一种适用于终端移动的OFDM无线局域网的信道估计方法

本文提出了一种适用于具有移动终端的OFDM无线局域网的信道估计方法.该方法采用了卡尔曼滤波算法进行了信道估计,并利用导频进行信道跟踪.将基于训练序列的信道估计结果作为Kalman滤波器的初始值和观测值,用基于导频的信道估计结果来计算Kalman滤波器参数.并利用导频进一步跟踪信道在时间上的变化.Simulink仿真结果表明,该算法比基于导频的信道估计方法和基于训练序列的信道估计方法效果都要好.     

基于直接判决和导频跟踪的OFDM系统快时变信道估计

提出了一种基于直接判决的OFDM系统的快时变信道估计方法。采用了直接判决算法进行信道估计，并从中选择有效的估计结果，联合导频信号进行信道跟踪。将基于训练序列的信道估计结果作为直接判决算法的初始值，利用传输信号直接判决的统计特性进行了信道估计，并利用改进的导频算法进一步地跟踪信道在时间上的变化。Simulink仿真结果表明，该估计算法适用于时变信道，比基于导频的信道估计方法和基于训练序列的信道估计方法效果都要好。     

突发传输中ZP-OFDM的信道估计和跟踪

在缓变信道的突发传输模式中,信道估计通常采用前导(preamble)的方法,并假设在突发过程中信道不变。但是,由于信道实际在不同的OFDM符号中是缓变的,因此这种假设导致了系统性能的下降。在这里,针对ZP-OFDM系统,该文给出了一种低复杂度的信道估计和跟踪方法。它在突发传输的第1个OFDM符号中利用梳状导频的方法进行信道估计,在随后的OFDM符号中利用在时域只插入1位训练位的方法来实现信道的跟踪。仿真结果表明,该方法提高了系统的性能。     

基于坐标变换的OFDM均衡方法

介绍了应用于正交频分复用(OFDM)系统中的一种基于坐标变换的信道均衡方法。该方法利用块导频进行信道估计,通过坐标旋转数字计算方法(CORDIC)进行坐标变换,并通过线性插值的方法跟踪补偿信道的时变衰落,从而提高系统的信道适应性;同时由于CORDIC将频域的数据线性化,有效降低了传统信道均衡方法的复杂度,便于硬件实现。仿真结果验证了该方法的有效性和适应性。     

一种新的OFDM后缀信号-PP

本文提出了一种可用于正交频分复用(OFDM)系统的新型后缀信号-导频后缀(PP:Pilot Postfix),并以此设计了PP-OFDM系统.PP信号由OFDM符号中的导频线性处理生成,它在接收端可以和OFDM符号中的导频相干合并.在此基础上本文给出了PP-OFDM信道估计、以及考虑了信道估值误差的数据符号估计算法.理论分析表明,相对于另外两种OFDM系统中常用的前/后缀信号-循环前缀/补零后缀(CP/ZP),PP信号可以提高信道估计性能.仿真表明,CP/ZP/PP-OFDM分别采用各自的最优导频功率分配参数时,PP-OFDM的误码率最低,这得益于PP-OFDM更好的信道估计性能.PP-OFDM的最优导频功率分配参数应通过二维搜索得到,ZP/PP-OFDM仅有一维参数可优化.     

导频干扰下OFDM信道估计误差分析与仿真

导频干扰是针对正交频分(OFDM)系统的一种灵巧干扰方法。针对MMSE信道估计,推导了导频干扰下OFDM信道估计误差的统计分布,分析了相对于宽带阻塞干扰的优势。通过仿真验证了理论推导的正确性以及导频干扰相对于宽带阻塞干扰的高效性。     

基于LTE的导频信道估计研究

正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)技术是长期演进(LTE,Long Term Evolution)的核心技术之一.目前,基于导频的信道估计是OFDM系统中信道估计的常用方式.在基于导频的信道估计方式下,结合LS估计算法提出了一种下向插值算法(DWI).在LTE信道模型及导频结构下,通过MATLAB仿真工具,将该算法和现有各种算法的性能进行了比较和分析.仿真结果表明,使用结合LS估计算法和DWI算法的OFDM系统信道估计机制,具有复杂度低、易于实现的优点.     

OFDM系统中导频设置方式对信道估计算法性能的影响

着重研究采用基于导频信道估计算法的OFDM系统中导频的设置方式,推导得到导频设置数目的基本准则,并通过性能仿真对比,分析得到不同的导频设置图样对信道估计算法性能的影响.最后跟踪了目前多载波信道估计研究领域中有关导频设置的最新研究动向.     

OFDM系统中基于导频插入的信道估计技术

介绍了OFDM通信系统中用导频插入来进行信道估计的技术。根据导频插入的方法,信道估计可以分为基于集中式导频插入的信道估计和基于间隔式导频插入的信道估计。在描述OFDM系统信道估计模型的基础上详细阐述这两种方法,并利用多径Rayleigh衰落信道比较它们的性能。     

信道特性对OFDM信道估计中导频模式选择的影响

分别介绍了基于梳状导频和块状导频的OFDM信道估计的原理,重点研究了上述两种导频在不同的信道环境中的信道估计性能.仿真分析展示了两种导频模式对传输信道的不同参数的敏感程度,由此给出了在不同的传输信道条件下导频模式的选择依据.     

