基于正交多相序列的OFDM信道估计算法

提出了一种基于正交多相序列的OFDM信道估计算法。该算法采用相关性能良好的正交多相序列作为发送信号的循环前缀,在接收端,提取循环前缀,进行相关计算,最终得到系统频域响应的估计值。通过仿真,验证了在多径衰落信道中,提出的算法比频域梳状导频插入的时域滤波算法及采用小m序列作为循环前缀的信道估计算法具有更高的信道估计精度。     

MIMO OFDM系统中同步和信道的联合估计

提出了一种MIMO OFDM系统的定时恢复、频率同步和信道估计的联合算法。为了减少算法的复杂度，算法分两步完成：首先利用接收信号的自相关函数进行粗同步和信道估计，得到时延和频偏的粗估计，然后在粗估计基础上采用最大似然准则进行精确的同步和信道估计。仿真结果表明，该算法能够达到很好的效果，系统误码率接近已知信道响应时的情况。     

基于迭代补偿的快速突发信道估计算法

 在突发信道中,针对接收信噪比大范围波动的情况下对于信道参数快速、稳定、准确获取的系统要求,提出一种基于迭代补偿的快速突发信道估计算法。该算法根据快速相关估计结果对其估计偏差进行补偿,实现信道参数的准确估计,并得到了补偿次数和估计性能的相关结论。理论分析和仿真表明,所提算法在低信噪比(小于 )情况下能准确的估计出信道参数,而且在高信噪比（大于 ）的情况下能够有效改善快速相关算法的估计性能,具有估计误差小、计算复杂度低和抗多径等特点。     

基于MIMO—OFDM系统的信道估计算法分析

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系统优良的传输性能的重要环节。对MIMO-OFDM系统的多种信道估计算法进行了全面深入地探讨,重点分析和比较了基于LS和MMSE的非盲信道估计算法、盲信道估计算法和半盲信道估计算法,并提出了未来信道估计算法的研究方向。     

基于 ISL0 算法的码间干扰稀疏多径信道估计

针对存在码间干扰ISI的稀疏多径信道,已提出基于压缩感知理论的平滑SL0算法来研究其稀疏特性,然而SL0算法的迭代方向为负梯度方向,存在“锯齿效应”,且其代价函数“陡峭性”性能欠佳,使得信道估计和收敛效果均未达到最优。因此提出利用拉格朗日算子,结合牛顿法来改进和优化SL0算法,获得了快速和高效的信号重构ISL0算法,对稀疏多径信道状态信息进行了相关估计,分析了信噪比SNR和迭代次数等参数对重构信号均方误差MSE的影响。比较了ISL0算法与其他相关算法的迭代时间以及对稀疏信道中ISI均衡效果的差异。算法的优越性通过仿真得到验证,实时仿真结果显示ISL0算法能很好地对稀疏信道进行估计。在同样信道环境条件下,相比CoSaMP、SL0及其他算法,ISL0算法的性能有了较大提高。     

一种空间相关的MIMO-OFDM系统信道估计算法

为了提高空间相关信道估计的精度,提出了一种适用于空间相关信道的MIMO-OFDM系统的空域LMMSE信道估计算法及其改进算法,从理论上分析了MSE误差。仿真结果表明,空域LMMSE算法能有效地提高信道估计的精度,尤其是在低信噪比的情况下,所提出的算法获得的效果更为明显。     

一种基于自适应滤波的信道估计优化方法

为了解决无线移动通信 MIMO-OFDM 系统中导频辅助信道估计方法所存在的估计精度问题,提出了一种基于改进 LMS 算法的自适应滤波优化方法。首先使用 LS 算法对信道进行初始估计,然后利用估计结果恢复出原始发送数据,最后通过自适应滤波的方式对信道估计结果进行重新优化得到新的信道估计矩阵,可以获得更优的估计性能。仿真结果表明,提出的改进 LMS 算法相比于基本 LMS 算法具有更快的收敛速度和更好的稳态性能,自适应滤波优化后信道估计性能得到很大提高。     

基于LS的STBC导频信道估计方法

结合IEEE 802.16d(e)协议的相关内容,针对多天线载波分配和导频的排列方式,提出了一种简单的性能和复杂度折衷的导频信道估计算法,该算法是通过利用LS算法求得导频位置的信道估计,然后对导频信道估计进行滤波、插值来得到数据位置的信道估计.性能仿真显示,这种复杂度很低的算法BER性能损失是可以接受的,而且802.16标准规定系统导频只能用1个symbol,因此这种方法有其实用价值.     

SFBC-OFDM系统中联合迭代信道估计与空频解码算法

提出了一种基于SFBC-OFDM系统的联合迭代信道估计与空频解码算法。首先为提高初始信道估计器的性能,提出了一种基于时频变换(TFT)的信道估计算法;其次提出了利用信道估计值与解码符号进行联合迭代信道估计与空频解码算法。分析与仿真结果显示,在准静态、快时变以及相关信道条件下,新的联合迭代信道估计与空频解码算法都有效地提高了系统性能。     

MIMO-OFDM系统中一种改进的Bayesian EM信道估计器

该文提出了MIMO-OFDM系统中一种改进的Bayesian EM信道估计器。利用软球形译码器的搜索列表和解码器反馈的先验信息对传统EM信道估计中的软信息近似处理进行了修正,计算了更为准确的软符号后验概率分布以及一阶、二阶统计量。基于初始估计得到的信道先验信息,设计了新的考虑软符号后验互相关的时域信道冲激响应最大后验概率(MAP)估计算法。仿真试验结果表明:该算法和传统EM信道估计算法相比具有更低的误码率和更小的估计均方误差值。     

