Hybrid pilots assisted channel estimation algorithm for MIMO-OFDM systems

Abstract: A hybrid pilots assisted channel estimation algorithm for multiple input multiple output (MIMO) orthogonal frequency division multiplexing (OFDM) systems under low signal-to-noise ratio (SNR) and arbitrary Doppler spread scenarios is proposed. Motivated by the dissatisfactory performance of the optimal pilots (OPs) designed under static channels over multiple OFDM symbols imposed by fast fading channels, the proposed scheme first assumes that the virtual pilot tones superimposed at data locations over specific subcarriers are transmitted from all antennas, then the virtual received pilot signals at the corresponding locations can be obtained by making full use of the time and frequency domain correlations of the frequency responses of the time varying dispersive fading channels and the received signals at pilot subcarriers, finally the channel parameters are derived from the combination of the real and virtual received pilot signals over one OFDM symbol based on least square (LS) criterion. Simulation results illustrate that the proposed method is insensitive to Doppler spread and can effectively ameliorate the mean square error (MSE) floor inherent to the previous method, meanwhile its performance outmatches that of OPs at low SNR region under static channels.     

基于RSAMP算法的OFDM稀疏信道估计

为了提高稀疏度自适应贪婪迭代(sparsity adaptive greedy iterative, SAGI)算法的重构性能, 缩短重构时间, 提出了一种基于有限等距性质(restricted isometry property, RIP)的稀疏度预测自适应匹配追踪(RIP based prediction-sparsity adaptive matching pursuit, RSAMP)算法, 并成功将其应用于正交频分复用(orthogonal frequency division multiplexing, OFDM)系统信道估计。首先, 提出一种基于RIP的稀疏度预测方法, 可以在稀疏度未知的情况下快速精确地逼近真实稀疏度, 大大缩短了算法的运行时间。其次, 利用主成分分析法对观测矩阵采取了优化处理, 提高了算法的重构性能。仿真实验显示, 相较于SAMP、SAGI算法, 本文提出的RSAMP算法可以获取更好的估计性能和更短的运行时间。     

基于负熵最大化的压缩感知信道估计算法

讨论了在5G时代随着移动终端和网络流量的增长、大规模机器类型通信的产生以及天基卫星网络与地面蜂窝主干网络的结合, 使得移动无线通信的频谱使用范围更宽, 导致信道具有更为明显的稀疏性, 从而得以利用无线信道的稀疏性引入压缩感知技术来进行无线通信系统的信道估计。通过负熵最大化算法与l_p正则化改进现有的压缩感知信道估计算法, 将传统的最小化误差函数均方误差替代为最大化目标函数的负熵以适应信道非高斯噪声, 同时稀疏约束采用更为精确的l_p正则化以加强信道估计算法的稀疏表示。研究表明, 该算法不仅可以提高信道估计精度, 增强抗噪声鲁棒性; 另一方面可以利用更少的导频实现更高精度的信道估计, 具备提高系统频谱利用率的作用。     

利用时域相关的MIMO-OFDM信道估计算法

提出了一种适用于多入多出正交频分复用(MIMO-OFDM)系统的信道估计算法,详细说明了导频符号的特殊设计算法以及信道估计算法的原理,并对该算法的均方误差性能以及复杂度进行分析;该算法能够在信道多径时延信息准确已知或不准确时带来良好的估计精度,从而保证系统性能。将该算法应用于超三代-时分双工(B3G-TDD)系统中并在室外和室内环境下仿真,均方误差和系统误码率性能结果说明了该算法的有效性;该算法能够大大增强系统的鲁棒性。     

联合低秩及稀疏结构特性的毫米波通信下行信道估计

毫米波通信的信道估计给系统带来较大负荷。为降低系统开销,联合无线信道低秩和稀疏特征,提出一种基于非凸低秩逼近的信道估计算法框架。针对基于信道建模的字典学习方法运算量大的问题,设计了基于深度神经网络信道特征分类的字典学习算法。仿真表明:在特定城市微蜂窝信道模型下,该方法的均方误差性能均优于基于信道模型的字典学习方法、贝叶斯框架下的信道估计方法以及基于压缩感知信道估计方法;获取相同归一化均方误差时本文算法所需的信噪比最低;所需导频数量低于上述3种方法。     

