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。     

一种在低信噪比下的时变信道估计算法

基于时分复用导频的信道估计方案易受到噪声的影响,文章在分析多个OFDM符号信道多普勒频移扩展的低通特性后,提出了一种滑动窗口频域消噪的算法,降低了噪声对信道估计的影响。仿真结果表明,在低信噪比下信道估计的MSE性能大约有1—2dB提高,除了增加了硬件FTT运算外,没有增加计算复杂性。     

稳态Kalman滤波增益估计的两种新算法及其应用

本文从时间序列分析观点,基于观测过程的 CARMA 新息模型,提出了稳态 Kalman 滤波增益估计的两种新算法及相应的自校正 Kalman 滤波器,形成一种新的自适应 Kalman 滤波技术.新算法比Mehra 和 Tajima 的算法简单.作为应用例子,对于一个简单的跟踪系统,导出了带输入估计的自校正α-β滤波器,仿真结果说明了新算法的有效性.     

OFDM系统中一种低复杂度的信道估计算法

提出一种适用于正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统的低复杂度信道时域响应估计算法.在发送端,算法基于最小均方误差(Mean-square error,MSE)准则以及给定的导频分布对导频功率及相位进行设计;在接收端,算法直接对接收到的导频符号进行求和,通过对求和结果进行简单加权后得到信道时域响应的估计.由于该算法在估计信道时只需进行很少量的复数乘法运算,因此接收端的计算复杂度非常低.理论分析与仿真结果表明,当信道时不变或慢时变时,该算法具有较小的估计均方误差.     

一种基于二维导频的信道估计改进算法

针对充满噪声干扰和多径效应的无线信道环境,提出一种基于二维导频的信道估计改进算法.该算法采用二维导频设置图案,利用导频点处充分记录的信道信息,提取信道参数的最优初始估计.在此基础上,利用优化的LMMSE算法,修正初始信道估计中的估计误差.理论分析及仿真实验表明,在多径时变衰落信道下,改进后的信道估计方法有效提高了系统的估计性能.     

一种基于导频OFDM信道估计的优化算法

信道估计作为OFDM中的一项关键技术,直接影响着OFDM系统的性能.而现有的最小二乘估计(LS)算法、最小均方误差估计(MMSE)算法等都存在各自的不足.因此本文提出了一种称为平均反馈(AF)的新算法,该算法利用两个相邻的OFDM符号之间的关联信息对LS算法的估计结果进行平均和反馈,以减少高斯白噪声与子信道间干扰(ICI)对信道估计结果的影响.通过仿真证明,新算法改善了LS算法的性能.尤其在低信噪比环境下的性能改进明显.     

基于RANSAC和Kalman滤波的足球机器人球速估计算法

针对中型组足球机器人如何有效地估计足球速度的问题,提出了一种基于Kalman滤波和RANSAC算法的新方法。首先对存储的若干帧足球位置信息作Kalman滤波,接着利用这些足球位置信息,建立若干个可能的足球速度模型并运用随机采样一致(RANSAC)算法选出最优的速度模型作为速度值。实验结果验证了该算法的有效性,同时由于RANSAC算法可以有效地去除外点的干扰,因此当足球位置信息具有较大噪声时,该方法可以较准确地估计足球的速度,较以往球速估计的算法具有更高的鲁棒性。     

一种结合Camshift和Kalman滤波的TLD目标跟踪算法

TLD(Tracking-Learning-Detection)跟踪最大的优点是对初始选择的目标进行不断的学习,来获取目标当前的外观特征信息。但其计算量大,当有相似目标出现、目标物被遮挡时,跟踪精确度低、效果差。Camshift算法是基于Meanshift算法形成的可连续自适应的一种算法。Camshift结合Kalman滤波可实现对目标位置的快速查找和对窗口大小的控制功能。将TLD跟踪方法的原始输出数据与改进算法的预测结果结合,再修正当前时刻的状态输出结果。对输出结果加权处理,得到目标的最终准确位置。改进算法既具有TLD算法原有的长期有效跟踪特点,又提高了对目标实时跟踪的准确性,同时对短时遮挡具有预测功能。     

OFDM系统中基于因子图的信道估计算法

为提高正交频分复用(OFDM)系统的信道估计精度,根据频谱资源的无陑信道特性,提出基于因子图的 OFDM 系统信道估计算法,包括二维联合信道估计算法和2个级联的一维信道估计算法。将时变频率选择性衰落信道建模为一阶自回归模型,使信道参数之间的交互信息近似为高斯分布,利用和积算法实现OFDM系统的联合信道估计和符号检测。仿真结果表明,该信道估计算法能够以较低的计算复杂度逼近最优的估计性能。     

