一种新的基于LMS的自适应半盲多用户检测算法

深入研究了最小均方(least mean square,LMS)盲多用户检测,提出多载波码分多址(multicarrier CDMA,MC-CDMA)系统下一种基于子空间约束LMS的自适应半盲多用户检测算法.该算法设计了一种最小输出能量(minimum output energy,MOE)半盲检测器,给出一种子空间约束LMS算法自适应得到MOE检测器的权向量.为了降低计算复杂度,采用修正的紧缩近似投影子空间跟踪(projection approximation subspace tracking with deflation,PASTd)算法自适应跟踪信号子空间.通过利用小区内所有用户的扩频码有效地抑制了多址干扰,将权向量约束在信号子空间,降低了噪声子空间的影响,从而提高了收敛速度,改善了输出信号干噪比和误码率性能,仿真实验验证了该算法的有效性.     

基于子空间的MMSE群盲多用户检测算法

针对CDMA上行链路系统中,基站已知小区内用户的扩频码而对小区外用户扩频码未知的情况,提出一种基于子空间方法的最小均方误差(minimum mean square error,MMSE)群盲多用户检测算法。该算法利用所有已知的扩频码有效消除了多址干扰,采用改进的紧缩近似投影子空间(projection approximation subspacetracking with deflation,PASTd)跟踪算法实现信号子空间的自适应跟踪,提高了收敛速度。仿真结果表明,所提算法收敛速度快,输出信干噪比和误码率性能优于PASTd盲多用户检测,逼近奇异值分解(singular value decom-position,SVD)群盲多用户检测,并保持了较低的计算复杂度。     

基于子空间方法的自适应半盲多用户检测

提出MC-CDMA系统下一种基于子空间方法的自适应半盲多用户检测算法。该算法通过利用小区内所有用户的扩频码设计了一种基于MOE准则的半盲检测器。针对Chebyshev逼近算法受到来自噪声子空间分量的影响导致性能下降的问题,提出一种子空间约束Chebyshev逼近算法,并使用该算法自适应得到权向量。为了减少计算复杂度,采用修正的PASTd算法自适应跟踪信号子空间。仿真实验验证了该算法的有效性和可行性。     

MIMO系统中基于斜投影的盲空时多用户检测算法

针对多输入多输出(multiple input multiple output, MIMO)的码分多址(code division multiple access, CDMA)系统,提出了一种基于斜投影的盲空时多用户检测算法。该算法结合MIMO系统的空间分集技术与Alamouti空时分组码 (space time block coding, STBC)方案,自适应地跟踪干扰子空间和多天线信道,在此基础上对接收信号进行斜投影抑制多址干扰(multiple access interference, MAI),解决了传统的基于子空间的最小均方误差(minimum mean square error, MMSE)盲空时多用户检测算法收敛速度慢和强干扰的情况下稳态性能低的问题,提高了多用户检测的鲁棒性,且计算复杂度较低。仿真结果表明该算法的有效性。     

基于信号子空间的半盲多用户检测

将线性共轭的思想引入到基于子空间的半盲多用户检测,设计了基于子空间方法的线性共轭半盲多用户检测器,有效地改善了系统的输出信干比和误码率性能.PASTd 算法由于复杂度低而被广泛的应用于多用户检测,然而,PASTd算法跟踪到的信号子空间不正交,从而导致收敛速度极慢.针对这一问题,对PASTd算法进行了改进,提出一种修正的PASTd算法,并将其应用于线性共轭半盲多用户检测器,从而有效的提高了收敛速度,降低了计算复杂度.仿真实验验证了该算法的有效性和可行性.     

MC-CDMA系统中基于子空间的盲多用户检测器

采用码片速率采样建立了MC-CDMA系统的信号模型,研究了多径环境下基于子空间投影的MC-CDMA系统的盲多用户检测技术和迭代算法,并对多用户检测的输出采用最大比合并.仿真结果表明,检测器具有较强的抑制多址干扰和抗多径衰落的能力,并且能快速收敛.     

有色噪声环境下的跳频盲多用户检测算法

高阶累积量是抑制有色噪声的一个有效方法。通过分析跳频多址信号,提出了高斯有色噪声背景下的一种基于峭度的跳频盲多用户检测算法,它几乎不需要任何关于有色噪声的先验信息。仿真结果表明,该多用户检测算法收敛速度快,输出信干比较高。抗多址能力大大优于传统的子空间算法。     

基于自适应卡尔曼滤波盲多用户检测的新算法

研究在稳态的码分多址(code-divisionmultiple-access,CDMA)系统存在很强的抗多址干扰时,使多用户检测中的最优判决向量的估计保持较高的数值鲁棒性的算法。采用一种新的自适应卡尔曼滤波多用户检测算法估计CDMA系统多用户接收器的最优判决向量,高性能盲自适应多用户检测算法。通过仿真实验,可以看出,该算法收敛速度快、跟踪性能好、数值稳定性好。仿真实验表明,提出的方法能够有效抑制阵发性多用户干扰,具有很强的抗多址(multipleaccessinterference,MAI)干扰能力和较高的数值鲁棒性。     

