OFDM水声通信系统LS-DFT信道估计算法

对于正交频分复用(orthogonal frequency division multiplexing, OFDM)水声通信系统,频域最小二乘(least square, LS)信道估计算法受噪声影响较大,离散傅里叶变换(discrete Fourier transform, DFT)插值算法引入了由于空载波所产生的误差。针对上述问题,提出了一种LS-DFT信道估计算法,先对导频子载波进行LS信道估计,再通过DFT作降噪处理,然后通过误差对比和数据替换,得到一组新的导频信道估值,最后通过线性插值获得数据子载波处的信道估值。理论分析和仿真结果均表明,该算法能以较小的复杂度有效提升系统的性能。     

用于有虚载波OFDM系统的信道估计算法

提出了一种适用于有虚载波的正交频分复用系统的改进信道估计算法。由于传统的信道估计器无法估计虚载波处的信道传输函数,从而逆离散傅里叶变换导致信道能量泄漏,使得时域滤波方法不能直接应用。为了解决这个问题,利用信道冲激响应的有限性,推导了以最小二乘法(least square, LS)来估计虚载波处的信道传输函数。进一步观察信号子空间和噪声子空间中噪声的相关性,使用最大后验概率准则估计出信号子空间的噪声并消除其带来的估计误差。该算法不仅可在训练模式下应用,也可推广应用于基于判决反馈的跟踪模式。仿真结果表明,改进算法无误符号率平台效应,且其误符号率较传统LS算法有2 dB的信噪比增益。     

基于噪声功率估计的FMT时域信道估计

利用PN码的循环相关性进行信道估计时,其估计值是有偏的,并且在低信噪比下受信道噪声的影响大。鉴于此,提出了基于信道噪声功率估计的FMT无偏信道估计算法,利用估计值数据特点,完全消除了残余直流偏置,同时在接收端利用导频序列估计信道噪声功率,根据路径信噪比选择出受噪声干扰大而能量贡献小的多径分量并将其置零,降低了信道噪声对估计精度的影响,改善了信道估计性能。     

注意力机制CNN的毫米波大规模MIMO系统信道估计算法

在室外光线追踪通信场景下,针对毫米波大规模多输入多输出(multiple input multiple output,MI-MO)信道具有稀疏特性、系统受噪声因素影响导致信道估计精度低的问题,提出一种基于图像去噪的注意力机制卷积神经网络信道估计方法.首先,设定参数产生模拟真实环境的数据集,将所产生的信道矩阵看作二维图像...     

OFDM水声通信中基于压缩传感的稀疏信道估计

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)水声通信中常规的最小均方（least square, LS）信道估计方法需要大量训练导频且得不到较高估计精度的问题,提出了一种基于压缩传感原理的OFDM稀疏水声信道估计方法。该方法首先以正交短时傅里叶基构成的训练波形为OFDM的导频来“感知”信道,然后利用压缩传感技术的稀疏重构算法来对信道进行重构。〖JP2〗基于实测水声信道的仿真结果表明,在相同估计精度前提下,基于压缩传感的信道估计方法较常规的LS算法所需训练导频数得到大幅度减小,传输效率得以提高,且对噪声的鲁棒性增强,较好地适应了双扩展稀疏水声信道,尤其适用于动平台OFDM水声通信系统。     

可重构智能面辅助的低精度量化大规模MIMO系统的信道估计

针对可重构智能面辅助的低精度量化的大规模多输入多输出(multiple input multiple output, MIMO)系统中信道估计问题进行了研究。该系统的信道估计难点在于可重构智能面由近无源反射天线构成, 没有基带信号处理能力。系统观测值通过低精度的模数转换器量化使信道估计问题变得更富挑战性。本文基于基站-可重构智能面-用户的级联信道推导出等效信道, 并证明在虚拟角域上，该有效信道是结构稀疏信号。提出了基于期望最大化的近邻学习广义近似消息传递算法，从低精度量化的观测值中恢复等效信道。仿真结果表明所提出算法比传统算法具有更好的性能表现。     

