基于波达方向矩阵的MIMO-OFDM系统载频偏移估计

MIMO-OFDM系统中设置虚拟子载波后,时域接收符号向量与经频域信道系数加权的频域发射符号向量之间通过一个范德蒙矩阵相互联系,且该矩阵的列向量的结构决定于载频偏移量。基于此,提出了一种采用波达矩阵方法、利用范德蒙矩阵的移不变结构完成载频偏移估计的闭式频偏估计方法。该方法综合地利用了多收发天线的空域分集效应,降低了信道零点对频偏估计性能的影响,有效地提高了估计的均方误差性能。仿真结果验证了不同天线配置情况下所提出算法的性能。     

基于LSTBC-OFDM系统的信道估计简化算法

针对MIMO-OFDM通信系统中基于导频的常规信道估计算法存在矩阵求逆过程,使算法计算量过大的现象,提出了一种基于最小二乘(LS)的信道估计简化算法。该算法利用分层结构的空时分组编码技术(LSTBC)和优化设计的导频符号,避免了LS算法的矩阵求逆过程,大大降低LS算法的复杂度和运算量。仿真结果表明,该方法在运算复杂度显著降低的情况下,仍可取得和原算法同样的性能结果。     

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.     

基于RLS-SVM的OFDM信道估计算法

为了提高OFDM系统的传输效率,提出了一种新的信道估计算法.通过改变导频模式,在一个OFDM符号的前若干子载波处插入导频,并在导频处进行信道估计,在此基础之上,采用递归最小二乘支持向量机(RLS-SVM)测后续子载波处的信道频率响应.仿真结果表明,在违反采样定律的情况下,与传统的信道估计算法相比,基于RLS-SVM的信道估计算法获得了较好的性能,在同样的传输速率下,减少了导频个数,提高了系统的传输效率.     

OFDM系统中相位噪声的自适应补偿技术及性能仿真

相位噪声对正交频分复用OFDM系统的性能有着关键性影响,其产生的通用相角错误CPE会使信道失真系数逐符号旋转,因而必须采用逐符号更新信道估计值的方法。提出了一种基于判决反馈的低通滤波算法来克服CPE所产生的信道旋转并提高信道估计的性能。该方法可通过导频子载波估计CPE所产生的信道旋转,并将解调后子载波的判决值通过低通滤波的方式降低信道估计的方差。文中采用了归纳法对该算法进行了理论分析,分析结果和仿真均证明了该算法的有效性,以及在计算量,收敛性方面的优势。     

基于子空间的MIMO OFDM盲载波同步方法

针对MIMO OFDM系统,分析了多径信道与频域信号Hadamard积子空间的特点,构造了适合多天线条件下的基于子空间投影的频偏估计代价函数.该代价函数只和归一化频偏与接收数据有关,不需要信道信息和发送数据信息,因此是一种能有效提高数据传输效率的盲频偏估计方法.与已有盲同步方法相比,所提方法不需要使用虚子载波,因而频谱利用率可得到进一步提高.文中对算法的性能进行了仿真,验证了算法可对一个子载波间隔内的归一化频偏进行精确估计.结果表明,该方法性能优于已有文献提出的MIMO OFDM盲载波同步方法.     

一种适用于车速无线信道的OFDM联合同步算法

提出了一种改进的适用于车速无线信道的OFDM联合同步算法。该算法首先利用一组特殊的时域正交PN序列进行联合定时同步和大频偏估计,并从理论上分析了大频偏估计之后的残留频偏范围;之后使用多个重复的短训练符号完成残留频偏估计。理论分析和仿真结果表明,改进的算法不但能解决无线信道下第一径不是最强径时的定时同步问题,而且在可能出现多个等功率路径的车速无线信道下具有更高的频偏捕获概率和更好的频偏估计性能。     

基于双层符号常数模的多径水声信道盲均衡算法

针对常数模算法(CMA)及符号常数模算法(SCMA)迭代中的大量乘法运算会产生延时的不足，提出了双层符号常数模算法(DSCMA)。该算法采用逐级取符号的办法，将迭代过程中的大量乘法运算转化为比较运算，大大减少了计算量。而基于双层符号常数模的多径水声信道盲均衡器，具有收敛速度快，超量均方误差和计算复杂度小等特点。用负声速梯度信道及深海信道对该盲均衡器性能进行的仿真研究表明：该盲均衡器对多径干扰有良好的抑制作用，对水下数据通信有很强的实用价值。     

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。     

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。     

分布式MIMO系统中基于矩阵分割的检测算法

针对分布式多输入多输出(multiple input multiple output, MIMO)系统中由于收发天线在地域上的离散分布所引起的异步接收问题,提出了一种基于矩阵分割的串行检测算法。该算法先从等效信道矩阵中划分出较小的矩阵,然后在此矩阵内进行检测。检测出的结果,部分用于干扰消除,部分用于和之后的检测结果合并。最后,从干扰消除后的信道矩阵中再划分矩阵,重复检测步骤,直至所有信号被检测出。在瑞利衰落信道下的计算机仿真表明,该算法与已有的分布式天线下的排序干扰对消(distributed antenna ordering successive interference cancellation, DA-OSIC)检测算法相比,可支持信号的连续发送,且随着发送序列的增长,算法性能逐步逼近DA-OSIC算法,并具有较低的计算复杂度。     