MIMO-OFDM/OQAM系统中基于导频的时域信道估计方法

针对基于交错正交幅度调制的多输入多输出正交频分复用(multiple input multiple output orthogonal frequency division multiplexing with offset quadrature amplitude modulation,MIMO-OFDM/OQAM)系统的信道估计问题,构造了基于导频的时域信道估计模型,利用导频符号估计信道的时域脉冲响应。与传统的频域信道估计方法相比,这种方法需要的导频数量较少,并且在存在严重频率选择性衰落的信道条件下也有较好的估计性能,理论分析和仿真结果表明了算法的有效性。     

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。     

OFDM系统中一种基于训练引导的判决反馈均衡技术

针对OFDM系统,提出了一种基于训练引导的判决反馈均衡算法.算法中的信道估计以基于长训练序列的初始估计为基础,结合判决过程中所反映出的信道变化情况而综合得到.并将当前信道的预测值反馈回去,用以对接收的下一个数据符号进行均衡.通过仿真,测试了算法的误符号性能,并与常规的单一训练序列算法和基于导频的线性插值算法进行了比较.仿真结果表明,该算法可以很好的抵抗多径时延扩展和多普勒频移对接收信号的影响,均衡后的误符号性能较单一训练序列算法有3～4dB的性能改善,并能在最大多普勒频移高达275Hz范围内的高速移动环境下对信道衰落实施有效的估计和均衡.     

一种基于导频的OFDM系统信道估计方法

提出一种使用矩形导频图案的OFDM信道估计方法。接收端首先在频率方向估计信道,然后在时间方向插值。该方法仅需累加和少量乘法运算就能估计出信道冲激响应,复杂度低,实时性高。在未编码16QAM-OFDM系统中,通过仿真将提出的方法与线性、cubic和MMSE插值法进行均方误差和误比特率的比较。结果表明该方法性能优于前两者,接近后者。     

OFDM协作网络中基于组合叠加导频的信道估计技术

针对三节点放大转发(amplify-and-forward, AF)的正交频分复用(orthogonal frequency division multiplexing, OFDM)协作中继网络,为了高效获取级联和单跳链路信道状态信息(channel state information, CSI),本文提出基于组合叠加导频的信道估计方案。新方案在源节点和中继节点分别将不同的导频叠加到发送数据上,目的节点利用源导频和中继导频分别完成级联(S→R→D)信道和单跳(R→D)信道的估计。为了消除叠加导频方案中信息符号对于各链路信道估计造成的严重干扰,源导频设计采用发端预处理的数据置零叠加导频(data nulling superimposed pilots, DNSP)方式,并提出了基于协作干扰消除(cooperative interference cancelation, CIC)的中继导频设计方案,新方案一方面借助直达(S→D)链路检测符号来消除中继数据对R→D信道估计的影响,另一方面利用迭代重构来弥补源节点数据失真和提高检测性能。仿真结果表明,新方案在避免训练导频占用带宽开销的同时能获得与传统频分复用(frequency division multiplexing, FDM)导频相近的性能。     

基于压缩传感的MIMO-OFDM水声通信信道估计算法

充分利用水声信道的稀疏特征,提出一种基于压缩传感理论的多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing, MIMO-OFDM)水声通信系统信道估计算法。在MIMO-OFDM水声通信系统模型的基础上,考虑Doppler频移的影响设计符合压缩传感理论框架的过完备字典,利用一系列非正交基在过完备字典下描述待重建信号。通过对比分析基追踪降噪、丹茨格选择器以及正交匹配跟踪3种算法的信道估计性能,进一步证明了算法的有效性。仿真实验结果表明,基于压缩传感的稀疏信道估计算法具有优于传统最小二乘算法的信道估计精度,并且在最小二乘矩阵求逆奇异的情况下仍能准确地估计出信道参数;在计及Doppler频移的影响时,直接压缩传感估计优于补偿后的压缩传感估计方法。     