引入阈值和判决指导的DFT信道估计算法

针对传统的基于离散傅里叶变换（discrete Fourier transform, DFT）的信道估计算法中滤噪性能不够理想的问题,提出了一种在正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中引入阈值和判决指导的DFT信道估计算法,采用阈值法对噪声进行两次降噪处理。仿真结果表明,该算法在高信噪比和低信噪比下均可提高信道估计的性能,其归一化均方误差(normalized mean square error, NMSE)指标优于传统算法。     

软件接收机中基于数据处理的多径估计方法

当信噪比(signal-to-noise ratio, SNR）较低时基于数据处理的多径估计算法的估计性能显著降低。提出了基于Kalman滤波和Teager-Kaiser (TK）算子/最小二乘(least square, LS）相结合的多径估计算法,简称KTK/KLS算法。该算法通过Kalman滤波消除低SNR的高斯噪声对相关输出的影响,然后将滤波后的相关输出用于TK算子/LS估计直接信号时间延迟或多径参数。KTK/KLS算法有效解决了仅使用TK算子和LS算法进行参数估计时对噪声比较敏感的问题,保留了二者对多径比较敏感的优点。最后,通过仿真将KTK/KLS算法与其他高效的基于数据处理的多径估计算法进行比较,结果表明所提出算法的多径估计精度优于对比算法。     

大规模MIMO系统中分布式压缩感知LMMSE信道估计

大规模多输入多输出(multiple input multiple output, MIMO)系统中，信道估计算法复杂度随着基站侧天线数量的增加而急剧增加, 针对需要在信道估计算法复杂度与算法性能之间进行折中的问题，提出分布式压缩感知线性最小均方误差(distributed compressed sensing linear minimum mean square error, DCS-LMMSE)算法。该算法利用信道的空时共稀疏性, 首先根据先验支撑集信息将接收信号分为密集部分和稀疏部分, 然后分别采用不同的算法进行初始信道估计, 最后采用奇异值分解代替信道相关矩阵求逆进一步降低DCS-LMMSE算法复杂度。所提算法与传统线性最小均方误差算法相比明显地降低了计算复杂度。仿真结果表明, 所提算法与纯压缩感知稀疏信道估计算法相比具有更好的性能。     

空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output, MIMO)雷达算法性能下降, 甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure, DOD)和波达角(direction of arrival, DOA)估计问题, 分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性, 提出一种基于张量分析的角度估计算法。首先, 构造角度估计的协方差张量, 通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次，利用张量填充技术对无噪协方差矩阵进行恢复。然后，利用平行因子分解获得目标角度的方向矩阵。最后, 采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明, 所提算法对色噪声不敏感, 且无孔径损失。相比现有矩阵及张量分析算法, 所提算法具有更高的估计精度。     

一种鲁棒特征提取算法的设计和实现

提出了一种用于语音识别的鲁棒特征提取算法,这种算法基于最小方差无失真响应(MVDR)谱估计技术,它在Mel频率尺度上估计MVDR谱,并对得到的MVDR谱进行调制谱滤波,然后提取其倒谱系数作为特征参数。使用这种算法设计了一个抗噪孤立词语音识别系统,在汽车噪声,人群噪声和高斯白噪声三种噪声环境下,与传统算法按多种信噪比做了对比实验。实验结果表明该系统在这三种噪声环境下的识别率均得到了不同程度的提高。     

SC-FDE系统中基于UW的联合信道估计均衡算法

针对基于特殊字(unique word, UW)帧结构的单载波频域均衡(single carrier frequency domain equalization, SC-FDE)系统提出一种联合信道估计噪声预测最小均方误差-残留码间干扰消除(minimum mean square error-residual intersymbol interference cancellation, MMSE-RISIC)均衡算法。该算法包括噪声预测MMSE-RISIC均衡算法与基于UW的噪声消除时域信道估计算法, 并将频域均衡算法与信道估计算法相结合。最后,利用华北地区300 km的9径散射链路参数进行仿真, 结果表明基于UW的噪声消除时域信道估计算法较基于UW的时域信道估计算法总体性能有所提高, 当误码率为10^-2时信噪比大约有1.2 dB的性能增益; 联合信道估计噪声预测MMSE-RISIC均衡算法相比改进MMSE-RISIC均衡算法性能也有提高, 当误码率为10^-2时信噪比大约有3.2 dB的性能增益。     

