信道阶数过估计有很好的鲁棒性,并且该算法利用较少的数据块个数就得到了一个可靠的信道估计值。     

一种基于噪声子空间的半盲信道辨识算法

传统确定性半盲算法在最优权值选择上效率较低。为此,提出一种基于噪声子空间的半盲方法。利用噪声子空间与信号子空间的正交关系,构建信道响应与噪声矢量间的约束,根据参考符号与对应接收信号间的卷积关系建立额外的约束,由最小二乘方法求解信道冲激响应。仿真实验验证了该算法的有效性及参考符号个数下限的正确性。     

基于子空间的OFDM系统信道估计算法

研究了适用于正交频分复用（OFDM）系统的信道估计算法,给出了一种基于子空间分解的半盲信道估计算法,利用循环前缀引入的冗余信息和子空间分解的特性,并结合OFDM系统的导频信息估计信道参数。该方法无需改变发送信号的结构,因而适用于大多数OFDM系统,此外该算法不需考虑信道的具体特性,便于信道的实时跟踪。仿真结果表明,算法的信道估计精度优于基于导频的方法,适用于任意调制星座。     

正交空时分组码系统的一种新的盲信道估计算法

基于QR分解的信道盲估计方法是一种性能优良的新算法。将该算法推广到正交空时分组码的信道估计中,结合正交空时分组码的特性提出了一种新的信道盲估计算法。与经典的信道盲估计算法相比,新算法的计算量大为降低。同时,Monte Carlo仿真表明,当信噪比较低时,该算法比子空间法具有更好的性能。     

Massive MIMO系统基于子空间的半盲信道估计

针对大规模MIMO系统中存在的导频污染问题,结合目前研究的基于奇异值（SVD）分解的信道估计算法,在考虑到该算法中的协方差矩阵是用有限的样本数据代替真实数据必然存在偏差的问题,给出了一种联合ILSP（Iterative Least Square with Projection）的基于SVD的半盲信道估计算法。仿真结果表明改进后的信道估计算法能够有效减小已有算法中存在的偏差问题,提高信道估计精确度,有效减轻导频污染给大规模MIMO系统带来的影响,从而实现大规模MIMO系统性能的提升。     

一种基于子空间的MIMO-OFDM信道盲估计算法

论文主要讨论利用子空间算法对MIMO-OFDM信道进行盲估计.子空间算法是一种非常重要的信道估计算法,但该算法最大的缺点是要求精确估计信道阶数,对信道阶数欠估计或过估计非常敏感.针对这一点论文提出了一种联合子空间算法,该算法能够同时完成信道阶数估计和信道估计.仿真实验表明在低信噪比、观测数据较短和信道具有较小的初始和结尾系数等条件下时,该算法的信道阶数估计能力优于以前的算法,同时信道估计性能也得到较大的提高.     

宽带大规模MIMO-OFDM系统自适应稀疏信道估计方案

大规模MIMO-OFDM系统下行链路利用压缩感知算法获得信道状态信息需要已知信号的稀疏度作为先验条件,然而实际环境中,无线信道的稀疏度是未知的。利用大规模MIMO信道的空时共同稀疏性的特点与不同SNR下设置不同停止迭代阈值的思想改进压缩感知重构算法,目的在于使所提算法不仅提升估计性能,还可以准确获得信道的动态稀疏度。通过实验可知,相比传统的CoSaMP算法和S-CoSaMP算法,SSA-CoSaMP算法在同等信噪比下具有更良好的信道估计性能,并且可以自适应地获取稀疏度。更适合实际工程中应用。     

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。     

MIMO-OFDM系统的IFD-SAGE信道估计算法

针对MIMO-OFDM系统中频域的空间交替广义期望最大化（FD-SAGE）算法估计信道性能较差以及收敛速度慢的问题,提出了一种改进的FD-SAGE信道估计算法。该算法在FD-SAGE算法的基础上,通过对SAGE算法的潜在数据和不完全数据进行分解分析推导出一种修正的SAGE算法,同时在SAGE的更新数据信息时引入最大似然算法,进而提高系统的可靠性。理论研究和仿真结果表明,该算法以牺牲少量复杂度为代价,能较好地追踪信道变化且收敛速度较快,其性能优于传统的LS算法,信号检测采用最大似然算法时,在相同误比特率情况下与理想信道估计仅相差0.5 dB。