基于差分概率的信道衰落估计方法

现有的信道估计方法通常存在计算量大、复杂度高等问题。基于差分概率对信道衰落幅值进行概率统计,并将信道增益的时序关系及其时序差分量的概率统计特性相结合进行仿真实验,发现信道估计的计算量和复杂度得到了降低,并在此基础上提出基于差分概率的信道估计方法。     

OFDM系统在时变多径信道中的信道估计技术

提出了一种OFDM系统在时变多径信道中的信道估计算法。这种算法是将时变信道看作在一段时间内作线性变化的基础上,利用连续的两个OFDM信号帧内的导频信息,对信道的时变性进行估计。论文应用数值仿真的方法对这一算法进行了仿真分析。分析结果表明,与已有的OFDM系统在时变多径信道中的信道估计技术相比,所建议的算法可以有效地减小信道估计的误差。     

运动轨迹的插值信道估计方法

介绍了一种基于运动轨迹的插值信道估计方法,把插值问题转化为求解均匀加速运动轨迹问题。相对于其他线性插值及二次插值的插值信道估计方法,该方法具有计算复杂度低,算法简单,可以实时计算等特点。通过仿真表明,在低车速时,该算法的误比特率性与线性插值方法基本相同;而在中高车速时,该算法的误比特率性能要明显优于线性插值信道估计方法,与二次插值信道估计方法的性能基本相同。     

基于编码的MIMO-OFDM系统的迭代信道估计方法研究

针对基于编码的MIMO-OFDM系统提出了一种迭代信道估计接收技术.接收机首先通过导频对信道进行估计,然后通过解调译码输出判决信息对信道参数进行更新.仿真结果表明,在高信噪比环境下,可显著地降低系统的误码率.     

基于无迹卡尔曼滤波的双选信道估计方法

针对高速移动场景中由于信道存在时频域选择性衰落(双选衰落)导致正交频分复用(orthogonal frequency division multiplexing, OFDM)通信系统受到子载波间干扰而使通信质量下降的问题,采用基扩展信道模型,在消除子载波间干扰(inter carrier interference, ICI)影响的同时节约信道估计算法的空间复杂度。针对基扩展模型(basis expansion model, BEM)下的非线性信道状态空间模型,采用无迹卡尔曼滤波(unscented Kalman filter, UKF)方法进一步跟踪信道响应提升信道估计精度。仿真分析表明,本研究所提方法能够有效提升信道估计的精度,相对于传统算法具有更好的误码率性能和鲁棒性。     

基于无迹卡尔曼滤波的双选信道估计方法

针对高速移动场景中由于信道存在时频域选择性衰落(双选衰落)导致正交频分复用(orthogonal frequency division multiplexing, OFDM)通信系统受到子载波间干扰而使通信质量下降的问题,采用基扩展信道模型,在消除子载波间干扰(inter carrier interference, ICI)影响的同时节约信道估计算法的空间复杂度。针对基扩展模型(basis expansion model, BEM)下的非线性信道状态空间模型,采用无迹卡尔曼滤波(unscented Kalman filter, UKF)方法进一步跟踪信道响应提升信道估计精度。仿真分析表明,本研究所提方法能够有效提升信道估计的精度,相对于传统算法具有更好的误码率性能和鲁棒性。     

移动信道信噪比估计方法

在移动通信系统中,信噪比（SNR）作为评估信道质量的一种标准,可以用于资源动态分配及自适应传输等场合。其估计的准确性也在很大程度上影响了系统的性能。文中用计算机仿真的方法分析了子空间投影、子空间特征值分解两种SNR估计算法的准确性、实时性、稳健性。     

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

在多输入多输出正交频分复用(MIMO-OFDM)系统中, 信号经过频率选择性衰落的信道后, 在接收端需要进行均衡和相干信号的检测, 故准确的信道估计量必不可少. 传统的信道估计方法均基于信道抽头是密集型的假设, 利用线性重构算法, 如最小二乘(LS)或最小均方误差(MMSE)等, 可以达到Cramer-Rao下界(CRLB). 然而, 通过物理信道测量发现, 在实际通信系统中, 宽带信道抽头分布通常表现出稀疏特性. 通过充分利用信道的稀疏特性, 该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计. 在达到与传统的信道估计方法相同性能的前提下, 基于CoSaMP的信道估计方法以非常小的计算复杂度为代价, 大大减少了导频信号开销, 从而提高了频谱资源利用率.     

