基于子空间法的盲信道和半盲信道估计方法

为了降低算法的复杂度,提出采用降秩正交迭代方法估计噪声子空间. 利用色噪声预白化技术对过采样后的自相关矩阵进行变换,再用降秩迭代计算噪声子空间. 在进行预白化时,提出一种利用训练序列估计色噪声协方差矩阵的方法,从而改善了盲信道估计收敛速度慢的缺点. 仿真结果证明,系统的信道冲激响应可以被良好地跟踪.     

OFDM系统中基于期望最大化的半盲信道估计

针对传统的盲信道估计算法估计精确度低、算法复杂度高、收敛速度慢的缺点,研究基于期望最大化(EM)的半盲信道估计算法.仿真结果表明,该算法克服了盲信道估计精度低,收敛速度慢的缺点,而且在同等导频数量的情况下的估计性能较之传统的基于导频的信道估计算法提高了2dB.     

STBC-OFDM系统的半盲信道估计

STBC-OFDM系统中进行最大释然译码需要已知信道状态信息.提出一种用于3/4速率空时分组码OFDM系统的半盲信道估计方法.首先利用此系统的结构特点引入子空间盲估计技术进行信道估计,为解决子空间方法固有的模糊性问题,提出了一种使用少量导频符号的方法来估计模糊因子.仿真结果显示,本文提出的半盲信道估计方法相对于非盲估计方法具有更高的频谱效率和更好的估计性能.     

双重迭代变分贝叶斯自适应卡尔曼滤波算法

提出了一种新的自适应卡尔曼滤波算法。该算法假设系统过程噪声方差和量测噪声方差之间存在的函数关系已知,两种噪声方差随着时间变化且均未知。先令当前时刻的过程噪声方差等于前一时刻的过程噪声方差,通过变分贝叶斯近似的方法,在卡尔曼滤波框架下迭代求解当前时刻的量测噪声方差和状态估计,再利用假设中的函数关系获得新的过程噪声方差。对上述过程多次迭代,最终获得状态估计及协方差。仿真实验结果表明,该算法具有较高的滤波精度;在假设条件不确知的情况下仍具有较强的鲁棒性。     

一种基于神经网络的低压电力线通信盲信道估计算法

主要研究采用OFDM技术的低压电力线通信的信道估计问题。通过分析低压电力线信道特性,提出了一种基于Kohonen神经网络的盲信道估计算法。该算法基于Kohonen竞争神经网络,利用接收机接收到的频域信息进行非线性的直接判决,因而无需辅助的导频信息。仿真结果表明该算法具有很好的误码性能。     

GPS／INS组合导航的变分贝叶斯自适应卡尔曼滤波

为解决GPS／INS组合导航的数据融合问题中卡尔曼滤波器因噪声统计特性会发生变化而性能严重退化的问题,针对组合导航的系统模型提出并推导了一种基于变分贝叶斯学习的自适应卡尔曼滤波算法。该方法从概率角度将系统状态与噪声的统计矩一起作为待估计的随机变量,在每次递推地对状态进行估计之前,用变分贝叶斯学习迭代逼近得到噪声的后验分布。仿真结果证明：在组合导航系统中,该自适应算法能够较好地跟踪变化的噪声方差,并对速度、位置等系统状态进行估计。     

采用压缩感知的贝叶斯信道估计算法

高阶多输入多输出系统能有效提高能量效率和传输可靠性,但由于天线数量巨大,信道参数估计任务艰巨．虽然支持不可知的贝叶斯匹配追踪算法估计准确,但复杂度过高．为了解决这个问题,提出了一种期望修剪匹配追踪算法．在信道每一个稀疏度下,把与当前残差信号内积较大原子(测量矩阵列矢量)的所在位置添加到支撑集中,组成扩大支撑集;然后对扩大支撑集进行筛选,剔除可能选错的位置,并确定最佳支撑集;计算各个稀疏度最佳支撑集对应信道的估计值和相对发生概率,由此计算信道的数学期望,并作为最终的信道估计值．仿真结果表明,文中算法与支持不可知的贝叶斯匹配追踪算法相比,具有更低复杂度的期望修剪匹配追踪算法能保证信道估计精度和系统误比特率性能．     