改进的基于子空间跟踪的盲多用户检测算法

针对OPAST算法中由于迭代运算产生的累积误差易造成算法发散的问题,提出一种改进的子空间盲多用户检测算法。该方法在每次迭代过程中引入对偶Gram-Schmidt正交化来降低累积误差,从而保证算法具有更好的稳定性。仿真结果表明,所提算法在保持较低计算复杂度的前提下,具有收敛速度快、跟踪和稳态效果好的特点。     

超宽带系统中的迭代多用户检测算法

针对超宽带通信系统的多用户检测问题,将Turbo理论中的迭代思想应用于跳时超宽带多址通信系统的多用户检测中,提出了一种基于Turbo码的多用户检测与跳时超宽带多址系统相结合的联合应用方案———迭代多用户检测器,并推导出了一种基于软干扰消除和最小均方误差(MMSE)滤波的低复杂度迭代多用户检测算法,仿真结果证明,在室内超宽带信道条件下,使用该算法的这种接收结构的性能显著优于传统接收机,经过几次迭代后多址干扰被有效地抑制,系统性能明显提高。     

基于凸联合的Krylov子空间自适应LMS算法

提出了一种基于凸联合的Krylov子空间自适应最小均方（least mean square, LMS）算法。首先采用Krylov子空间变换将未知系统的冲击响应转换为Krylov子空间下的稀疏结构,利用其稀疏特性,将一种改进的比例归一化LMS（improved proportionate normalized LMS, IPNLMS）算法和一种变阶数归一化LMS（variable tap length normalized LMS, VTNLMS）算法进行凸联合,最后通过Krylov子空间反变换得到未知系统冲击响应。仿真结果验证了所提出的凸联合自适应LMS算法具有更快的收敛速度和更小的稳态误差。     

噪声鲁棒变步长LMS算法及其在OFDM水声信道均衡中的应用

针对最小均方(least mean square, LMS)算法在低信噪比(signal to noise ratio, SNR)条件下性能较差的问题,提出一种噪声鲁棒变步长LMS(noise robust variable step-size LMS, NRVSLMS)算法。该算法通过结合改进的双sigmoid函数和误差信号自相关函数,在迭代过程中动态调整步长的大小,解决了传统LMS算法中收敛速度、跟踪性能和稳态性能互相矛盾的问题。理论分析和仿真结果表明,与其他变步长算法相比, NRVSLMS算法抗噪声能力强,具有良好的跟踪速度和稳态性能。将该算法应用于正交频分复用(orthogonal frequency division multiplexing, OFDM)水声信道均衡中,与现有LMS类自适应均衡方法相比,基于NRVSLMS算法的信道均衡方法能够显著降低系统误码率(bit error rate, BER)和均方误差(mean square error, MSE)。     

一种自适应ESPRIT算法

运用特征子空间方法的关键在于信号或噪声子空间的估计.实际上有些信号的统计特性通常随时间变化,为得到参数的实时估计值,需要随时根据新的阵列接收数据对信号或噪声子空间进行更新.首先建立了用于信号到达主向(DOA)估计的SVD-ESPRIT算法,然后利用受限摄动分析提出了一种子空间跟踪算法.将该跟踪算法与SVD-ESFRIT算法相结合,得到的自适应ESPRIT算法可用于对时变的信号DOA进行跟踪估计.仿真计算结果验证了该算法的有效性.     

双基地MIMO雷达多目标高精度跟踪算法

针对双基地多输入多输出(multiple input multiple-output,MIMO)雷达自适应非对称联合对角化(adaptive-asymmetric joint diagonalization,AAJD)跟踪算法在低信噪比时失效的问题,提出一种双基地MIMO雷达高精度跟踪算法。首先,针对低信噪比时AAJD算法信号子空间扩展问题,利用主成分顺序估计原理求出特征值,根据特征值的大小对导向矢量进行排序,得到更加精确的信号子空间。其次,根据跟踪状态的不同,将多目标分类(multiple signal classification,MUSIC)算法分为两步:第一步全空域大步长扫描,对应跟踪非稳定状态;第二步小空域小步长扫描,对应跟踪稳定状态,空域范围由上一时刻估计角度和运动速度确定,并将峰值搜索过程变为取最大值操作,降低了计算量。算法解决了低信噪比时信号子空间扩展问题,提高了跟踪性能,且采用了性能更高的MUSIC算法,并对其进行改进,降低了计算量。仿真结果证明了算法的有效性。