基于循环匹配追踪的稀疏重构时延估计算法

在单样本(SMV)、低信噪比条件下,稀疏重构方法可提升时延估计精度,但现有的重构算法在支撑集元素的选择中存在错选和漏选的情况,从而导致估计精度受限。针对上述问题,该文提出一种基于循环匹配追踪(LMP)的稀疏重构时延估计算法。该方法引入了“循环删除,匹配添加”的思想,有效提升了直达径的估计精度。算法首先建立信道冲激响应稀疏表示模型;然后在获得初始支撑集的前提下,先循环删除支撑集内的元素,再从支撑集补集中依据与当前残差内积值最大来匹配添加新元素,直至残差内积基本不变;最后利用时延值与稀疏支撑集的关系得到了时延的估计值。仿真结果表明,所提算法相比于传统稀疏重构时延估计算法具有更高的估计精度。同时基于USRP平台,利用实际信号对所提算法进行了有效性验证。

     

基于循环前缀相关性的OFDM调制识别算法

针对多径衰落信道下正交频分复用(OFDM)与单载波信号之间调制识别难的问题,提出了一种OFDM与单载波信号调制分类的新方法.该方法首先通过对信号的自相关进行能量归一化并取绝对值,去除抖动、频偏和相位噪声的影响,然后对能量归一化自相关进行形态学滤波,减少由于信号观察长度有限和背景色噪声所产生的影响,提取经过处理后信号自相关的次峰值作为识别特征,最后设计基于支持向量机的分类器,实现了对OFDM与单载波信号之间的调制分类.实验仿真结果表明,该方法在多径衰落信道下具有稳健的识别性能.     

认知MIMO干扰网络最优干扰对齐算法

认知无线电通过与 MIMO （Multi-Input Multi-Output）、OFDM（Orthogonal Frequency Division Multiple-xing）、超宽带、协作通信等技术融合来改善频谱利用率。而认知MIMO是认知无线电和MIMO技术的融合,虽然具有干扰抑制、抗多径衰落、空间分集和复用等优势,但是由于underlay共享方式中干扰温度约束的存在,导致发送预编码矩阵之间相互耦合,因此该技术在underlay干扰网络中难以获得最优的传输性能。针对该问题,通过交替迭代的方式,结合Rayleigh-Ritz定理和凸优化理论,推导了最优收发矩阵之间的迭代关系,提出一种最优干扰对齐算法。该算法利用Lagrange部分对偶方式来去除干扰温度约束,并采用次梯度投影法更新Lagrange变量,克服了已有半正定松弛算法因忽略矩阵秩约束而导致速率性能下降的缺陷。理论分析和数值仿真验证了算法的有效性,结果表明所提算法可实现网络可达速率和的最大化。     

基于空间扩展的分布式秩损MIMO检测算法

针对天线相关性或接收环境不理想引起的信道矩阵秩损问题,提出了一种基于扩展空间的秩损MIMO检测算法,该算法采用分布式接收架构获得扩展的高维接收信号矩阵,充分利用分布式接收信号的独立性使信道矩阵达到满秩,然后通过基于信道矩阵QR分解的M分支树搜索算法检测出发送数据,为了度量所提算法性能的好坏,给出了分布式接收信号的克拉美罗界。理论分析与仿真结果表明,与现有的秩损MIMO检测算法相比,所提算法在增加少量复杂度的情况下,估计结果更加接近克拉美罗界,且在大信噪比时性能优异。      

基于压缩感知子空间的时延估计算法

现有单快拍条件下子空间类时延估计算法由于降低有效带宽导致估计精确度下降,多快拍条件下压缩感知类算法由于多次采样具有相似稀疏结构也导致了性能下降。针对以上条件下2种算法鲁棒性不强的问题,提出一种在单快拍与多快拍条件下均具有较高精确度的基于压缩感知子空间的时延估计算法。该算法首先判定快拍数与多径数的关系,在快拍数大于等于多径数时通过求解谱峰的目标函数得到时延估计,在快拍数小于多径数时先重构得到改进的噪声子空间,再求解谱峰的目标函数得到时延估计。仿真结果表明,该算法在单快拍与多快拍条件下具有较高的估计精确度,与子空间类算法和压缩感知类算法相比具有更好的鲁棒性。     

