一种全新的MIMO-OFDM信道估计和导频方案

提出了一种全新的多入多出正交频分复用（MIMO-OFDM）信道估计和导频设计方案．当信道近似不变的OFDM数目与发射天线数目相同时，从理论上推导出基于重叠导频和正交导频结构的统一频域信道估计解和时域信道估计解.这样该算法大大降低了最优导频信号存在的条件，且具有非常低的复杂度和灵活的天线配置，导频信号能简单地从空间维的恒幅度构造就可以达到系统的MIMO-OFDM的均方误差（MSE）最优性能．该算法在发射天线数目为2、3和4时具有相当大的实用价值．仿真结果证明了本文推导算法的正确性以及导频设计的合理性．     

MIMO-OFDM系统中基于子载波分组信道估计的改进算法

针对传统的MIMO—OFDM系统信道估计算法复杂度高、对导频结构有特殊要求的缺点,提出了两种基于子载波分组信道估计改进算法。改进算法通过子载波分组将多天线信道估计转换成单天线信道估计来获取导频子载波信道响应,以避免大矩阵求逆运算,降低算法的复杂度;利用DFT滤波算法或LMS自适应滤波算法得到整个帧所有符号的信道响应,实现在算法复杂度基本不变前提下估计性能的提高。理论分析和仿真结果表明,改进算法与传统的信道估计算法相比较,具有较低的复杂度和更好的估计性能。     

MIMO-OFDM系统中一种干扰抑制迭代信道估计算法

为了减小载波间干扰对多输入多输出-正交频分复用系统性能的影响,提出了一种干扰抑制迭代信道估计算法．首先根据频域正交导频估计导频信道频域响应,然后利用DFT内插方法获得信道响应初始估值,进而对其进行迭代消噪滤波处理改善信道估值．由于迭代过程加入了信道预校正以及时域滤波,从而有效地消除了载波间干扰和信道噪声的影响,提高了信道估计的精度．与传统算法相比,该算法避免了复杂的矩阵求逆运算,实现简单．     

时变信道下OFDM系统载波频偏估计算法研究

针对时变信道下OFDM系统的载波频偏估计,对现有的几类典型载波频偏估计算法的原理和步骤进行归纳总结,通过对载波频偏估计的性能仿真进行对比,分析其算法的优劣,以期为在时变信道下OFDM系统的频率同步技术的进一步研究提供有益的参考.     

一种新的适用于OFDM系统的时变信道估计与均衡方案

针对高速移动环境中的OFDM接收问题,首先提出一种基于时变信道KL基扩展模型(KL-BEM)的时域信道估计方案．该方案用KL-BEM的一组基函数近似表达若干个OFDM符号时段内信道的时变,并在相邻OFDM符号之间插入短时导频簇来得到时变信道KL-BEM参数的估计．通过合理设计短时导频簇的结构,不仅提高了时变信道估计的精度,而且降低了导频率．其次,为了恢复发送符号,建议一种基于加窗的改进排序串行干扰抵消最小均方误差(MMSE-SIC)均衡算法．通过时域加窗预处理,子载波间干扰(ICI)得以短化,从而在提高均衡性能的同时降低了实现复杂度．仿真结果表明,提出的时变信道估计方案和建议的ICI均衡算法有效地提高了OFDM时变信道的估计和均衡性能．     

MIMO-OFDM系统中一种有效的信道估计方法

提出了一种MIMO-OFDM(Multiple Input and Multiple Output-Orthogonal Frequency Division Multi-plexing)系统中的信道估计实现方案.该算法采用STBC(Space-Time Block Code)训练序列,利用LMS(Least Mean Square)迭代算法估计信道响应,避免了矩阵的求逆运算,与基于MMSE(Minimum MeanSquare Error)的MIMO信道估计算法相比,具有运算复杂度低、跟踪能力强的优点.计算机仿真结果显示了该算法的有效性和优越性.     