结合反卷积和扩张卷积的信道估计算法

信道估计作为无线通信的关键,近年来成为相关领域的研究热点。本文针对正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）系统下传统信道估计算法性能难以满足复杂场景的通信需求、受噪声影响大等问题,提出了一种基于反卷积网络及扩张卷积网络信道估计的深度学习方法。该方法利用信道的相关性构建了一个轻量级的反卷积网络,利用少数几层反卷积操作来逐步实现信道插值与估计,在较低的复杂度下较好地实现了信道估计。为改善估计性能,进一步构建了一个扩张卷积网络来抑制信道噪声,提高信道估计的准确度。仿真结果表明,在不同信噪比条件下,本文提出的基于反卷积及扩张卷积的深度学习方法比传统方法具有更低的估计误差,且复杂度较低。      

基于PN序列相关检测的MIMO—OFDM信道估计

鉴于多天线OFDM系统中基于PN序列的信道估计受序列循环互相关性影响较大,提出了基于PN序列互相关消除的迭代相关检测信道估计算法。利用PN序列良好的自相关性迭代预估传播路径,并消除已预估路径对其余路径的非理想相关性影响,预估完毕后利用校正的相关函数更新信道估计值。仿真表明算法估计精度较高．与频域方法相比大大降低了计算复杂度,且无需预知信道先验信息,并能跟踪怏时变衰落信道。     

一种基于空时相关的MIMO OFDM系统信道估计算法

提出了一种基于空时相关的MIMO OFDM系统信道估计算法,该算法以时域最小二乘信道估计(TD-LS-CE)为初始估计,充分利用在接收端已知的空时相关性,通过最小化FIR窗内多符号平均意义上的信道估计均方误差(MSE),获得对初始信道估计进行空时滤波的最优权系数,并进一步利用奇异值分解的方法大大降低该信道估计算法的复杂度。最后仿真结果表明,在相同的条件下,该信道估计算法在MSE、BER方面优于传统滑动平均(MA)信道估计算法在其最佳窗长时的性能,且在一定条件下可逼近理想信道估计性能。此外,空时相关性的增强还可进一步改善该信道估计算法的性能。     

基于压缩感知的大规模MIMO信道估计与反馈

针对大规模 MIMO系统信道估计精度低及反馈方案较为复杂的问题,在差分信道估计及反馈方案上提出了一种基于系数相关性的压缩采样匹配追踪（BCC-CoSAMP）算法。该算法将CoSAMP算法中衡量两个向量之间关系的内积替换为基于相关系数的向量关系判定,从而较快地选出与原始信号相关性强的原子,达到提高信道估计精度的目的。仿真结果表明,与CoSAMP算法相比,所提出的BCC-CoSAMP算法在低信噪比情况下,信道估计精度平均有5 dB的提高,同时能平均提高系统总速率1.25 bit/(s.Hz)。     

一种改进的OFDM/OQAM系统信道估计算法

基于块状导频的信道估计方法可以克服OFDM/OQAM(OFDM/Offset QAM)系统所固有的符号间和载波间干扰,从而成为该类系统通用的信道估计方法。该文基于块状导频结构和OFDM/OQAM的系统特点,分析了系统相邻子载波之间的相关性,并在此基础上提出一种改进的信道估计算法,通过计算相邻子载波的相关系数,在频域进行有效的加权运算来降低干扰和噪声对信道估计的影响。分析和仿真结果表明,该算法能够有效地提高传统算法的信道估计精度和系统性能。     

一种利用重复序列的OFDM频率同步新方法

该文提出了一种利用重复序列构成的训练序列进行OFDM频率同步的新方法。它通过作两次频率同步,先是相隔较近的数据作相关,得出频率偏移值,纠正此频率偏移后,再间隔较远的数据作相关,得出较精确的频率偏移值。新方法有估计范围大和精度高的双重优点。AWGN和Rayleigh信道下的仿真验证了算法的有效性。     

多普勒域上稀疏的双向中继信道估计

信道估计技术作为获得信道衰落信息的方法,是提高无线信道传输接收性能的关键技术。本文针对放大转发双向中继系统的时间选择性平坦衰落信道,利用信道在多普勒域的稀疏性进行压缩信道估计。相比于传统的线性估计方法,压缩信道估计考虑了信道的固有稀疏性,降低了导频的开销,改善了信道估计性能,提高了频谱利用率及系统吞吐量。文中通过对双向中继信道进行多普勒域的稀疏建模,仿真分析了信道估计性能随着导频数量增加、信噪比增加,得到不断改善;而不同的导频分布将影响观测矩阵的相关度,从而对信道估计产生影响。仿真表明,当导频随机分布时,信道估计效果最佳。同时,文中还仿真分析了最大多普勒频移对信道估计性能的影响。      

人工智能辅助的信道估计最新研究进展

作为第六代移动通信发展的主流方向,智能通信正在蓬勃发展中,且初步展示了其与传统通信方法相比的优势。人工智能辅助的信道估计作为智能通信的重要组成,在已有的研究成果中展示了其相比传统信道估计算法的优越性,尤其是基于压缩感知技术、超分辨技术、残差学习等开展的信道估计研究均获得了丰硕的成果。针对人工智能辅助的信道估计技术,结合近来学术界最新研究成果,分别从基于深度卷积神经网络、基于深度循环神经网络、基于超分辨技术、基于压缩感知技术 4 个维度展示了人工智能辅助的信道估计的全貌。最后,对比总结了4类信道估计方法优劣及其未来研究方向,展望了信道估计与深度学习结合的广阔前景。