MIMO-OFDM时变信道修正KALMAN跟踪

在多输入多输出正交频分复用系统(MIMO-OFDM)中,双选择性时变信道的跟踪对系统性能很关键.在接收端未知移动台运动速度的情况下,经典KALMAN跟踪算法的状态方程转移系数没法确定.文中提出的修正KALMAN滤波,能够同时跟踪时变信道和状态转移系数.通过计算机仿真试验表明,跟踪算法在高信噪比时,系统性能略低于已知信道状态转移系数算法的性能;算法在低信噪比时,系统性能优于已知信道状态转移系数算法的性能.     

一种LC_CDMA信道估计方法

在 L C_ 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 L C_ 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。     

多中继协同的差分宽带通信方法

在宽带通信环境中提出一种多中继协同的差分传输方法. 该方法采用差分酉调制、放大转发（AF）及最大比合并技术,以可解耦的方式在空间域和频率域上获得了完全的协同分集和频率分集增益. 相对于差分协同空频分组编码,降低了编解码复杂度,便于调整系统获得的分集增益,而且在中继个数和分组长度相同的情况下还能获得更高的协同分集和频率分集增益. 仿真实验结果与理论分析具有很好的吻合性.     

基于复杂系统科学的MIMO无线传输分集与编码技术

多输入多输出(MIMO)技术能在不增加带宽的情况下成倍地提高通信系统的容量和频谱利用率,是第四代(4G)无线移动通信系统中最富有竞争力的技术之一.然而由于移动台的尺寸和载频的限制,使多天线技术很难实现.基于复杂系统科学的MIMO无线传输分集和编码技术成为解决这一问题的可选方案.围绕国家973计划项目基于复杂系统科学的MIMO无线传输分集与编码技术展开MIMO天线设计、MIMO信道模型、MIMO信道估计、MIMO无线传输协同分集和协同编码等方面研究,完成了相关理论推演和实验研究.这些研究为准确分析与设计4G通信系统提供了有力的保障.最后对未来的研究工作进行展望.     

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。     

基于频率分集探地雷达的介质参数估计方法

针对地下目标体周围介质参数估计问题,提出一种基于图像熵的介质参数估计方法。首先推导了介质条件下频率分集阵列探地雷达的点扩展函数,分析了点扩展函数与后向投影成像算法之间的联系,然后将频率分集探地雷达与超宽带探地雷达成像结果做了对比分析。对于同一块包含目标的待成像区域而言,介质参数对电磁波的传播速度有较大的影响,当采用不同的介质参数分别对该区域进行成像时,得到的成像结果亦不相同。对不同参数下的成像结果进行图像熵的计算,成像结果的图像熵值越小,则在使用该参数时成像的聚焦度越好,所对应的介质参数越接近其真实值。实验结果表明：在介质的电导率不为零时,频率分集探地雷达较超宽带探地雷达在目标定位成像方面具有更好的效果,且当目标为细长目标体时,所提出的参数估计方法能够对目标体周围介质参数进行有效估计。     

雷达通信一体化导读

<正>随着科学技术的快速发展,雷达通信一体化发展程度也逐渐加深,通过一套共用的硬件设备来实现雷达探测与通信传输,相比于传统单一的雷达或者通信设备,更易集成化、小型化和高效利用频谱。通过将雷达与通信进行一体化结合发展,发挥二者的功能和作用。一方面,通过内部结构的优化,实现信息数据的共享,既可以探测目标,又可以完成信息传输任务;另一方面,雷达通信一体化可以提高抗干扰能力、电磁兼容性能、频谱利用效率与信息交互效率。为集中展现雷达通信一体化在通信传输与雷达探测多功能一体化发展中的最新理论研究成果及前沿技术方法,     

最小二乘自适应滤波的广义多信道QR格型算法

对于广义多信道的最小二乘自适应滤波，即允许有信道参数数目不相等，本文提出一种QR格型算法。这个算法完全利用Givens旋转来解广义多道最小二乘问题，具有优越的数值性能和高度的模块化结构，适合于VLSI实现。对于通用处理器实现，这个算法需要O（p2）运算复杂度，其中p为信道数，对于基本处理单元实现，需要2p角度计算单元和3p2－p旋转单元。     

联合神经网络与子带分解结构的非线性预测滤波器

基于PRNN神经网络与FIR子带滤波器,本文提出一种新颖的非线性自适应预测滤波器.子带分解采用便于实时实现的DCT,文中给出了相应的学习算法.对实际语音信号进行的非线性预测结果表明,本文所提出的非线性预测滤波器与原来的相比,在降低预测误差动态范围与提高收敛速度等方面都有了十分明显的改善.