变分贝叶斯自适应容积卡尔曼的SLAM算法

在观测噪声参数未知或变化时,传统的同步定位与建图(SLAM)算法性能会下降,为了让SLAM算法性能在上述条件下不受影响同时具有较高的精度,基于此提出了一种基于变分贝叶斯噪声自适应容积卡尔曼滤波的SLAM算法(VB-ACKF-SLAM).该算法采用逆Wishart分布对未知观测噪声参数建模,采用容积积分方法近似非线性变换的均值和方差,并利用变分贝叶斯滤波实现对移动机器人状态和未知观测噪声参数的联合后验概率的估计.该算法有效地解决了在观测噪声参数未知或变化时,传统滤波算法出现的滤波发散问题.仿真实验结果表明,在观测噪声参数未知或变化时,与基于容积卡尔曼滤波的SLAM算法(CFK-SLAM)、无迹卡尔曼滤波的SLAM算法(UKF-SLAM)、扩展卡尔曼滤波的SLAM算法(EKF-SLAM)相比,VB-ACKF-SLAM算法的定位准确率得到了较大的提高,证明了该算法的有效性.     

基于噪声空间的OSTBC OFDM盲信道估计

针对多输入多输出（MIMO）正交频分复用（OFDM）系统中部分编码速率小于1的正交空时分组码（OSTBC）,在不添加外部冗余而仅利用空时分组编码自身冗余和正交性的情况下给出了一种基于噪声空间的盲信道估计方法.在OSTBC OFDM信号模型的基础上通过奇异值分解（SVD）方法求解信道的噪声空间,得到一组信道响应,并使用少量导频确定信道估计结果的模糊度,讨论了噪声空间可分解的条件. 提出了通过减小SVD操作对象维度来降低运算量的几种考虑,利用计算机仿真给出了该估计方法在不同条件下的归一化均方误差和误符号率性能.     

关于动态模型状态参数的稳健贝叶斯估计的研究

在卡尔曼滤波理论中,假设状态噪声和量测噪声以及系统的初始状态 x_o 均服从于高斯分布且相互独立.然而,在工程应用中上述假设条件并非都能满足,观测数据中常常含有异常值(outliers),而且量测噪声也往往是含有异常值的“长尾分布”,而从本质上讲是递推最小二乘估计的卡尔曼滤波对异常值的“长尾分布”非常敏感,甚至一个异常值都会严重破坏对状态参数的估计,并且将这种误差由递推形式传播下去,从而破坏了实时控制机制.     

基于内插的快衰落MIMO OFDM信道估计

为了解决快衰落条件下多输入多输出（MIMO）正交频分复用（OFDM）系统的信道估计问题，根据MIMO OFDM的时变信号模型，提出了一种基于内插和导频辅助的快衰弱信道估计方法，讨论了进行有效信道估计的必要条件，得到了对导频矩阵的要求.本算法不约束信道为静态或准静态，能够有效地估计出在一个OFDM符号持续时间中发生变化的信道参数，并且具有良好的均方误差性能.计算机仿真表明了这一信道估计方法的有效性.     

基于循环正交序列和广义AIC的信道估计

设计了一种适合多入多出单载波频域均衡(MIMO-SCFDE)系统的循环正交训练序列,并提出相应的时域信道估计算法．利用训练序列理想的自相关性与互相关性,不仅能够抑制天线间的干扰,而且可以有效降低噪声的方差．在得到时域信道估计的基础上,通过广义Akaike信息准则(GAIC)进一步确定各多径时延值并保留有效子径,从而提高了信道估计的精度．稀疏MIMO信道环境下的仿真结果表明,基于循环正交序列和GAIC的算法能够有效地减少噪声对信道估计的影响,显著降低了信道估计的均方误差．     

基于叠加训练序列的稀疏信道参数估计

针对稀疏多径的频率选择性块传输信道,提出了基于叠加训练序列的新信道估计方法,在不占用额外信号带宽的情况下估计信道参数.利用叠加训练序列得到时域信道冲激响应的LS解,根据广义Akaike信息论准则得到信道的长度和具体多径的时延值,然后将时域信道冲激响应中非多径点的值置零,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,在稀疏多径信道的条件下,与纯粹的叠加训练序列的信道估计方法相比,该方法较大程度地降低信道的估计误差,提高系统性能.     

