一种可快速收敛的航空信道估计算法

通过对航空信道的分析指出其稀疏信道特征,使用普通算法对此信道进行信道估计会引入高阶自适应计算,为降低实现难度,提出一种"联合非零抽头检测与信道估计"(joint non-zero tap detection and channel estimation)方法,该方法主要由文中非零抽头检测算法与递归最小二乘算法组成,并建模比较了非零抽头检测算法中参数选取对性能的彰响,最后针对具体应用给出本文算法的性能仿真结果,证明了此算法可避免高阶自适应计算,节约了大量权值可忽略抽头所引入的资源占用和计算量,可更好跟踪变化的信道.     

基于信道缩短的TH-PPM UWB稀疏信道盲估计算法

针对TH-PPM UWB系统,提出一种基于信道缩短的UWB稀疏信道盲估计算法.该算法通过对接收信号进行信道缩短,有效地克服了信道过长给估计精度带来的影响.同时利用UWB信道的稀疏簇特性,避免了无谓的零值抽头估计,改善了该算法的性能.仿真结果表明:当信道长度大于符号长度时,该算法可以获得较好的估计性能.     

基于频域LMS算法的稀疏信道估计

传统自适应滤波方法无法直接、有效地对稀疏信道进行估计。为此,提出一种基于频域的稀疏信道估计方法。为削弱或消除信道的稀疏性质在其估计过程中带来的影响,引入频域最小均方（LMS）算法。频域LMS算法通过FFT变换实现稀疏信道的非稀疏化,从而使其可以对稀疏信道直接估计。仿真实验结果表明,频域LMS算法具有较好的收敛性能,与频域RLS算法相比,其收敛速度相当,但其收敛后的均方误差提高近10dB,可较好地完成对稀疏信道的估计,同时在算法的实现过程中通过使用重叠保留法能较大程度地减少估计的运算量。     

梳状导频的OFDM信道估计改进算法

研究提高正交频分复用系统(OFDM)中信道估计的准确度问题,由于在无线信道中存在频率衰落,造成估计误差。针对实际系统中的信道冲激响应(CIR)泄露问题,用传统分数抽头延时信道(FTCA)的信道模型进行信道估计是一种很好的方法。但是,基于FTCA的信道估计算法需要的已知条件过多,实用性很差。为此提出了一种较为实用的梳状导频MMSE准则的信道估计算法,首先获取导频位置的LMMSE信道估计,然后利用FTCA变换获得所有子载波的信道传递函数。实验证明,改进算法在降低计算量的同时,获得了接近LMMSE算法的性能,提高了系统的频谱效率和估计精度。     

5G抽头延迟模型中极化译码后处理方案

考虑5G协议中的抽头延迟信道模型,针对分段循环冗余比特自适应（SCAD-SCL）极化译码算法未考虑信噪比对接收序列对数似然比影响的问题,提出SCAD-SCL的后处理（PSCAD-SCL）译码算法。通过仿真确定用于提高可靠性设定的常数和不可靠对数似然比的数目,翻转并适当放大不可靠的对数似然比值,从而提高误比特率性能。仿真结果表明,PSCAD-SCL的误比特率在信噪比1~3 dB优于原有SCAD-SCL译码算法。在误比特率为10-4时PSCAD-SCL较SCAD-SCL算法性能提升了约0.3 dB,提出算法能够提升5G传输性能。     

基于CS-CoSaAMP的超宽带多径信道估计

针对匹配追踪类算法要求稀疏度作先验条件的不足,提出压缩采样自适应匹配追踪（CoSaAMP）新算法。结合完备的冗余字典,算法在稀疏度未知时,可以通过自适应调整可变步长逐步逼近信道的稀疏度,用于解决超宽带信道的重建问题。仿真结果表明,提出的CoSaAMP算法性能收敛速度快,估计效果好,可有效用于实际超宽带信道估计。     

高速移动车车信道建模与系统仿真

高速移动的车载环境与传统蜂窝网的无线传输环境相比,主要的不同点在于存在很大的多普勒频移,并且无线电波传输环境、传输路径是不同的,成为智能交通领域影响通信性能的因素.为此提出了嵌入式抽头延迟线模型,采用傅里叶反变换的方法实现符合不同多普勒功率谱密度的瑞利或莱斯分布衰落,用简单抽头延迟线方法拟合每个抽头,最后采用嵌入式抽头延迟线模型实现三种车车信道.通过MATLAB软件完成了三种VTV信道的建模,仿真结果可以反映信道的高速移动性.基于IEEE 802.11p协议搭建了系统仿真环境,仿真结果表明,高速公路相向行驶信道为最恶劣信道,系统误比特率最高,并且误比特率随着数据包长度的增加而增加.     

