基于EM-SBL迭代的稀疏SIMO信道频域盲均衡算法

针对单输入多输出系统下稀疏信道均衡问题,提出了一种新的基于最大似然准则的频域迭代均衡算法.首先将多天线联合均衡问题建模为非完整观测数据集下频域信号序列的最大似然估计问题,利用期望最大化算法进行近似迭代求解,最终得到各个单频信号加权求和形式的均衡输出表达式.在每次迭代过程中,算法依次完成均衡输出的更新和信道参数联合条件后验分布的更新.考虑到信道固有的稀疏特性,在求解信道参数联合条件后验时,引入具有稀疏促进作用的先验分布对信道系数加以约束,使用稀疏贝叶斯学习迭代求解信道参数联合条件后验.仿真结果表明,本文算法具有较好的收敛特性和稳态性能,在中高信噪比条件下可以获得接近信道已知条件下的稳态系统误符号率性能.     

基于频域波形合成的盲空间分集均衡器设计

针对频率选择性衰落信道下的多天线盲接收问题,本文提出了一种新的"合成器-均衡器"盲空间分集均衡器结构.基于频域波形合成、均衡器与软符号信息的联合处理框架,首先设计了频域BLOCK-SUMPLE迭代算法,对多路信号频域合成权值进行联合估计,实现频率选择性衰落信道下的波形合成.在此基础上,利用均衡器输出软符号信息重构合成参考,对权值相位予以修正,实现对等效合成信道的优化补偿.与传统盲空间分集均衡算法相比,上述算法实现无需训练序列辅助,并且优化了信号分集合并性能,降低了均衡器的设计难度.仿真结果表明,采用新型结构可有效改善衰落信道下的盲接收效果,逼近最佳空间分集均衡器性能.     

基于数据融合的辐射源目标定位EM算法研究

对于辐射源目标无源定位,充分利用冗余数据,降低系统误差,提高定位精度和算法普适性在现实工程应用中有着十分重要意义。提出了一种基于数据融合的期望最大化(EM)定位算法,通过对采样数据进行集中融合处理后极大化更新参数集,然后再迭代计算,直到达到阈值设定,最终确定目标估计位置。仿真结果表明,采用EM算法,可以有效利用多种定位方法的冗余采样数据,在强噪声环境下,可以快速有效地提高系统的定位精度,并对多个密集目标实现区分。     

随机布局多天线信号联合时差估计Cramer-Rao下界

该文针对随机布局多天线信号联合时差估计Cramer-Rao下界（CRLB）开展研究,在深入研究多路联合参数估计和经典时差估计算法的基础上,首先建立信号模型,进而得到频域的联合概率密度函数,然后推导出Fisher信息矩阵和Cramer-Rao下界的解析表达式。最后,对结果进行了讨论分析,并同两路时差估计Cramer-Rao下界进行了对比。结果表明,多天线联合时差估计能够利用各信号的相同信息,有效提升时差估计性能,而且在低信噪比条件下估计性能改善更为明显。此外,可以看到增加天线数目不可能无限降低时差估计Cramer-Rao下界,其受待估时差的两路信号信噪比限制。