MIMO-OFDM系统定时与多径时延估计

提出的多入多出正交频分复用（MIMOOFDM）系统的定时估计和多径时延算法主要基于本地训练序列与接收信号的相关运算,其中引入噪声估计、一阶无限冲激响应（IIR）滤波器及删除相关值旁瓣处理,以提高定时估计精度;引入多帧联合统计,以提高多径时延估计精度. 仿真结果表明,该算法可有效抵抗频率选择性衰落信道影响,在低信噪比条件下,达到精确的定时同步;在信噪比大于6 dB,信道抽样速率为20 MHz时,多径时延估计均方误差（MSE）可达到10-7.     

一种新的MIMO-OFDM自适应信道估计算法

基于经典的多输入多输出 正交频分复用(MIMO－OFDM)系统离散傅里叶变换(DFT)信道估计方案,提出了一种新的自适应信道参数估计算法,该算法能在一个OFDM导频符号内准确地估计出信道冲激响应、多径时延和噪声方差. 首先通过DFT信道估计得到初步估计值;然后提出了联合估计算法估计出各个接收天线上的噪声方差和多径时延,利用多径时延估计值提取信道初步估计中多径点上的信息,有效去除非多径采样点上的噪声. 仿真和分析表明,相比传统固定多径数目的估计算法,该算法能自适应地跟踪信道噪声能量和多径时延的变化,提高信道估计的精度.     

快速移动环境中的MIMO-OFDM系统信道估计算法

针对快速移动环境中存在的多普勒效应．研究了两种多输入多输出正交频分复用系统在快衰落信道中的误码性能．采用空频编码梳状等间隔导频插入方式．以及完全最大似然空频分组码解码算法．使用导频与接收信号进行信道参数估计，将一般多输入多输出正交频分复用系统中的基于训练序列的最小均方误差信道估计算法推广到了快衰落信道环境中．由仿真结果得知：这种改进的信道估计算法在子载波数为256个、插入导频为32个、并以等间隔方式插入导频时．系统的抗多径能力比较理想．可满足快速移动的信道环境要求．     

一种用于实际OFDM系统的RLS自适应信道估计算法

对OFDM信道估计中的信道冲激响应(CIR)泄漏问题进行了分析,提出了一种新的时域一维递归最小二乘(RLS)自适应信道估计算法。RLS滤波器的输入和参考信号被一个独立于信道统计特性的矩阵加权,降低了CIR泄漏的影响。该算法保持了一维RLS算法低复杂度的特点,运算量远小于二维RLS算法。仿真结果证明,在非整数采样多径衰落信道下该算法极大提高了一维RLS信道估计的MSE性能,使其逼近于二维RLS算法。     

一种新的基于导频的MIMO-OFDM信道估计方法

提出了一种适用于时变衰落信道的MIMO-OFDM系统的组合信道估计方法。该方法利用优化导频和基于梯度的可变遗忘因子的改进RLS算法进行信道估计。此外,采用基于MMSE(minimum mean square error)的合并器对改进RLS算法的估计结果做了进一步修正。仿真结果表明,这种改进的RLS算法较传统的RLS算法能够更有效地跟踪时变衰落信道的变化;在相同条件下,该组合算法能够提高系统性能,获得更小的BER(bit error rate)。     

一种基于改进LMS算法的MIMO-OFDM信道估计方法

最小均方(LMS)算法是一种典型的自适应滤波算法,基于该算法的信道估计算法具有不需要已知信道和噪声统计信息的特点,但是其收敛速度较慢。为此,提出一种基于改进LMS算法的MIMO-OFDM信道估计方法,该方法人为地引入一个时延,即将LMS算法固定自适应步长由随着输入信号功率自适应变化的收敛因子替代,大大降低了收敛时间,具有较好的信道估计性能。     

MIMO-OFDM系统中一种新的低代价信道估计方法

准确的信道估计是保证MIMO-OFDM系统传输质量,发挥其优越性的关键．文中提出了一种适于MIMO-OFDM系统的低代价信道估计算法,采用新的导频结构,利用低阶LMMSE插值的方法估计信道响应．理论分析与计算机仿真表明,这种方法的估计精度高、跟踪能力强、并且实现复杂度低,因此具有重要的实际意义．     

