一种基于叠加弱能量训练序列的OFDM时间同步算法

针对正交频分复用(orthogonal frequency division multiplexing,OFDM)系统对定时误差敏感,从叠加训练序列结构出发,提出了一种弱能量训练序列.该训练序列只叠加在循环前缀上,且比普通的重复结构训练序列能量要低,能降低由于叠加训练序列对系统误码率的影响,还能利用训练序列的结构特点降低相关峰值旁瓣对同步判决的影响,提高了时间同步的准确率.在低信噪比时采用该训练序列结构,同步准确率高于采用普通重复结构训练序列的同步方法,最后通过计算机仿真验证了该方法的有效性.     

基于叠加训练序列的FSO-OFDM系统时间同步算法

提出了一种可适用于自由空间光通信的非对称限幅正交频分复用系统的时间同步方法,通过在时域上叠加伪随机序列,将训练序列与用户数据同时发送,在接收端使用本地产生的序列与接收信号进行互相关运算获得同步信号.叠加训练序列仅将训练序列叠加在部分用户数据之上,改善了传统插入训练序列算法会降低频谱利用率和信息传输效率的特性.仿真结果表明,相较于传统的插入训练序列同步方法,提出的基于叠加训练序列的时间同步方法在大气湍流环境中同步正确率更高,同步性能更好,而且提高了频谱利用率及信息传输效率.     

基于m序列的OFDM二阶时频同步算法

针对SC方法的定时平台和Minn方法出现多个峰值的不足,设计了一种基于m序列具有四重重复反对称的结构。提出一种基于本训练序列的OFDM二阶时频同步算法:粗同步和精同步。在粗同步时,利用训练序列的特殊结构,采用延时相关确定粗同步的定时位置,在此位置的前后小范围内利用m序列及其循环移位序列与接收数据进行差分相关算法,完成精同步定时。继而利用训练序列的延时相关求得小数频偏估计。仿真结果显示,在多径衰落信道下,与已有算法比较,所提出的二阶算法定时准确,频偏估计性能良好,尤其在信噪比较低时采用该算法能实现更准确的同步。     

基于能量检测的脉冲超宽带无数据辅助同步算法

针对无数据辅助下的脉冲超宽带同步问题,构建了一种基于能量检测算法的同步方案。首先,设计了基于两路并行能量检测结构的同步接收机,在没有训练序列辅助同步条件下实现多径信道下的同步检测。在此基础上,提出了一种能量检测接收机的噪声抑制方法,通过在判决同步点之前对积分结果进行累积处理,提高了系统性能,有效降低了噪声影响;通过推导算法的同步性能和在IEEE802.15.3a信道模型下的仿真,证明了该同步方法可以有效地降低虚警和漏检概率。     

基于叠加训练序列的稀疏信道估计

对于稀疏多径衰落信道,提出了一种叠加训练序列和匹配跟踪算法相结合的信道估计方法.为了提高系统带宽效率,采用迭代的叠加训练估计信道响应,该方法将一低功率周期性的训练序列直接叠加于信息序列,利用接收数据的均值求得信道响应,不需要任何额外带宽资源.在许多无线通信环境中,信道呈现稀疏特性,利用该稀疏特性,采用匹配跟踪算法估计信道响应中的非0点,以此可以降低加性高斯白噪声引起的性能损失.通过计算机仿真表明,本文的方法可以达到很好信道估计性能.     

一种用于OFDM系统的高性能频偏估计方法

提出一种应用于高速移动环境下系统频偏估计的方法,使用相关性能优异的Zadoff-Chu序列作为训练序列,将其在一个符号周期内重复4次,利用这种帧结构进行两次频偏估计,实现系统的频率粗、精同步.该方法不仅具有频偏估计范围大和估计精度高的双重优点,而且所有频偏估计过程均在FFT之前完成,加快了系统同步的时间,降低了系统同步复杂度.AWGN信道和Rayleigh衰落信道下的仿真结果验证了新算法的有效性.     

OFDM定时同步算法

为快速准确地对OFDM系统进行定时同步,对CAZAC序列进行研究,设计了一种包括3个OFDM符号的训练序列帧结构,采用接收到的序列和本地序列相关的方法进行粗略定时和精定时,提出并仿真了一种OFDM定时同步新算法,该算法在低信噪比下,多径衰落信道中能取得良好的效果.     

基于DDST的MIMO时频双选信道的信道估计

针对多输入多输出时频双选择性信道,提出了一种基于信息叠加训练序列和最小二乘相结合的信道估计方法.基于基扩展模型构建MIMO时频双衰落系统,采用DDST算法估计信道矩阵,对误码率进行分析.训练序列采用等幅度的周期指数序列,同时在基于叠加训练序列估计的基础上叠加一个基于信息的周期序列.实验表明,基于DDST的MIMO时频双选信道估计方法比传统的估计方法显著降低了信道估计的均方误差和误码率,并能保持较高的频带利用率.     