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.     

OFDM系统稀疏信道估计研究

由于许多通信系统的信道具有稀疏多径的特性,因此可以将信道估计问题归结为稀疏信号的恢复问题。提出一种新的基于压缩感知理论的正交频分复用系统信道估计方法,采用稀疏度自适应匹配追踪压缩感知算法对OFDM信道时域脉冲响应进行估计。克服了现有基于压缩感知理论的信道估计方法需要预先知道信道冲激响应稀疏度才能重构信道参数的不足,在信道稀疏度等信道先验知识未知情况下可得到较好的信道估计性能,降低系统复杂度。     

基于变中心互相关熵的比例自适应滤波算法研究

针对传统自适应滤波算法对于非零均值非高斯噪声干扰环境下稀疏系统参数估计存在稳态精度低的问题,以变中心互相关熵为代价函数,引入比例更新机制,应用随机梯度法设计一种新的稀疏自适应滤波算法。变中心互相关熵的中心可位于任何位置,其可很好地匹配非零均值的误差分布,而比例更新机制为每个权值参数赋予可变的步长参数,因此可增强算法的跟踪能力。进一步设计在线学习方法来估计核宽度和中心位置,以提高算法性能。另外根据能量守恒关系研究了算法的收敛性。仿真实验结果表明,该算法相对于传统自适应滤波算法对于非零均值非高斯噪声环境下的稀疏参数估计具有明显的优越性和鲁棒性。     

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。     

基于大规模MIMO的散射信道估计技术

随着用户对通信速率的要求日益增长,散射通信的通信容量亟待提升。大规模多输入多输出(MIMO)技术是提升容量的一种重要途径,本文研究基于大规模MIMO的对流层散射通信系统的信道估计问题。首先建立基于二维均匀方形天线阵列的大规模MIMO对流层散射信道模型,其次提出一种信道协方差矩阵估计算法对传统最小均方差(MMSE)信道估计算法进行改进,最后与最小二乘(LS)、传统MMSE算法和理想MMSE信道估计算法的准确度进行对比。仿真结果表明：在信噪比(SNR)为0～25 dB的情况下,传统的MMSE算法的准确度相较于LS算法的提升效果并不明显,与理想MMSE算法的准确度有一定差距;但改进MMSE信道估计算法的准确性优于传统MMSE算法,同等条件下NMSE相同时,其SNR可提升3～5 dB,并随着SNR的增大逐渐逼近理想MMSE算法。     

基于Kalman滤波的MIMO时变信道估计

研究了一种基于Kalman滤波的MIMO时变信道估计与跟踪问题。利用衰落信道功率谱统计特性的先验信息,将信道冲击响应近似为一个低阶自回归滑动平均过程,通过信道传输函数逼近信道功率谱的幅频特性,建立时变衰落单径信道的状态方程,导出MIMO信道状态模型参数,并通过Kalman滤波跟踪信道的时变特性。理论分析和仿真试验表明,该算法在时变信道下具有较好的性能,和传统信道估计方法相比,接收机性能有了较大的改进。     

基于最小二乘的UWB信道盲估计算法

针对超宽带系统的离散信道模型,利用接收信号的一阶统计量,提出一种基于最小二乘（LS）的盲信道估计算法。利用接收信号的循环卷积特性,在一个符号间隔内建立模型,最后利用LS算法求解。仿真表明,该算法与基于导频序列的ML估计方法和LS估计方法相比,均方误差（MSE）性能相差不大,但计算复杂度明显降低,同时提高了系统传输效率。     

