MIMO-OFDM系统中一种改进的最大似然信道估计算法*

对MIMO-OFDM系统中的信道估计进行研究,提出了一种对最大似然（ML）算法的改进,该算法首先采用ML算法获得初始估计值,然后联合检测进行迭代信道估计,充分利用上了接收端联合数据检测得到的数据信号信息与信道估计进行信息交互来提高估计性能,仿真结果表明,相对于传统估计方法,这种改进方法能够得到更好的均方误差和误码率性能,尤其是在导频数量较少时,此改进算法的性能提升将更明显。     

一种简化的OFDM信道估计方法

OFDM（JE交频分复用）技术是无线通信领域的重要技术,研究信道估计精度对系统性能有着直接的影响。提出了基于导频插入的LS（最小二乘法估计）、MMSE（最小均方误差估计）和SVD（奇异值分解）信道估计方法。并针对MMSE算法有很好的性能但复杂度大,LS算法复杂度低但性能受到限制,提出了一种改进方法。采用广义平稳非相关散射下的多径时变瑞利信道模型,对各个算法进行了仿真试验,得出不同算法的信道估计中误比特曲线,比较了各个算法的性能。仿真结果表明：改进的算法有好的性能和低的复杂度。     

单基地MIMO雷达中相干目标的波达角和多普勒频率快速联合估计算法

针对单基地MIMO中相干目标的波达角（Direction-of-arrival,DOA）和多普勒频率联合估计问题,提出了一种降维-前向平滑-传播算子算法（Reduced dimension-forward spatial smoothing-propagator method,RD-FSS-PM）。该算法首先通过对接收信号进行降维变换以降低复杂度,继而利用前向平滑技术（Forward spatial smoothing,FSS）实现解相干,最后通过传播算子算法（Propagator method,PM）实现了对相干目标的波达角和多普勒频率联合估计,且无需额外配对。与传统的FSS-PM算法相比,所提算法波达角估计性能提升,多普勒频率估计性能接近而复杂度大大降低。本文同时分析了算法的理论均方误差（Mean squared error,MSE）和单基地MIMO雷达中波达角和多普勒频率联合估计问题的克拉美罗界（Cramer-Rao bound,CRB）。最后提供了详尽的仿真实验以验证算法的性能。     

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。     

改进粒子群算法在DOA估计中的应用

针对均匀线性阵列的相干信号波达方向（DOA）估计问题,提出了一种结合粒子群优化（PSO）算法和最大似然函数的解相干算法。算法充分利用了PSO算法解决优化问题的优势和最大似然测向的优点,对独立信号、相干信号或二者的混合信号的DOA都能进行有效的估计。为了提高估计性能,对标准PSO算法的惯性权重、最大速度和搜索机制进行了改进。仿真结果证明了改进算法的有效性。     

基于M估计的有效成比例仿射投影算法

在回声消除中,针对回声路径具有稀疏性的优势,有学者提出基于μ准则记忆的改进型成比例仿射投影算法（μ‐MIPAPA）,但该算法抗脉冲干扰性能较差。为此将稳健估计中的M估计应用于该算法,提出一种基于M 估计μ准则记忆的改进型成比例仿射投影算法（μ‐MMIPAPA）。为使算法具有更好的稳态性能,采用改良的 Huber M 估计函数,改进阈值参数的选取方式。有色输入下的稀疏回声信道辨识结果表明了μ‐M M IPA PA的良好稳态性能和抗脉冲干扰性能。     

改进Geese算法对信号的DOA估计

针对传统的空间谱估计算法对相干源的波达方向（DOA）估计会失效的问题,该文在利用信号子空间特征向量生成广义特征值（Generalized Eigenvalues utilizing Signal subspace Eigenveetors,Geese）算法基础上,结合空间平滑技术对接受数据进行预处理,提出一种改进的Geese算法。该算法由于不需方向搜索且只利用信号子空间,大大降低了计算复杂性。计算机仿真结果表明,与Geese算法相比,该改进算法既能够有效地估计出独立信号源的DOA,也能有效地估计出相干信号源和相隔比较近的低信噪比信号源的DOA。对于独立源的估计,在相同条件下,估计性能也要优于经典的空间谱估计算法（ESPRIT算法和MUSIC算法）,从而证明该算法的合理性。     