基于数据协作的信道估计优化

为了减小大规模多输入多输出系统中导频污染对信道估计的影响,利用已知导频符号及用户发送数据独立同分布的特点,给出一种信道估计优化方案。基站接收到数据信号后,先按照行不变列扩展的方式进行矩阵扩展,再进行信道估计,如此可增加用于信道估计的已知数据长度,减小数据之间的相关性,使污染项逐渐趋于零,从而达到优化信道估计的目的。仿真结果表明,所给方案在优化信道信息上有较好的性能增益。     

OFDM信道估计的子空间方法

介绍了OFDM信道盲估计的子空间方法及其研究现状,并对文献[6]的算法按照WLAN 802.11a的符号格式在存在虚载波及导频的情况下进行了性能仿真,研究了要达到一定的精度,算法应选取的包长及算法对信道SNR的要求。仿真结果表明导频格式会影响算法的收敛,但通过加入不相关的导频,能保证算法的收敛。     

基于DFT的UWB—OFDM信道估计算法

在基于OFDM技术的UWB系统中,由于信号在无线信道中传输,多径现象使得信号幅度发生衰落,相位发生偏移,为了保证通信的可靠性和有效性,接收机采用信道估计方法来预知信道的传输特性,补偿信道对超宽带信号造成的影响。在直接DFT估计方法的基础上,提出一种加窗DFT信道估计算法,用汉宁窗在时域上对信道冲激响应进行处理,有效地抑制频域响应的频谱泄漏。理论分析和仿真结果都表明在没有增加信道估计复杂度的基础上,提出的信道估计方法性能优于直接DFT估计方法。     

一种基于噪声功率估计的MC-CDMA信道估计算法

LS信道估计算法计算量小,实现简单,但受噪声的影响信道估计精度低.提出一种LS信道估计改进算法,利用MC-CDMA中闲置的虚载波对信道噪声功率进行估计,通过将LS信道估计的时域响应限制在循环前缀长度内,并进一步利用估计出的信道噪声功率,设置门限值忽略LS信道时域响应在循环前缀长度内的噪声分量和无效径响应,显著提高了信道估计精度.该算法运算量小,实现简单,信道估计精度高,仿真结果验证了算法的有效性.     

一种LC_CDMA信道估计方法

在LC_CDMA通信系统中，由于在多径衰落信道下使用了时变扩频码，使得信道估计非常困难，而对接收机的设计往往需要信道的先验知识。通过利用LC_CDMA的输出进行信道估计，建立一个CDMA通信系统数学模型和多径频率选择性衰落信道的FIR滤波器模型，用线性神经网络结构的子空间分解方法获得噪声子空间，提取噪声分量的信道估计算法，并结合信道估计，利用噪声子空间与信号子空间正交的特性，求解出频率选择性多径信道的响应系数。构建了一个长码条件下的多用户检测器，并仿真分析算法的性能。     

双选信道下SCFDE系统中改进的信道估计方法

为更好地恢复双选信道下单载波频域均衡(SC-FDE)系统中的发送信息,利用该系统特有的帧结构,提出一种简单的改进算法以提高信道估计性能。新算法将两个相邻数据块的导频组成一个新导频,再根据循环卷积的时域循环移位性质对新导频进行处理,得到若干组不同移位时的信道系数估值,最后利用无线信道的稀疏特性,对每组信道估值进行降噪处理并求平均得到最终的信道估值,进而改善了信道估计性能和频域均衡效果。     

使用Chebyshev多项式进行信道估计的方法

在研究了瑞利衰落信道中基于时分复用的导频辅助的信道估计方法后,提出了使用导频信号信道参数估计值的Chebyshev多项式插值来估计信道参数的方法. 通过仿真得到插值的Chebyshev多项式阶数对车速的系统误码率关系;同时,仿真结果也验证了这种关系是正确并且是可行的. 与使用分段插值的线性插值相比,利用该方法,接收机的误比特性能得到显著改善.     

基于深度学习的信道估计

目前深度学习方法在物理层通信中得到了广泛的应用,信道估计是物理层通信中的关键部分,与传统信道估计算法相比,深度学习方法在信道估计方面具有一定的优势.本研究介绍了深度学习中常见的神经网络模型,从模型驱动和数据驱动方式两个方面分别阐述了深度学习方法在信道估计中的应用.综述了将深度学习方法应用在信道估计中的最新研究进展.为了...     

基于自组织神经网络的电力线通信信道估计

提出了一种基于自组织神经网络的信道估计方法,可用于OFDM电力线通信系统的信道估计研究中.该方法可以将接收到的信号送给自组织神经网络,以实现对信道特性的连续自适应的估计,不需要预先知道电力线的信道特性便可以实现在限定的相位变化范围内,对信道传递函数的连续跟踪.通过对低压电力线信道环境的仿真,证明了该方法可以有效地应对信道的非线性效应.     

一类非线性发展方程第一边值问题的有限差分方法

在有限区域上讨论了一类非线性发展方程的第一边值问题,构造了该问题的一类稳定的隐式差分格式,利用离散泛函分析方法得到了差分解的一系列先验估计,由此通过让步长趋于零的极限过程证明了差分格式解的收敛性和原问题的弱解的存在唯一性．     

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)。     

超宽带系统中有辅助符号的信道估计方法

提出了两种有辅助符号的信道估计算法：已知时延信道估计和未知时延信道估计．研究了辅助符号数量对两种信道估计算法的性能影响．在接收端采用最大比合并选择性Rake接收机的情况下，通过计算机仿真对两种算法分析比较．仿真结果表明：已知时延信道估计性能好于未知时延信道估计的性能；两种估计算法中，使用的辅助符号越多，信道估计性能越好．