Fast DOA estimation algorithm for MIMO sonar based on ant colony optimization

The maximum likelihood (ML) estimator demonstrates remarkable performance in direction of arrival (DOA) estimation for the multiple input multiple output (MIMO) sonar.However,this advantage comes with prohibitive computational complexity.In order to solve this problem,an ant colony optimization (ACO) is incorporated into the MIMO ML DOA estimator.Based on the ACO,a novel MIMO ML DOA estimator named the MIMO ACO ML (ML DOA estimator based on ACO for MIMO sonar) with even lower computational complexity is proposed.By extending the pheromone remaining process to the pheromone Gaussian kernel probability distribution function in the continuous space,the proposed algorithm achieves the global optimum value of the MIMO ML DOA estimator.Simulations and experimental results show that the computational cost of MIMO ACO ML is only 1/6 of the MIMO ML algorithm,while maintaining similar performance with the MIMO ML method.     

米波MIMO雷达波束空间精确最大似然算法

针对阵元空间多输入多输出(multiple input multiple output, MIMO)雷达低仰角估计方法运算量和数据传输量太大的问题, 提出了基于波束空间的MIMO雷达精确最大似然(refined maximum likelihood, RML)算法。该算法将阵元空间的数据转换到波束空间, 实现降维处理, 再利用最大似然的思想对波束空间的数据进行测角。计算机仿真结果表明, 相比于基于阵元空间的MIMO雷达RML算法, 所提算法有着良好的测角性能, 并大大降低了算法运算时间。同时, 通过计算机仿真分析了信噪比、仰角、波束指向与目标仰角之间的偏差、阵元数、反射系数误差和天线中心高度等因素对所提算法测角性能的影响。     

基于FRFT的单基地MIMO雷达稳健波束形成算法

以单基地多输入多输出(multiple input multiple output, MIMO)雷达系统为研究对象, 针对线性调频(linear frequency modulation, LFM)形式的正交频分复用(orthogonal frequency division multiplexing, OFDM)信号, 提出了一种新的稳健自适应波束形成算法。所提算法首先利用LFM信号的特性, 对匹配滤波后的雷达回波信号进行分数阶傅里叶变换(fractional Fourier transform, FRFT), 经化简得到峰值点作为阵列的观测值。而后, 利用观测值构建接收信号的协方差矩阵, 并使用Capon谱估计方法重构干扰加噪声数据协方差矩阵。最后, 通过求解优化问题估计实际导向矢量, 从而得到阵列的最优权值。通过计算机仿真实验, 验证了所提算法的有效性。     

Improved H-infinity channel estimator based on EM for MIMO-OFDM systems

H-infinity estimator is generally implemented in timevariant state-space models,but it leads to high complexity when the model is used for multiple input multiple output with orthogonal frequency division multiplexing (MIMO-OFDM) systems.Thus,an H-infinity estimator over time-invariant system models is proposed,which modifies the Krein space accordingly.In order to avoid the large matrix inversion and multiplication required in each OFDM symbol from different transmit antennas,expectation maximization (EM) is developed to reduce the high computational load.Joint estimation over multiple OFDM symbols is used to resist the high pilot overhead generated by the increasing number of transmit antennas.Finally,the performance of the proposed estimator is enhanced via an angle-domain process.Through performance analysis and simulation experiments,it is indicated that the proposed algorithm has a better mean square error (MSE) and bit error rate (BER) performance than the optimal least square (LS) estimator.Joint estimation over multiple OFDM symbols can not only reduce the pilot overhead but also promote the channel performance.What is more,an obvious improvement can be obtained by using the angle-domain filter.     

基于权矩阵低秩逼近的MIMO OTHR多模SDC抑制算法

扩展多普勒杂波是天波超视距雷达(over the horizon radar,OTHR)慢速舰船目标检测面临的关键问题。在新一代多输入多输出天波超视距雷达系统下,基于最小方差无失真响应(minimum variance distortionless response,MVDR)权矢量,提出一种权矩阵低秩逼近的多模扩展多普勒杂波抑制算法。利用阻塞矩阵进行数据预处理,并利用“发射〖CD*2〗接收”二维权矩阵的特征分解对双迭代MVDR算法进行了多级扩展,在减小了计算量和样本需求的基础上,进一步改善俯仰空域滤波的输出信杂噪比,提升OTHR对低可探测慢速舰船目标的检测性能。理论分析和仿真验证了算法的有效性。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

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...     

时变转移概率IMM-SRCKF机动目标跟踪算法

给出了一种交互多模型(interacting multiple model,IMM)算法中Markov转移概率矩阵在线修正的方法,并将平方根容积卡尔曼滤波器(square-root cubature Kalman filter,SRCKF)引入到IMM算法中,提出一种时变转移概率的机动目标跟踪IMM-SRCKF算法。该算法利用当前量测中包含的模式信息,对IMM算法中的转移概率矩阵进行实时递推估计,避免了常规IMM算法中转移概率先验确定的困难,提高了模型切换速度和跟踪精度;同时,SRCKF以目标状态协方差的平方根进行迭代更新,确保了滤波过程中协方差矩阵的对称性和半正定性,改善了数值精度和稳定性。仿真实验结果表明,该算法对机动目标的跟踪性能优于常规的IMM及IMM-CKF算法。