基于RLS的联合同步和信道估计算法

针对采用跳频正交频分复用(frequency hopping orthogonal frequency division multiplexing, FH-OFDM)系统进行战时通信时存在的高误码率(bit error rate, BER)问题,对定时偏差(timing offset, TO)、载波频率偏差（carrier frequency offset, CFO）和采样率偏差(sampling frequency offset, SFO)进行综合考虑,提出一种导频辅助的联合同步和信道估计算法。在时域中分别对TO和子载波干扰项进行预先补偿。使用线性误差函数来配合递归最小二乘法对信道冲激响应、CFO和SFO进行估计。采用改进的极大似然算法对迭代参数的初始值进行估计,提高了估计的准确度。分析并给出FH OFDW系统频谱效率的权衡标准。仿真结果表明,该系统工作在1 000 hop/s时,该算法的估计均方差和BER均优于传统的算法。     

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。     

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。     

基于变分推理的Turbo频域均衡与信道估计

针对时变频率选择性信道下的单载波编码传输系统,提出了基于变分推理的低复杂度Turbo频域均衡与信道估计联合迭代算法。所设计的软输入软输出检测器和子块间干扰抵消器能统一处理信道估计误差的影响。通过分析接收信号因子图,提出了算法实现的双迭代结构,内迭代完成联合频域均衡与软信道估计,外迭代进行软干扰抵消和解码。仿真结果表明,所提出算法的误码率性能和对叠加训练信号强度的稳健性均优于具有相似复杂度的期望最大化方案。     

可重构智能表面通信系统的渐进信道估计方法

针对现有可重构智能表面(reconfigurable intelligent surface,RIS)的信道估计方法中反射系数为随机配置而导致接收端信噪比较低的问题,提出一种配置特定反射系数的渐进式信道估计方法.该方法利用非完整信道状态信息(channel state information,CSI)计算出当前时刻下的...     

基于导频符号的MIMO-OFDM系统多频偏估计算法

提出了一种基于导频符号的多输入多输出正交频分复用(MIMO-OFDM)系统多频偏估计算法.该算法设计了导频符号,并利用设计的导频符号在频域实现多频偏估计.理论分析证明了提出算法适用于低信噪比条件,并推导出了该多频偏估计算法理论上的估计精度.仿真结果验证了提出的算法在低信噪比无线多径信道条件下能够准确估计出各天线间的多个载波频偏.     

LDPC编码的MIMO-OFDM系统中的联合半盲均衡与解码研究

在低密度奇偶校验编码的多输入多输出正交频分复用系统中,针对接收信号存在多天线干扰、多径衰落和加性噪声的问题,提出了不同调制方式下基于线性规划(linear programming, LP)的联合半盲均衡与解码算法。当系统采用高阶正交幅度调制时,提出了新的约束条件,保证了联合解码的正确性。同时利用导频符号对系统子信道进行估计,根据估计出的信道信息,分别给出了传统的Turbo接收机和基于LP的联合检测与解码的仿真结果。实验结果表明,在导频符号数量较少时,现有的基于信道估计信息的检测算法会出现错误地板,而所提的算法则取得了较优的误码性能。     

高移动性Jakes信道的学习与估计

在高移动场景下, 信道具有快速时变性和非平稳特性, 对信道的准确估计提出了新的挑战。针对高移动性Jakes信道, 提出一种基于图像重建和恢复原理的信道学习估计网络。首先，根据Jakes信道矩阵中局部相关特性, 构建快速超分辨卷积神经网络提取信道特征, 并对信道插值完成信道图像建模。然后, 利用去噪神经网络降低信道噪音的影响, 进一步提高估计精度。最后，通过时域和频域的仿真测试, 所提方案估计性能优于传统算法。在与现有基于深度学习最新方法比较中, 所提方案也有性能优势, 并且收敛速度更快。     

ZP-OFDM的简单数据处理和信道估计算法

为简化接收端信道估计和数据检测的复杂度,对使用零保护间隔(zero padding,ZP)的正交频分复用(orthogonal frequency division modulation,OFDM)系统提出一种简单的数据处理和信道估计算法。利用插入ZP的特殊结构,经过时域简单处理,将信道矩阵变为循环矩阵,再对时域接收数据进行傅里叶变换,得到频域接收和发送数据一一对应的关系,可以和使用循环前缀(cyclic prefix,CP)的OFDM一样进行频域插入导频、频域信道估计和频域一阶均衡。仿真结果表明,使用ZP的OFDM系统节省了发送功率,在慢时变信道情况下具有和CP-OFDM相比拟的性能。