基于辅助数据的SC-FDE系统频域LS信道估计

通过对单载波频域均衡(SC-FDE)系统的分析得出了对最小二乘(LS)信道估计中采用的训练帧的要求, 从理论上推导了不计循环前缀(CP)能量损失的条件下, SC-FDE系统采用LS方法估计信道的性能界。文中指出, Newmann序列适合作为SC-FDE系统频域LS信道估计的训练帧。理论分析和仿真结果都表明, 采用Newmann序列可以达到LS信道估计的性能界。     

MIMO-OFDM中一种新的信道估计算法

根据不同发射天线发射的导频移位后应相互正交的原则,运用最小二乘推导出了基于MIMO-OFDM信道估计模型的时域信道估计解。针对该时域信道估计解需要矩阵求逆,运算量大的缺点,研究了基于空时频三维导频符号的设计方法,该方法使得时域信道估计解不需要矩阵求逆,可大大降低信道估计的复杂度,并且可以使信道估计误差最小。仿真结果表明,提出的基于空时频导频的信道估计方法相比传统LS算法和文献算法,MSE和BER性能均有较大的提高。     

短波SC-FDE系统中改进的LS信道估计算法

针对短波单载波频域均衡( SC-FDE)系统中最小二乘( LS)信道估计算法受噪声影响大而导致的估计精度低的问题,提出了一种改进的基于小波去噪的LS信道估计算法。改进算法采用基于分块导频的帧结构,首先用LS算法对信道进行初步估计,然后根据小波多分辨率分析( Mallat)理论将LS估计的结果分解,并设置一个合理阈值对分解得到的小波系数处理,从而消除LS估计的残留噪声,提高估计精度。仿真结果表明,在短波信道下,改进算法不仅减小了系统开销,而且提高了LS估计的性能。     

基于压缩感知的OFDM宽带短波信道估计方法研究

为了提高OFDM宽带短波信道估计的精确性,针对短波信道固有的低稀疏性,在将压缩感知理论应用于OFDM宽带短波信道估计的基础上进行OFDM短波信道的稀疏建模,接着提出需要解决的问题,进而提出采用正交匹配追踪(OMP)算法进行短波信道的重构。通过仿真实验证实,与传统信道估计算法中的最小二乘(LS)算法比较,可以达到在使用更少导频的情况下提供更好的短波信道估计性能的效果,从而提高短波系统的频带利用率。     

一种高速无人机下行链路信道估计方法

针对高速无人机下行数据传输中,系统因地空无线信道存在严重的频率及时间选择性衰落而导致性能大幅下降的问题,提出了一种卡尔曼与最小二乘(LS)联合的地空信道估计方法。构建了正交频分复用(OFDM)传输系统和地空信道模型,信道估计基于格状导频进行,以减少导频数量,提高数据传输效率。信道估计分两步进行,先利用LS算法得到导频处粗信道估计值,针对时域离散导致无法进行卡尔曼估计的问题,进行插值处理变为时域连续,然后再采用卡尔曼算法优化粗估计值,进一步提高信道估计的性能。仿真分析表明,该方法相较于传统的LS估计方法,导频插入数量相同,有2～3 dB的性能提升。与梳状导频下的卡尔曼估计方法相比,使用本文方法性能提升约1 dB,但导频使用数量下降了60%。     

基于Akaike信息论准则的无人机OFDM信道估计算法

文章通过对无人机通信信道的分析,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矩阵运算,为加快收敛速度、降低实现难度,文中提出了一种利用GAIC(generalized Akaike information criterion)准则和RPC(phase-rotated Chu sequences)训练序列的OFDM航空信道LS(least square)估计方法,该方法利用GAIC准则确定信道MA(moving average)模型的阶次及抽头位置,为减小信道估计的运算复杂度,引入RPC序列作为训练序列,既满足了LS(least square)估计,又大大减化了计算复杂度.文章针对具体应用给出文中算法的性能仿真结果,证明了此算法可避免高阶矩阵运算,节约了大量权值可忽略抽头所引入的资源占用和计算量,且显著减小估计误差,可更好跟踪快变的稀疏信道.     

