基于VC的MIMO-OFDM系统的子空间半盲信道估计

传统的子空间盲信道估计收敛速度缓慢且需要大量接收信号才能保证估计性能良好,就此问题提出了一种新的基于虚拟载波（VC）的MIMO-OFDM系统的盲信道估计算法。该算法是传统子空间算法与块矩阵思想的结合,在每个OFDM符号中提取一组子矢量来降低维度。而后又在盲信道估计算法中加入导频序列形成新的半盲信道估计算法。通过计算机模拟仿真发现,新提出的盲信道和半盲信道估计算法在信道估计性能和收敛性方面均表现较好。     

FBMC/OQAM系统中基于子空间的信道估计算法

针对滤波器组多载波偏移幅度调制（FBMC/OQAM）系统中基于传统导频结构的信道估计方法估计精确度不高、频谱利用率低的问题,提出一种基于子空间的盲信道估计算法。区别于传统的子空间方法,该算法通过空间上的接收分集技术引入数据冗余进行盲信道估计,不需要发送导频序列,从而提高了频谱利用率。仿真结果表明,该算法可以有效地估计信道且估计性能优于传统导频方法。     

MIMO-CPSC系统中预编码盲信道估计算法研究*

在频域均衡系统中,基于预编码的子空间盲信道估计算法可以有效地对信道进行估计。针对多天线单载波循环前缀系统,提出了一种基于预编码的盲信道估计算法。该算法通过分离出连续两个接收符号块的互相关矩阵所包含的信道信息实现信道盲估计。仿真结果表明,该算法具有较低的计算复杂度以及对信道阶数过估计有很好的鲁棒性,并且该算法利用较少的数据块个数就得到了一个可靠的信道估计值。     

针对时变OFDM信道的一种盲估计改进算法

OFDM盲信道估计技术可以在不需要导频的情况下,估计出信道的状态信息,能有效节约带宽,提高频谱利用率。分析了一种基于子空间SVD方法的盲信道估计技术,在此算法基础上提出了针对时变信道的估计方法,并就现有方法估计精度较低的问题,提出了一种利用信道相关特性进行λ加权的优化算法。对算法进行了蒙特卡罗仿真,仿真结果表明该算法能够有效改善信道估计性能,并且具有较低的复杂度。     

改进的基于虚拟子载波的盲信道估计算法

为了加快正交频分复用(OFDM)系统盲信道估计的收敛速度和提高该系统的估计精度、频带利用率,提出了一种子空间盲信道估计的改进算法.该算法不同于已提出的利用累量信息或者进行接收端分集的盲信道估计算法,而是在引入虚拟子载波的基础上,在接收端直接对接收到的信号进行两次奇异值分解(SVD),并可直接应用于cP.OFDM系统和zP.OFDM系统中.计算机仿真结果表明,在相同条件下,该算法与已提出的子空间盲信道估计算法相比,提高了OFDM系统盲信道估计的精度和收敛的速度.     

基于子空间的OFDM系统信道估计算法

研究了适用于正交频分复用（OFDM）系统的信道估计算法,给出了一种基于子空间分解的半盲信道估计算法,利用循环前缀引入的冗余信息和子空间分解的特性,并结合OFDM系统的导频信息估计信道参数。该方法无需改变发送信号的结构,因而适用于大多数OFDM系统,此外该算法不需考虑信道的具体特性,便于信道的实时跟踪。仿真结果表明,算法的信道估计精度优于基于导频的方法,适用于任意调制星座。     

一种基于判决反馈的半盲信道估计方法

无线移动通信MIMO-OFDM系统中,为了减小对导频的依赖性,针对平坦瑞利衰落信道提出了一种基于判决反馈的半盲信道估计方法。该方法使用LS算法结合导频对信道进行初始估计,然后利用初始的信道估计结果得到下一个OFDM符号对应的天线发送信号,最后利用自适应滤波稳态跟踪特性对后面的信道进行跟踪,并将恢复出的信号反馈到滤波器输入端作为后续估计的输入。仿真结果表明,该半盲信道估计方法在平坦瑞利衰落信道下,相比于基于导频的LS信道估计方法具有更好的稳态性能。     

一种子空间分解的MIMO-OFDM半盲信道估计方法

信道估计是MIMO-OFDM系统实现优良传输的一项重要环节。半盲信道估计算法是将MIMO-OFDM信道矩阵进行分解,分别利用未知数据和已知导频信息来完成信道估计。在利用未知数据进行估计时,提出一种利用频域子载波分组的子空间分解方法,不仅降低了计算复杂度,而且同时提高了信道估计的精度。利用已知的导频信息和未知数据估计出来的结果,可以求得最后的信道矩阵。相对于传统的频域子空间分解的半盲估计方法,算法可以减小计算复杂度80%,同时提高了估计精度平均1～2dB。仿真结果证明了算法具有良好的性能表现。     