基于对称旋转不变性的非圆相干分布源直接定位算法

针对现有相干分布源直接定位方法中存在的依赖分布模型、计算复杂等问题,该文提出一种基于非圆信号特征的对称旋转不变直接定位算法。该方法首先根据分布源参数化假设建立基于数据域信息的直接位置估计模型,并利用非圆信号特征扩展接收信号的协方差矩阵。然后针对中心对称阵列,证明了相干分布源的确定性角信号分布函数矢量具有对称特性,基于这一特征建立了扩展方向矢量的旋转不变关系;构造了融合多个观测站信息的目标函数,直接估计目标位置,避免了对分布模型的依赖,且降低了待估计参数维度。仿真结果表明,与现有相干分布源定位算法相比,所提算法提高了分布源位置估计精度和效率,避免了对分布模型的依赖,更具实用价值。

     

分布式信源数据域直接位置估计方法

针对目前信号数据域直接位置估计方法对分布式信号源进行直接定位存在精度下降问题,该文提出分布式信源数据域直接位置估计方法。首先构建分布式信源直接位置估计模型,然后分别基于最大似然准则和特征结构分解思想给出分布式信源高精度直接位置估计的两种方法分布源最大似然估计方法和广义子空间方法。最后通过多维搜索完成对于分布式信源的直接位置估计。仿真分析表明,该文算法对分布式信源进行直接位置估计的精度较传统直接位置估计算法明显提升,能够在较低信噪比下逼近克拉美罗界;分布源最大似然估计方法在低信噪比下定位精度优于广义子空间方法,而广义子空间方法复杂度更低。     

基于逼近噪声子空间的求根时延估计算法

多重信号分类(MUSIC)时延估计算法需要多径数估计,且其特征分解和谱峰搜索的计算复杂度较高。针对此问题,给出了一种基于逼近噪声子空间的求根时延估计算法。该算法利用协方差矩阵逆的高次幂逼近噪声子空间与其自身共轭转置的积,并构造多项式等式,以多项式求根的方式避免谱峰搜索,从而降低了计算复杂度。仿真结果表明,在无需多径数估计和复杂度低于MUSIC算法的条件下,所提算法的性能与MUSIC算法的性能相当,并且逼近克拉美罗界。     

多天线NLOS定位误差抑制算法

为抑制非视距传播造成的定位误差,提出一种基于对各基站TOA测量结果进行NLOS判别的误差抑制算法。与传统基于TOA统计信息的NLOS抑制不同,算法直接利用移动台多天线接收数据判别基站视距状态,然后融合LOS和NLOS基站测量结果解算移动台位置。NLOS判别机制采用多天线接收数据估计信道莱斯K因子,利用K因子在LOS/NLOS下服从的不同概率分布在信号处理层面对NLOS基站进行判别。算法最后采用约束最优化方法融合识别后的LOS和NLOS基站的TOA测量结果解算移动台位置。仿真结果表明,所提融合NLOS基站TOA解算算法可有效提高NLOS存在时的定位精度。      

OFDM系统中基于PM的时延估计算法

在正交频分复用(OFDM)系统的超分辨时延估计中,针对多重信号分类(MUSIC)算法的特征分解计算复杂度较高的问题,给出一种基于传播算子(PM)的时延估计算法。对OFDM系统进行信道估计,根据信道估计结果计算协方差矩阵,并利用协方差矩阵计算PM,然后根据PM构造出噪声子空间并将其标准正交化,最后利用伪谱函数进行时延估计。仿真结果和复杂度分析表明,在复杂度大幅度下降的条件下,所提算法与MUSIC性能相当,且逼近克拉美罗界。