基于RLS的MIMO OFDM自适应信道估计

依据最小均方误差准则提出了基于多相正交序列循环移位和基于重复相位旋转Chu两种训练序列设计方法,并给出了相应的最小二乘(RLS)自适应信道估计算法。首先用简单的LS算法对信道进行初步估计,然后采用RLS算法进行自适应滤波器提高信道估计的性能,最后,将滤波后得到的时域信道估计经过FFT变换为频域信道响应,并对OFDM数据符号进行频域均衡。与传统单一的信道估计技术相比,该方法具有较低的复杂度和较好的估计性能,仿真实验证明了该算法的有效性。     

基于混合遗传算法的导频优化

OFDM系统中,基于压缩感知的稀疏信道估计能够充分利用无线信道的固有稀疏性,进而降低导频开销,提高频谱利用率。针对压缩感知信道估计的导频设计,通过最小化压缩感知理论中测量矩阵的互相关性,提出一种基于混合遗传算法的导频优化方法。该方案首先采用遗传算法获得次优初始导频序列,然后结合导频位置以及导频功率对导频序列逐位进行替换、优化,以使测量矩阵的互相关性最小。MATLAB 仿真结果表明,相比于伪随机导频设计和等间距导频设计,该算法能够保证较低的均方误差和误码率。     

利用ZC序列的OFDM同步及稀疏信道估计

利用ZC序列构造了新导频符号,能够在时域兼具完成OFDM符号定时同步,频偏估计及稀疏信道估计。符号定时同步无需本地序列,频偏估计在时域完成不需要进行FFT,稀疏信道估计则选取优化的由ZC序列形成的感知矩阵对时域信道进行感知,并以OMP算法重构。仿真结果表明,新方法能在时域以较高的精度完成同步和稀疏信道估计。     

基于导频辅助的无循环前缀SFBC-OFDM系统

设计了一种基于导频辅助的无循环前缀空频分组编码-OFDM系统(Non-CP SFBC-OFDM).区别于传统的循环前缀空时分组编码-OFDM系统(CP STBC-OFDM),新系统发射端将块状导频序列和由空频分组编码构成的OFDM符号交替排布发射,并且每个OFDM符号前不再附加循环前缀,而接收端针对这一新的数据发射结构设计出一种基于干扰抵消的信号检测和信道估计联合递归算法.理论推导和仿真结果表明:相对于应用最小平方(LS)、迭代最小平方(iterative LS)的信道估计算法的循环前缀STBC-OFDM系统,引入联合递归算法的新系统可以得到更高的信息数据传输效率和更低的系统误比特率.     

OFDM稀疏信道估计中导频设计算法

由于无线信道固有的稀疏性,压缩感知理论已被应用于正交频分复用(OFDM)系统的信道估计中来提高频谱利用率。文中研究OFDM系统稀疏信道中确定性导频的设计问题,针对互相关最小准则的不足,提出了一种基于测量矩阵互相关和测量矩阵列相关平方和最小化的联合算法。仿真结果表明,该算法的归一化均方误差(MSE)和误码率(SER)性能均优于基于互相关最小准则的随机搜索导频,相比于最小二乘算法,稀疏信道估计使用了更少的导频获得了更好的估计效果,提高了频谱利用率。     

基于STBC-SCFDE系统的信道估计算法研究

针对频率选择性衰落信道下2发射天线的空时分组编码-单载波频域均衡(STBC-SCFDE)系统,分别设计了2种新颖的时域多天线导频序列和频域多天线导频序列,相应地提出了一种时域导频信道估计算法和一种频域导频信道估计算法,并分别进行了信道估计的MSE性能分析以及计算复杂度对比.仿真验证表明,相比传统经典多天线信道估计算法,所提2种信道算法在中低信噪比下均能实现良好的信道估计性能,为未来无线通信系统的信道估计开辟了新的解决途径.     

基于分块导频的SC-FDE信道估计算法改进

随着计算机科学技术的不断发展,分块导频的SC-FDE信道估计算法受到了越来越多的重视。信道估计与频域均衡是单载波频域均衡（SC-FDF）系统的两大关键技术。其中,信道均衡是通过对估计出的信道衰减特征进行补偿,从而减小信号在传输过程中所受外界的影响,信道估计与频域均衡性能的好坏共同决定系统最后均衡的效果。因此,研究基于分块导频的SC-FDE信道估计算法改进具有非常重大的意义。本文介绍了SC-FDE系统和SC-FDE系统模型,阐述了信道估计和理论分析,并且进行了理论分析和信道与噪声方差估计,最后分析了系统仿真结果。     