一种噪声和畸变混沌信号的滤波策略--Ⅰ：盲信道均衡

无线通信信道的干扰严重地影响了基于混沌的通信系统的实际实现。本文将非线性滤波与神经处理单元相结合构成了一种新的滤波算法，它能解决状态空间模型的估计问题。在将基于混沌的通信系统处于时变衰落通信场景时的盲信道均衡问题转化为增广的状态空间模型以后，新的滤波算法实现了这类通信系统的盲信道均衡。与标准的最小均方（LMS，least—mean—square）算法相比，该算法具有较快的收敛速度和较好的滤波性能。     

基于MIMO—OFDM系统的信道估计方法分析

MIMO-OFDM技术是未来无线通信系统的研究热点。信道估计是估计出信道的时域或频域响应,对接收到的数据进行校正与恢复,是实现MIMO-OFDM系统优良传输性能的重要环节。文章对MIMO-OFDM系统的多种信道估计方法进行了探讨,分析和比较了非盲信道估计、盲信道估计和半盲信道估计方法,并提出了未来信道估计算法的研究方向。     

MIMO-OFDM系统空间相关性迭代信道估计算法

针对受到噪声干扰及多普勒效应等因素影响的多输入多输出（Multi-Input Multi-Output,MIMO）正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）无线系统信道估计问题,提出了一种有效的空间相关性迭代信道估计算法（SCICE）。SCICE利用同步符号与协议数据单元中的前置训练序列和中置训练序列,对信道的空间相关性进行估计,数据信息根据该信道相关性信息得到初始的信道估计值,接收端根据信道估计值进行数据符号检测,并将这些信息作为已知信息,以迭代的方式逐渐减小因空间相关性导致的信道估计误差,进而提高信道估计的准确性。与现有迭代信道估计算法的性能比较表明了提出的SCICE算法在瑞利衰落信道以及不同调制方式下具有更好的信道估计均方差与误码率性能。     

基于加窗型DCT-Ⅳ的OFDM系统的信道估计算法

在总结传统的基于离散傅里叶变换（DFT）的正交频分复用（OFDM）系统的信道估计算法的基础上,提出了一种新的基于加窗型的第四类离散余弦变换（DCT-Ⅳ）的OFDM系统的信道估计算法。该算法利用DCT变换的对称特性消除边缘效应,并且使用加窗抑制信道冲激响应的频谱泄露,然后用低通滤波器消除信道高斯白噪声的干扰。仿真结果表明：在多径衰落信道下,该算法优于基于DFT的信道估计算法,是一种可行而且有效的信道估计算法。     

一种基于EM-MAP的联合CFO双选信道估计算法

针对在双选信道下OFDM系统需要同时获取精确的载波偏移和信道状态信息, 而采用贝叶斯MAP算法进行联合载波频率偏移和信道状态估计复杂度过高的问题, 提出一种基于EM-MAP的联合CFO双选信道估计算法。首先利用基扩展模型解决信道状态由于快时变带来的可辨识问题, 然后引入期望最大化(EM)算法对系统的载波频偏和信道状态信息进行联合估计, 避免大规模的矩阵求逆, 降低算法复杂度。仿真结果表明, 该方法能获取与MAP算法相当的估计性能, 且大幅度降低了复杂度, 有效地解决了双选信道下进行联合估计复杂度过高的问题, 具有很好的实用性。     

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。     

一种改进的OFDM系统中信噪比估计算法

信噪比是通信信号的关键参数,它是通信质量的衡量指标之一,在无线通信及有线通信的许多场合,如功率控制、自适应调制切换等,都需要知道信噪比的数值,以获得最佳的性能。本文首先分析了几种典型的SNR估计算法,并根据有线信道特点,在信道估计差量SNR估计方法的基础上,提出改进措施。仿真结果表明,改进算法有效的提高了估计精度,适用于有线信道的OFDM系统。     

一种基于加窗基扩展模型的OFDM信道估计算法

针对双选择衰落信道下OFDM系统中基于复指数基扩展模型（CE-BEM）的信道估计算法存在的不足,提出了一种基于加窗的基扩展模型信道估计算法。该算法通过时域加窗和去窗处理来减少CE-BEM存在的频谱泄露,并抑制多普勒频移对估计性能的影响;利用设计的导频方案,简化数学模型;再通过正交映射对估计的基扩展模型系数进行转换,从而进一步提高信道估计的精确度。同时采用归一化均方误差和误码率来衡量信道的估计性能,实验仿真表明,提出的算法在高速的移动环境下能有效提高估计性能。     

MIMO-OFDM系统中基于小波包的信道估计方法

对多输入多输出-正交频分复用(MIMO-OFDM)系统中基于导频辅助的最小二乘(LS)信道估计算法进行研究,针对LS算法对噪声影响比较敏感的缺点,提出了一种基于小波包去噪的信道估计方法,对导频符号的信道响应进行去噪处理后,再做内插估计.根据该方法的思想,基于长期演进(LTE)协议进行计算机仿真与分析,结果表明该方法比传统的LS估计算法具有更好的性能,能够有效减小信道噪声的影响,提高信道估计精度.