基于梯度追踪的MIMO-OFDM稀疏信道估计算法

现有的压缩感知MIMO-OFDM信道估计方法多采用正交匹配追踪算法及其改进的算法。针对该类算法重构大规模的数据存在计算复杂度高、存储量大等问题,提出了基于梯度追踪算法的MIMO-OFDM 稀疏信道估计方法。梯度追踪算法采用最速下降法对目标函数解最优解,即每步迭代时计算目标函数的搜索方向和搜索步长,并以此选择原子得到每次迭代重构值的最优解。本文使用梯度追踪算法对信道进行估计,并与传统的最小二乘估计算法、正交匹配追踪算法的性能和计算复杂度进行比较。仿真结果表明,梯度追踪算法能够保证较好的估计效果,减少了导频开销,降低了运算复杂度,提高了重构效率。     

基于OFDM的卫星移动通信信道估计算法研究

针对卫星移动信道的特点,结合正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术,在卫星移动信道模型基础上分析并讨论了三种典型的信道估计算法,即最小二乘（Least-Square,LS）估计算法、最小均方误差（Minimum Mean Square Error,MMSE）估计算法和奇异值分解（Singular Value Decomposition,SVD）算法。采用经典的抽头延迟线模型,对各算法进行仿真试验,得出不同算法下信道估计误比特曲线。理论分析和仿真实验表明,三种算法均能够有效地抑制卫星移动信道衰落产生的误码率,其中SVD-MMSE算法能够在降低MMSE算法复杂度的基础上,抑制噪声,提高信道估计精度。     

MIMO—OFDM系统信道估计技术研究

信道估计是MIMO-OFDM系统中的关键技术之一,信道估计的准确与否直接关系到系统性能的好坏,因此寻求快速、准确、可靠的信道估计算法以提高信道估计精度是一个重要的研究课题。该文通过建立MIMO-OFDM系统信道模型,给出了基于训练序列的LS估计和MMSE估计的基本算法实现原理,并针对算法的不足提出改进算法。通过仿真可知,改进算法比基本算法拥有更好的系统性能。     

一种DTMB系统信道估计改进算法

为减小拖尾效应和加性噪声对数字电视地面广播(DTMB)系统的信道估计精度的不利影响,针对DTMB系统帧头模式2下的信道估计,提出一种改进的最小二乘(LS)信道估计算法.该算法采用试凑法从DTMB系统信号帧中PN帧头序列内选取最佳的一段PN序列,利用所选取最佳PN序列构造用于改进的LS信道估计算法的最优频域子载波,使用改进的LS信道估计算法获取信道的脉冲响应估计初值;并根据信号的正交振幅调制(QAM)方式,选取最佳噪声门限对信道的脉冲响应估计初值进行时域滤波去噪,以获得信道脉冲响应终值.仿真结果表明,该算法可有效减小拖尾效应和加性噪声对信道估计精度的影响,提高DTMB系统在帧头模式2下信道估计的精度.     

OFDM系统信道估计的研究

OFDM(正交频分复用)系统以其抗多径衰落和较高的频带利用率,得到了众多领域的广泛应用。本文就OFDM系统中关键技术之一的信道估计技术进行了介绍。并分别叙述了OFDM系统和信道估计的意义,归纳了信道估计的分类,最后介绍了各种信道估计算法。     

基于改进SRGAN的OFDM信道估计方法

在正交频分复用(OFDM)系统的信道估计过程中,传统信道插值算法是建立在假设导频附近处的估计值存在关联的基础上,当信道特征因无线信道的时变、频变特性而不连续时,估计结果将不理想。针对这一问题,本文引入超分辨率重建模型SRGAN的改进模型——SRWGAN,替代信道估计中的插值处理。在SRWGAN模型中,将导频处的最小二乘(LS)估计值类比于低分辨率图像中的像素点,先通过卷积网络提取信道特征,再通过多个残差网络学习映射关系,然后经上采样层放大,最后通过判别网络WGAN不断判别并提升估计效果。实验结果表明,基于SRWGAN的信道估计效果优于传统的信道估计算法,且与同类型的SRCNN模型相比,同等条件下,当误码率相同时,信噪比(SNR)提升约3 dB,当MSE值相同时,SNR提升约5 dB。