一种基于噪声功率估计的MC-CDMA信道估计算法

LS信道估计算法计算量小,实现简单,但受噪声的影响信道估计精度低.提出一种LS信道估计改进算法,利用MC-CDMA中闲置的虚载波对信道噪声功率进行估计,通过将LS信道估计的时域响应限制在循环前缀长度内,并进一步利用估计出的信道噪声功率,设置门限值忽略LS信道时域响应在循环前缀长度内的噪声分量和无效径响应,显著提高了信道估计精度.该算法运算量小,实现简单,信道估计精度高,仿真结果验证了算法的有效性.     

Synchronization and channel estimation for MIMO OFDM wireless LAN systems

A new preamble structure is designed for wireless LAN based on MIMO OFDM systems, which can be used for both synchronization and channel estimation. Modulatable orthogonal polyphase sequence is utilized in training symbol design regarding its correlation properties. The time synchronization and channel estimation are achieved by measuring the correlation between the received training sequence and the locally generated training sequence. Repeated training symbols are used to get carrier frequency offset (CFO) estimation. It is shown from the analysis that the accuracy of frequency synchronization is close to the Cramér-Rao lower bound. The training sequences are optimal for channel estimation based on the minimum mean square error (MMSE).     

基于预编码的MIMO系统的半盲估计

通过时域预编码来克服MUI,采用纯盲估计算法结合短的传统训练序列来进行信道估计。提出了一种应用于MIMO-OFDM系统的基于时域预编码算法的半盲信道估计方案,该方案能够克服多路传输中用户间干扰(MUI)和提高频带的利用率,其预编码算法在低信噪比下优于传统的频域ZF预编码算法的性能,同时该算法具有较低复杂度,易于实现。理论分析和性能仿真均证明了上述特点。     

无线城域网中多天线OFDM系统的信道估计方法

多天线运用到802.16a系统中可以提高系统的性能。本文首先给出MIMO—OFDM系统的基本构成,然后介绍了适合MIMO—OFDM信道估计的帧头结构,并对LS,MMSE算法进行了比较。以两发两收(2Tx-2Rx)系统为例,对系统进行了仿真,并对仿真结果进行了比较和分析。     

基于无迹卡尔曼滤波的双选信道估计方法

针对高速移动场景中由于信道存在时频域选择性衰落(双选衰落)导致正交频分复用(orthogonal frequency division multiplexing, OFDM)通信系统受到子载波间干扰而使通信质量下降的问题,采用基扩展信道模型,在消除子载波间干扰(inter carrier interference, ICI)影响的同时节约信道估计算法的空间复杂度。针对基扩展模型(basis expansion model, BEM)下的非线性信道状态空间模型,采用无迹卡尔曼滤波(unscented Kalman filter, UKF)方法进一步跟踪信道响应提升信道估计精度。仿真分析表明,本研究所提方法能够有效提升信道估计的精度,相对于传统算法具有更好的误码率性能和鲁棒性。     

基于无迹卡尔曼滤波的双选信道估计方法

针对高速移动场景中由于信道存在时频域选择性衰落(双选衰落)导致正交频分复用(orthogonal frequency division multiplexing, OFDM)通信系统受到子载波间干扰而使通信质量下降的问题,采用基扩展信道模型,在消除子载波间干扰(inter carrier interference, ICI)影响的同时节约信道估计算法的空间复杂度。针对基扩展模型(basis expansion model, BEM)下的非线性信道状态空间模型,采用无迹卡尔曼滤波(unscented Kalman filter, UKF)方法进一步跟踪信道响应提升信道估计精度。仿真分析表明,本研究所提方法能够有效提升信道估计的精度,相对于传统算法具有更好的误码率性能和鲁棒性。