基于宽带突发单载波频域均衡传输的时域精细信道估计方法

单载波频域均衡(SC-FDE)是宽带无线通信系统中一种具有竞争力的解决方案,获得了广泛的关注和研究。SC-FDE方案不仅抗多径能力出色、复杂度低,且具有比正交频分复用(OFDM)信号更低的峰均比值。在突发SC- FDE系统中,接收机需要利用训练序列快速获取信道的特征信息,以避免解调性能损失。传统的基于训练序列的信道估计方法并不适合宽带猝发SC-FDE系统,难以兼顾估计准确性和复杂度。该文提出一种基于时域训练序列的精细信道估计方法。该方法利用时域PN序列得到信道参数的最大似然估计值,并利用信道稀疏的特征,根据信道噪声强度对信道估计值进行噪声抑制处理。仿真表明:与传统信道估计方法相比,该信道估计方法能取得更高的估计精度,且具有较低的实现复杂度。     

认知无线电中的稀疏信道估计与导频优化

认知无线电技术能充分利用闲置的频谱进行数据传输,从而提高频谱利用率。而稀疏信道估计能充分发掘无线信道的稀疏性,从而节省导频开销,并进一步提高频谱利用率。因此,该文研究了采用稀疏信道估计的认知无线电系统及导频优化,将信道估计转化为稀疏重建问题,以最小化观测矩阵的互相关为目标进行优化,并提出了一种快速的导频优化算法。该算法通过灵活设置外循环和内循环次数,实现了对导频序列进行逐位置的替换与优化。仿真结果表明,相比于最小二乘信道估计,稀疏信道估计能节省72.4%的导频开销,提高8.2%的频谱利用率;此外,该导频优化算法优于目前的随机优化算法,在相同的0.012误码率性能下,相比后者能节省约5 dB的信噪比。     

MIMO-OFDMA系统中基于奇异值分解的信道估计

基于最小二乘方(LS)信道估计技术,并结合MIMO-OFDMA系统中导频的特点,提出一种基于时域LS的奇异值分解(SVD)信道估计法,该方法是对T矩阵进行奇异值,而T矩阵要比信道自相关矩阵R容易获得得多。理论研究与仿真结果显示,该算法的性能略劣于Ove Edfors等人提出的基于线性最小均方误差估计(LMMSE)的SVD信道估计方法,但计算复杂度要低,并且对导频的要求比较宽松,具有广泛的应用性。     

一种稀疏增强的压缩感知MIMO-OFDM信道估计算法

 基于压缩感知(Compressed Sensing, CS)的信道估计可以达到减少导频的目的,但在频-时域信道矩阵到时延-多普勒域的稀疏变换中存在谱泄漏现象,影响了信道矩阵的稀疏性和估计的均方误差(MSE)性能。为此该文对信道的稀疏性进行研究,提出一种时域加窗的稀疏优化CS信道估计算法。通过对时域加窗,所提算法抑制了由离散截断导致的多普勒域泄漏,再据此设计出观测矩阵,以此方式增强信道在时延-多普勒域的稀疏性,并实现对稀疏的信道矩阵更为准确的重构,达到改善信道估计MSE性能的目的。仿真结果表明随信噪比的增大,加窗CS算法相比无窗CS算法有效改善了信道估计的性能。     

空时/频编码在OFDM系统中的应用

介绍了空时编码(STBC)和空频编码(SFBC)应用于OFDM系统,实现发射分集,并对基于梳状导频的LS(最小二乘)算法采用正交导频设计方案,把多天线信道估计转化为单天线信道估计,大大简化了运算。仿真结果表明,实现的空时和空频编码OFDM方案不仅误码性能良好,且具有系统实现复杂度低、接收机结构简单等优点。     

基于FBMP算法的水声信道估计

设计了一种基于贝叶斯压缩感知(bayesian compressing sensing,BCS)的水声信道(underwater acoustic channel,UWAC)估计方法,并具体采用快速贝叶斯匹配追踪算法(fast bayesian matching pursuit,FBMP)对水声正交频分复用(OFDM)通信系统下的信道脉冲响应进行估计。在水声信道中,信道的抽头的位置及系数通常分别服从伯努利和复高斯分布,利用这一先验知识,首先对抽头的位置进行检测,然后通过最小均方误差准则得到准确的信道估计。仿真分析了导频数量、信噪比对FBMP、正交匹配追踪(orthogonal matching pursuit,OMP)、变换域(discrete fourier transform,DFT)、最小二乘法(least square,LS)信道估计算法的性能的影响,仿真结果表明,在稀疏信道下,基于FBMP的信道估计方法明显优于OMP、DFT、LS信道估计方法。     

单载波频域均衡技术研究

介绍了单载波频域均衡(SC-FDE)的原理和均衡实现的过程,并采用时域 LS 信道估计算法对频域均衡性能进行了仿真。