基于导频的MIMO-OFDM系统信道估计算法研究

信道估计作为MIMO-OFDM的一种关键技术对系统性能有着十分重要的影响,该文分析了基于块状导频、梳状导频、矩形导频对信道估计的影响,并对LS线性插值算法进行了改进,通过计算机仿真验证了改进的LS插值算法在精度和性能上优于原有的算法。     

A Kalman Filter-Based Algorithm for IMU-Camera Calibration: Observability Analysis and Performance Evaluation

Vision-aided inertial navigation systems (V-INSs) canprovide precise state estimates for the 3-D motion of a vehicle when no external references (e.g., GPS) are available. This is achieved bycombining inertial measurements from an inertial measurement unit (IMU) with visual observations from a camera under the assumption that the rigid transformation between the two sensors is known. Errors in the IMU-camera extrinsic calibration process cause biases that reduce the estimation accuracy and can even lead to divergence of any estimator processing the measurements from both sensors. In this paper, we present an extended Kalman filter for precisely determining the unknown transformation between a camera and an IMU. Contrary to previous approaches, we explicitly account for the time correlation of the IMU measurements and provide a figure of merit (covariance) for the estimated transformation. The proposed method does not require any special hardware (such as spin table or 3-D laser scanner) except a calibration target. Furthermore, we employ the observability rank criterion based on Lie derivatives and prove that the nonlinear system describing the IMU-camera calibration process is observable. Simulation and experimental results are presented that validate the proposed method and quantify its accuracy.      

基于Kalman滤波的无线传感网络的定位修正算法

针对无线传感网中的传感节点定位问题,提出了基于Kalman滤波的传感网络的定位修正LCKF(localization correction-based Kalman filter)算法.在LCKF算法中,锚节点位于感测区域的边界,传感节点利用来自两侧的锚节点的位置信息估计自己的位置,并取均值.然后,再利用Kalman滤波算法修正跳数长的一侧的位置估计.依据跳数短的一侧的位置估计数据修正跳数长的一侧定位精度.仿真结果表明,与同类算法相比,提出的LCKF算法的定位精度得到有效提高.     

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。     

A New Motion Estimation Algorithm for Video Coding Using Adaptive Kalman Filter

This paper presents a new motion estimation algorithm to improve the performance of the existing searching algorithms at a relatively low computational cost. We try to amend the incorrect and/or inaccurate estimate of motion with higher precision by using Kalman filter. We first obtain a measurement of motion vector of a block by using the existing searching scheme. We then generate the predicted motion vector utilizing the inter-block correlation in both spatial and temporal directions. In general, the motion correlation in spatial direction is different from that in temporal direction. Therefore, if we appropriately utilize the motion correlation in spatial direction and temporal direction, the better performance would be achieved. In this paper, we will propose an adaptive Kalman filter which utilizes a model switching mechanism to select correct motion model. Simulation results show that the proposed technique can efficiently improve the motion estimation performance.     

用偏差分离估计的鲁棒Kalman滤波算法

本文针对带模型误差系统,利用偏差分离估计提出了一种鲁棒Kalman滤波算法,并给出了该算法的渐近稳定条件。仿真结果表明本文算法是有效的。     

适用于航空信道的并行STWQ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,为加快收敛速度、降低实现难度,提出了一种"并行STWQ(scrub taps waiting in a queue)信道估计算法",通过一定规律将所有抽头分组,每组单独完成STWQ算法,最终可以得到非零抽头的位置和其权值.针对具体应用给出算法的性能仿真结果,证明了算法在满足相同的性能要求时,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,且搜索非零抽头所耗时间比STWQ算法成倍减少,可更好跟踪快变的稀疏信道.     

网络流量长相关特性的滑窗时变估计算法

网络流量在动态演进过程中呈现出长相关(LRD)特性,定量描述LRD特性是网络行为研究的重要问题之一.由于传统LRD估计算法采用全域求和平均,造成序列中突发信息损失,致使传统算法均不能在复杂条件下有效估计LRD. 在引入时变Hurst指数函数的概念后,提出了时域滑窗时变Hurst(SWTV-H)估计算法.SWTV-H算法在某一分辨率水平上给出局域内Hurst指数的估计,并通过局域时移实现流量序列全域内LRD趋势的动态估计.分别用仿真以及真实网络流量数据对其有效性进行了验证,与传统算法的估计结果相比,SWTV-H算法能更准确估计LRD特性,且具有更好的鲁棒性.     

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.