基于改进LMS算法的TH-UWB接收机

跳时超宽带（TH-UWB）无线通信系统通常采用RAKE接收技术。而信道估计的准确度直接影响系统接收性能。提出一种基于梯度的变步长的LMS算法进行信道估计。与传统LMS算法相比,改进的LMS算法可以获得更小的MSE（Mean Square Error）从而为接收机提供更精确的信道估计量。同时,结果也表明该算法提高了整个接收机性能,并获得更小的BER（Bit Error Rate）。     

声源定位中广义互相关时延估计算法的研究

基于时延估计（TDE）的声源定位算法是数字助听器中的核心算法之一,其估计精度会受到噪声和采样频率等因素的影响,导致了定位的不准确性。针对这一问题,结合相关峰精确插值算法（FICP）,提出了一种基于二次相关改进的广义互相关时延估计算法。该算法通过二次相关,有效地降低噪声的干扰,再利用FICP,提高相关函数的分辨率。仿真实验表明,无论在低信噪比,还是在高信噪比环境下,改进算法的时延估计性能都有了明显改善。     

改进的基于DFT的OFDM系统信道估计算法

在正交频分复用（OFDM）系统中,针对常用的信道估计算法不能有效地抑制信道冲激响应中循环前缀长度内噪声的不足,提出了一种改进的基于离散傅里叶变换（DFT）的信道估计算法。该算法是一个多次迭代的过程,通过最小二乘算法获得导频位置处的信道频域响应,经过逆傅里叶变换后,利用时域内引入的能量增长速率函数来判断信道冲激响应分布情况,以便对其进行消噪处理,最后通过多次迭代进一步抑制子载波间干扰和加性高斯白噪声。仿真结果表明,无论在多普勒频移较小还是较大的情况下,该算法的估计性能均优于最小二乘（LS）信道估计算法、传统基于DFT的信道估计算法和基于阈值的信道估计算法。在系统误比特率为[10-2]时,改进的基于DFT的信道估计算法比其他算法有3~5 dB的性能增益。     

改进的粒子滤波单通道盲分离算法

针对粒子滤波在通信混合信号单通道盲分离中存在固定参数联合估计精度低,收敛速度慢等问题,提出了一种改进的盲分离算法。通过对传统的随机游走模型加以修改,并将参数粒子的后验概率密度分布近似为Beta分布,提高了参数估计的收敛速度和精度,改善了分离性能;为了衡量算法的参数估计性能,推导了符号已知条件下的参数联合估计克拉美罗界。实验仿真结果表明,算法具有更好的参数估计性能和分离性能。     

TD-SCDMA上行失步条件下一种改进的多用户检测算法

针对TD-SCDMA上行失步及强多址干扰的情况,设计了一种二级信道估计算法以及基于该信道估计算法的解相关干扰消除多用户检测算法。二级信道估计算法可以得到各接入用户主径的幅度以及时延,多用户检测算法根据信道估计的结果对接收数据进行解相关检测以及干扰消除。仿真结果表明,上行失步和强多址干扰情况下,该改进算法的误码率性能较传统的匹配滤波、联合检测以及解相关算法有较大的提升。     

协作多小区正交频分复用系统联合信道估计扩展算法

多小区联合信道估计(MC-JCE)是多小区协作联合处理技术实用化的基础,然而现有MC-JCE算法需满足各小区信道功率延迟谱(PDP)相同且已知的条件。针对这一不足基于协作多小区正交频分复(OFDM)系统框架首先探讨在多小区信道PDP存在差异但已知条件下多小区联合信道估计的扩展算法(MC-eJCE),进而提出未知该信息条件下多小区联合信道估计的修正算法(MC-mJCE),同时为降低算法运算复杂度并获得信道估计最小的均方误差(MSE)。采用梳状导频最优导频设计,推导了以上MC-JCE算法的克拉美罗界(CRB)。仿真显示在多小区信道PDP存在差异条件下所提MC-eJCE和MC-mJCE算法都具有良好MSE性能,而基于以上算法信道估计的空频块码(SFBC)协作联合传输也具有良好误码率(BER)性能。     

基于改进支持向量机的无线传感器网络路由优化算法

为了解决当前无线传感器网络路由算法能耗大的缺陷,设计了基于改进支持向量机的无线传感器网络路由算法(PSO-LSSVM)。首先建立了无线传感器网络路由能耗的数学模型,然后通过组合模型的节点剩余能量进行在线估计,选择能耗最小的路由进行数据传输,最后在Matlab 平台上对该算法的性能进行测试。结果表明,PSO-LSSVM可以快速找到能耗最小的路由,改善了数据传输的可靠性,降低了数据的传输时延,而且综合性能优于对比的无线传感器网络路由算法。     