Channel equalization using adaptive complex radial basis functionnetworks

It is generally recognized that digital channel equalization can be interpreted as a problem of nonlinear classification. Networks capable of approximating nonlinear mappings can be quite useful in such applications. The radial basis function network (RBFN) is one such network. We consider an extension of the RBFN for complex-valued signals (the complex RBFN or CRBFN). We also propose a stochastic-gradient (SG) training algorithm that adapts all free parameters of the network. We then consider the problem of equalization of complex nonlinear channels using the CRBFN as part of an equalizer. Results of simulations we have carried out show that the CRBFN with the SG algorithm can be quite effective in channel equalization     

A new method of channel identification

A method of channel identification is proposed that exploits the spectral correlation properties of pulse- and carrier-modulated signals to identify channels in the presence of arbitrary noise and nearly arbitrary interference. Although a pilot or training signal is required, no replica of the transmitted pilot/training signal is needed at the receiver. The price paid for this simplicity and the tolerance to extreme channel corruption from noise or interference is that the method is slow. That is, relatively long averaging times are needed for measurement of the spectral correlation of the received signal     

一种改进的MIMO OFDM系统信道估计算法

本文对MIMO OFDM系统中基于训练序列的信道估计问题进行了研究，针对信道冲击响应的最大抽头数大于每个OFDM符号中导频数的情况，提出一种有效的结合前后若干训练序列进行信道估计的算法和结合方式。仿真结果表明，在基于无线局域网（WLAN）中打包传送的MIMO OFDM系统里，本文的方法比采用块状训练序列的估计算法有着更小的归一化均方误差。     

径向基函数神经网络的分类机理

本文研究了径向基函数网络（ＲＢＦＮ）的分类机理问题。在Ｒｕｃｋ工作的基础上，通过与传统的基于Ｐａｒｚｅｎ窗估计核分类器做类比，本文从模式分类机理入手，分析了ＲＢＦＮ使用正、负两类训练样本来估计判别函数的特点，指出它优于核分类器，并讨论了相应情况下ＲＢＦＮ输出层连接权、模式分类判决域的特点。最后用多类模式分类的结果对上述理论进行了验证。     

WCDMA系统中基于多普勒频移估计的信道估计方法

Rake接收机是CDMA系统抗多径的有效手段，信道估计对其性能有很大的影响。传统方法是利用连续多个时隙的导频段估计出的信道参数，再对估计值进行平均。这种固定平均的方法不适合3G系统信道变化范围大的环境。本文提出了直接利用每个导频段的信道参数的包络来估计最大多普勒频移，再运用指数平滑法来调整各被估计时隙的权值的信道估计方法。仿真结果表明，该方法能准确有效地估计出信道参数，改善系统性能。     

一种基于直接判决的OFDM快衰落信道估计新方法

为了解决正交频分复用（Orthogonal Frequency-Division Multiplexing，OFDM）无线局域网信道估计和跟踪问题，采用直接判决算法进行信道估计，并从中选择可靠的估计结果，结合导频信号进行信道跟踪。将基于训练序列的信道估计结果作为直接判决算法的初始值，利用传输信号直接判决的统计特性进行信道估计，并利用改进的导频算法进一步跟踪信道在时间上的变化。Simulink仿真结果表明，该算法优于基于导频的信道估计方法和基于训练序列的信道估计方法。     

Semiblind channel estimation for CDMA systems with parallel data and pilot signals

Semiblind channel estimation combines the methods of channel estimation based on a pilot signal and blind channel estimation based on a data-only conveying signal. Maximum-likelihood (ML)-based semiblind estimators with Gaussian assumptions can provide improvement in performance, compared with channel-estimation schemes using the pilot signal only. This improvement can be even larger when the pilot and the data signals are sent simultaneously, as is the case in the third-generation wideband code-division multiple-access standards. However, the Gaussian ML approach results in very large complexity. Previously proposed semiblind methods with low complexity have been derived for serial pilot and data transmission, and are not suitable for the parallel transmission case. In this paper, algorithms for semiblind channel estimation for the parallel data and training signal case are developed. Approximations which reduce the computational complexity of the Gaussian ML method significantly are proposed. Solutions with iterations with very low attendant complexity are provided. The mean squared error analysis of the proposed method is obtained and compared with that of a method with no approximations. The approximations are justified through simulations, and the performance improvement over estimation schemes using the pilot signal solely is verified.     

OFDM系统隐藏导频的信道估计与跟踪

传统插入导频的信道估计方法占用固有的带宽,而基于隐藏导频的信道估计的方法不需要占用额外的带宽.基于隐藏导频信道估计理论提出了一种隐藏导频信道跟踪的方法:在叠加最优PAPR序列进行信道估计之后,增加了一个简单的周期冲激序列作为信道跟踪.该方法在节约有效资源的同时,也简化了算法复杂度.