基于改进3D-ESPRIT算法的GTD模型参数估计与目标识别

针对低信噪比条件下，传统的基于旋转不变技术的三维信号参数估计(three-dimensional estimating signal parameter via rotational invariance te chniques, 3D-ESPRIT)算法和平方前后向平滑的3D-ESPRIT(quadr atic-forward-backward 3D-ESPRIT, Q-FB-3D-ESPRIT)算法对几何绕射理论(geometric theory of diffraction, GTD)模型参数估计精度显著降低的问题，提出改进的极化Q-FB-3D-ESPRIT (polarized-Q-FB-3D-ESPRIT, PQ-FB-3D-ESPRIT)算法。改进算法与上述两种传统算法相比，增加了对目标极化信息的利用，有效延长了可利用电磁散射数据的长度。仿真结果表明，改进算法的参数估计精度要高于其他两种算法，且在低信噪比情况下尤为显著。此外，还对基于散射中心模型的雷达目标识别进行了研究，仿真结果进一步验证了所提算法的可行性。     

基于改进MUSIC算法的散射中心参数提取及RCS重构

随着隐身技术的发展，雷达目标的边缘绕射等逐渐取代镜面散射成为主要的散射源，因此基于几何绕射理论（geometric theory of diffraction，GTD）的散射中心模型对隐身目标电磁散射特性的描述要比衰减指数和模型更为精确。显然，准确估计出GTD散射中心参数对刻画目标散射特性犹为重要。针对经典多重信号分类（multiple signal classification，MUSIC）法仅利用目标原始回波数据、参数估计精度不高这一问题，提出一种改进的MUSIC算法对散射参数估计提取。改进的MUSIC算法通过对原始回波数据取共轭，构建新的总协方差矩阵，有效利用了目标原始回波数据的共轭信息。仿真结果表明，与经典MUSIC算法相比，改进的MUSIC算法参数估计精度更高，雷达散射截面重构拟合程度更好，且运算量增加不大，可有效提取出隐身目标的散射中心。     

Nakagami信道基于16APSK的加权信噪比估计算法

自适应编码调制(adaptive coded modulation, ACM)技术是一种提高无人机(unmanned aerial vehicle, UAV)数据链吞吐量性能的有效方法,信道估计的准确性是决定ACM系统性能的关键因素之一,直接影响UAV数据链的吞吐量性能。首先对Nakagami衰落信道进行分析建模,推导了信号经过衰落信道后的表示方法。其次对Nakagami衰落信道下基于多进制数字相位调制(multiple phase shift keying, MPSK)的信噪比(signal-to-noise ratio, SNR)估计算法进行推导和分析,仿真结果表明三阶矩(third order moments, M3)SNR估计算法比传统的二〖JP2〗阶矩四阶矩(second and fourth moments, M2M4)SNR估计算法具有更好的估计性能。最后,针对Nakagami衰落信道下的现有估计算法对非恒包络调制信号估计性能差的问题,提出了一种适用于非恒包络的16阶振幅移相键控(amplitude phase shift keying, APSK)信号的加权SNR估计算法,该算法利用接收信号的先验信息和信号的阶矩关系进行SNR估计,具有复杂度低,估计精度高等优势。理论分析与仿真结果表明:所提出的算法可以有效地对16APSK调制信号进行SNR估计,且相比于M2M4算法,利用M3信息进行信道估计的加权SNR估计算法具有更高的估计精度。     

基于平方根CKF的多传感器序贯式融合跟踪算法

为了提高非线性序贯式融合跟踪算法的精度,提出了基于平方根容积卡尔曼滤波器的多传感器序贯式融合跟踪算法。该算法使用三阶容积数值积分原则计算非线性过程的均值和方差,克服了扩展卡尔曼滤波器存在的滤波精度低及平方根无迹卡尔曼滤波器存在的参数复杂的缺点。同时,在滤波递归过程中以协方差平方根矩阵代替协方差矩阵,这样确保了滤波算法的数值稳定性,提高了跟踪的精度。最后用已知弹道系数的再入段弹道跟踪模型对所提算法的性能进行仿真测试。仿真结果表明,所提算法具有很好的跟踪性能,是一种有效的非线性序贯式融合跟踪算法。