互质线阵中一种基于共轭增广的DOA估计算法

论文开展互质线阵下的空间谱估计研究。通过利用信号二阶统计量的共轭增广特性,提出互质阵下基于共轭增广的酉旋转不变性进行信号参数估计 (Conjugate augmented unitary estimation of signal parameters via rotational invariance technique, CA-UESPRIT)波达方向(Direction of arrival, DOA)估计算法。该算法先利用不同时长间隔下接收信号的二阶统计量,构造共轭增广虚拟阵列以扩展阵列孔径和提高空间自由度。然后采用基于互质特性的联合UESPRIT算法实现DOA估计。相比于传统互质线阵下的联合UESPRIT算法,CA-UESPRIT算法DOA估计性能更优。此外,通过酉变换可以将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了复杂度的同时保证了测向精度。仿真结果证实了所提算法的有效性。     

Joint direction of arrival estimation and array calibration for coprime MIMO radar

Compared to large-scale MIMO radar, coprime MIMO radar can achieve approximate estimation performance with reduced antenna number. In this paper, joint direction of arrival (DOA) estimation and array calibration for coprime multiple-input multiple-output (MIMO) radar is considered, and an iterative method for the estimations of DOA and array gain-phase errors is proposed. Based on the received data structure of coprime MIMO radar, trilinear decomposition is firstly adopted to obtain the estimations of transmit and receive direction matrices, which are perturbated by the gain-phase errors. Through equation transformation, the un-perturbated direction matrices and gain-phase errors can be iteratively updated based on Least squares (LS). Finally, the unique DOA estimation is determined from the intersection of transmit and receive direction matrices. The proposed algorithm achieves better DOA estimation and array calibration performance than other methods including estimation of signal parameters via rotational invariance techniques (ESPRIT)-like algorithm, multiple signal classification (MUSIC)-like algorithm and joint angle and array gain-phase error estimation (JAAGE) method, and it performs close to the method with ideal arrays. Multiple simulation results verify the algorithmic effectiveness of the proposed method.     

Distributed interacted multisensor joint probabilistic data association algorithm based on D-S theory

With the development of science and technique, the surveillance systems used in the battlefield have been developed into multisensor systems. Therefore, the multisenor multitarget tracking algorithms, such as centralized multisensor joint probabilistic da…     

基于Zoom-FFT的改进Rife正弦波频率估计算法

Rife算法是正弦波频率估计的一种经典算法,但其根本缺陷在于低信噪比且被估计频率接近量化频率点时估计性能差。本文通过分析Zoom-FFT的基本原理,验证了其具有可控的局部频谱放大功能,进而提出了一种改进的Rife频率估计算法。通过对信号进行Zoom-FFT处理实现以被估计频率为中心的较窄频段频谱的大幅度细化和放大,然后利用Rife算法进行精确频率估计。仿真结果表明,该算法具有高于传统Rife及其改进算法的估计精度和抗噪声性能,且对真实频率与量化频率点的位置关系不敏感,但计算复杂度有一定增加。     

Parameter estimation of the 2D‐GTD model and RCS reconstruction based on an improved 2D‐ESPRIT algorithm

The two‐dimensional estimating signal parameter via rotational invariance techniques (2D‐ESPRIT) algorithm is a classical method to estimate parameters of the two‐dimensional geometric theory of diffraction (2D‐GTD) model. While as signal‐to‐noise‐ratio (SNR) decreases, the parameter estimation performance of 2D‐ESPRIT algorithm is severely influenced. To solve this problem, a performance‐enhanced 2D‐ESPRIT algorithm is proposed in this article. The improved 2D‐ESPRIT algorithm combines the conjugate data with the original back‐scattered data and obtains a novel covariance matrix by squaring the original total covariance matrix. Simulation results indicate that the improved algorithm has a better noise robustness and a more stable parameter estimation performance than the classical ESPRIT algorithm and the classical TLS‐2D‐ESPRIT algorithm. To further validate the superiority of the improved 2D‐ESPRIT algorithm, reconstructed radar cross section (RCS) is presented in this article. Compared with the classical 2D‐ESPRIT algorithm, the proposed algorithm presents higher RCS fitting precision. Furthermore, the impacts of other factors on parameter estimation, such as matrix pencil parameters and paring parameters, are also studied in this article.