改进的OFDM系统下行链路符号定时同步算法

目的解决传统的正交频分复用(OFDM)系统符号定时同步算法抗多径衰落性能不足的问题。方法首先利用已知的前导序列和前导的倒序列作为训练序列,然后将输入序列、训练序列和倒训练序列进行乘积形成新的序列,最后将输入序列与此新的序列进行互相关运算。结果该方法在高斯信道和多径信道下都具有较好的定时同步性能。结论该方法有效地提高了定时精度,降低了对多普勒频移的敏感程度。     

基于软迭代的叠加训练序列信道估计方法

提出了一种基于软迭代的叠加训练序列信道估计方法.该方法将周期性训练序列与用户信息序列叠加后一起发送,通过软迭代方法,在接收端利用信道译码器输出的软信息来计算信息序列的一阶统计量,并将其反馈给信道估计器,用于消除观测量中来自未知信息的干扰,因此提高了信道的利用率和信道参数的估计精度.仿真结果表明,该方法有效地改善了信道估计性能,降低了接收机的误码率,提高了功率效率.     

叠加训练序列OFDM系统的迭代最大似然信道估计

叠加训练序列正交频分复用系统具有频谱效率高的优点.传统的基于叠加训练序列的信道估计方法仅使用一阶统计量,受功率分配和噪声影响较大.文中利用训练序列与数据信号相加后发送并经历相同信道的特性,提出一种最大似然方法进行系统的信道估计.该方法将发送的数据信号视为高斯随机变量,由此建立关于信道参数的似然表达式,采用循环最小化技术对参数进行迭代求解并获得方差下界,最后对算法的收敛性进行了分析.仿真实验表明,文中方法同时利用了接收信号的一阶与二阶统计量,从而获得了更优的均方误差和误符号率性能.     

基于隐含导频的长距离IM/DD DFT-S-OFDM无源光网络的实验系统研究

基于隐含导频、超奈奎斯特镜像混叠和直接检测,首次在IM/DD光通信系统中使用基于隐含导频(ST)的信道估计和均衡方式,通过实验实现了速率为20 Gb/s的正交相移键控(QPSK)离散傅里叶变换扩展正交频分复用(DFT-S-OFDM)信号传输83.2 km的光通信系统.使用隐含导频信道估计(ST-CE)方法来均衡信道的线性损伤,关键是把隐含导频(ST)算术叠加在数据信号上,而不占用单独的时隙.通过对接收到的信号进行1阶统计分析估计出精确的信道.为了增加传输距离,根据超奈奎斯特镜像混叠的方法增加接收机带宽来补偿色散引起的功率衰落.结果显示,在长距离强度调制/直接检测(IM/DD)DFT-S-OFDM无源光网络(PON)系统中,采用ST-CE能得到更高的频谱效率,且其信道估计性能与TA-CE相当.该方法节省了带宽,提高了频谱利用率.     

基于极点对称模态分解-分散熵和改进乌鸦搜索算法-核极限学习机的短期负荷区间预测

针对确定性负荷点预测存在不同程度误差及难以反映电力需求不确定性的问题,提出一种基于极点对称模态分解(extreme-point symmetric mode decomposition, ESMD)-分散熵(dispersion entropy, DE)和改进乌鸦搜索算法(improved crow search algorithm, ICSA)优化核极限学习机的短期负荷区间预测模型。首先用ESMD将原始负荷时间序列分解为多个特征互异的子序列,降低了原始非平稳负荷序列对预测结果的影响,并计算各子序列的分散熵,将熵值相近的子序列重组为新序列以降低计算规模;其次,基于上下限估计法,利用ICSA算法对核极限学习机(kernel extreme learning machine, KELM)输出权值进行优化,得到最优预测区间上下限,并以此分别对各新序列进行区间预测;最后将预测结果叠加得到最终的预测区间。仿真结果表明,所提模型有效提高了负荷预测区间的质量,为电力系统决策工作提供有力支持。     

前馈神经网络复值盲均衡算法的研究

提出了一种新的前馈神经网络(N-FNN)复值盲均衡算法。新算法改变了传统均衡技术大量发送训练序列而降低系统传输的有效信息率,有效地消除码间干扰,提高了通信质量。笔者设计出新的传递函数和代价函数,利用最陡梯度下降法推导出输出层和隐层单元权值的迭代公式。通过对QAM信号进行计算机仿真,笔者提出的新算法与同类算法相比,具有均方误差收敛速度加快、误码率降低、稳态剩余误差减小等优点     

基于天牛须搜索算法的短期风电功率组合预测

为了提高风电功率预测精度,提出了一种完全集成经验模态分解(complete ensemble empirical mode decomposition adaptive noise,CEEMDAN)、极限学习机(extreme learning machine,ELM)和改进天牛须搜索算法(improved beetl...