Channel estimation for MIMO-OFDM systems in mobile wireless channels

A channel estimation method is proposed for nmltiple-input multiple-output orthogonal frequency division muhiplexing （MIMO-OFDM） systems in time-varying fading channels. In this method, a decision-directed space-alternating generalized expectation-maximization （SAGE） algorithm is introduced to the tracking of time-varying fading. In order to improve the estimation performance of the SAGE algorithm, a low rank approximation method is presented by using the signal subspace of the channel frequency autocorrelation matrix. The study reveals that this method can be incorporated into the SAGE algorithm. Furthermore, a modified fast sub- space tracking algorithm is given to adaptively estimate the signal subspace by utilizing training OFDM blocks sent at regular interval. Simulation results demonstrate the considerable benefits of the proposed channel estimation method.     

MIMO-OFDM系统中的信道估计简化方法

利用多径衰落信道频域的相关特性,进一步简化了M IMO-OFDM系统中基于训练序列的信道估计方法,减小了其中的FFT变换阶数以及需要的矩阵逆变换的计算次数,减小倍数可以根据信道特性设置。并针对不同的信道模型,对提出的简化算法的性能作了研究,仿真结果表明:对相关特性较好的信道性能损失很少。     

空时分组编码MIMO-OFDM系统的两步信道估计方法

为了提高基于空时分组编码MIMO-OFDM系统信道估计算法的性能,提出了一种适用于空时分组编码MIMO-OFDM系统的两步信道估计方法。首先,运用最小均方误差估计算法对导频信道进行初始信道参数估计;然后,通过已得到的初始信道参数,运用本文提出的估计算法来获得更精确的后续信道参数,从而进一步提高信道估计的精度。仿真结果表明:与MMSE估计算法和ML估计算法相比,本文提出的算法具有较低的复杂度,且有效地减小了信道估计的误差。     

Sparse channel estimation for MIMO-OFDM systems using distributed compressed sensing

A sparse channel estimation method is proposed for doubly selective channels in multiple-input multiple-output (MIMO) orthogonal frequency division multiplexing (OFDM) systems. Based on the basis expansion model (BEM) of the channel, the joint-sparsity of MIMO-OFDM channels is described. The sparse characteristics enable us to cast the channel estimation as a distributed compressed sensing (DCS) problem. Then, a low complexity DCS-based estimation scheme is designed. Compared with the conventional compressed channel estimators based on the compressed sensing (CS) theory, the DCS-based method has an improved efficiency because it reconstructs the MIMO channels jointly rather than addresses them separately. Furthermore, the group-sparse structure of each single channel is also depicted. To effectively use this additional structure of the sparsity pattern, the DCS algorithm is modified. The modified algorithm can further enhance the estimation performance. Simulation results demonstrate the superiority of our method over fast fading channels in MIMO-OFDM systems.     

非冗余块预编码MIMO-OFDM系统盲信道估计算法

由于传统的盲信道估计算法靠引入块预编码来弥补子空间方法的缺陷,因此会牺牲一部分符号信息。针对上述问题,提出了一种非冗余块状预编码算法,将发送符号按奇偶成对分块重组,对其进行预编码,相应地接收信号的自相关矩阵具有块状结构,选取对角线上的两个块分别进行信道估计;同时讨论了预编码矩阵应该满足的条件以及预编码矩阵对信道估计和系统误码率的影响,以此设计了一种均衡方法,对两个估计值进行均衡,得到最终的信道估计．仿真表明,该方法可以在获得更好的信道估计效果的同时降低系统的误码率．     

基于小波去噪的MIMO-OFDM信道估计方法

用小波变换思想,提出一种基于小波去噪的多输入多输出正交频分复用(MIMO-OFDM)系统信道估计方法。该方法首先利用最小二乘(LS)方法进行信道估计,然后对估计后的结果进行小波去噪处理。与传统最小二乘信道估计方法相比,该方法不需要预先知道信道的统计特性,信道估计性能有明显提高。