基于马氏链的感知无线电信道状态预测及容量估计

针对感知无线电(cognitive radio,CR)信道的动态特性,对感知无线电频谱占有模型进行了研究,利用马尔可夫模型对频谱占用情况以及信道状态变化情况进行概率统计和估计,基于估计结果,进行实时预测频谱占用情况和实现信道容量估计,并给出了一个容量估计公式.仿真结果显示信道状态预测及容量估计准确性很高,为基于QoS的感知无线电动态选频提供了很好的参考依据.     

多信道认知网络的直观信道感知策略

为了提高频谱利用率,认知无线电技术可使非授权用户在不影响授权用户正常通信的情况下,利用瞬时的频谱空穴满足自身通信需求。如何通过感知频谱及时有效地发现频谱空穴是一个至关重要的问题,尤其是对于多信道认知无线电网络。针对多信道认知无线电网络,该文在连续时间Markov链的信道占用模型基础上,根据信道状态可能发生变化的概率,提出了一个动态的直观信道感知策略,并考虑了感知周期的影响。仿真结果表明:在感知周期合适的情况下,该策略能够有效地发现并利用频谱空穴,并且比周期感知和随机感知策略消耗更少的能量用于感知。     

一种基于信道感知和预测的多址接入方法

为了实现认知无线电系统中机会式的频谱接入、主动避免对主用户的干扰,提出了一种基于信道感知和预测的多址接入方法。考虑主用户对信道的占用过程具有一定的突发性和相关性,将主用户的活动规律建模为半马尔可夫过程。新算法充分利用信道感知结果和主用户的活动规律预测下一个时刻主用户的状态及剩余状态持续时间,并采用递归预测误差法进行参数估计。仿真结果表明,与传统的载波侦听多址接入算法相比,新算法能够在保证主用户阻塞概率约束的前提下,较大地提高频谱利用率,非常适用于认知无线电。     

基于POMDP模型的分布式机会频谱接入算法

针对认知无线电（cognitive radio,CR）信道的动态特性,以部分可观测马尔科夫决策过程（POMDP）为模型对认知无线电网络用户的频谱感知和频谱接入过程进行研究,提出了基于POMDP模型的分布式机会频谱接入算法.该算法利用网络信道的历史频谱感知信息对主用户接入信道的状况作出估计,以认知用户吞吐量最大化为目标进行频谱接入.同时,通过贪心算法得到此优化策略的次优解,降低了最优策略的计算复杂度.论文分析了认知用户接入吞吐量与网络中信道数目以及信道状态转移概率之间的关系,将贪心算法与随机检测接入算法进行了仿真比较.仿真结果显示,该算法获得的吞吐量比随机检测接入算法提高了约25％,能够更有效地做出接入策略.     

基于纯不连续马尔可夫过程的频谱感知研究

为解决在连续时间观测条件下认知无线电(CR: Cognitive Radio)频谱感知的问题, 提出一种在纯不连续马尔可夫过程中的频谱感知方法。信道状态在任意时刻可分为空闲和忙碌两种状态, 同时借助纯不连续马尔可夫过程在任意时刻停留的时间服从指数分布性质和富克 普朗克方程, 导出此类过程的状态转移矩阵, 主用户的累计占用时间和主用户在时间域上的分布情况。仿真结果表明, 该方法能较好地完成对信道状态进行预测和对主用户状态进行跟踪的任务。     

衰落环境下信道增益和时延的联合估计算法

目的研究衰落环境中认知用户与授权用户之间存在未知时延情况下的频谱感知问题,提出一种信道增益和时延的联合估计算法.方法建立一种新的动态状态空间模型,用以描述授权用户状态、时变衰落信道状态和感知时延之间的关系;通过最大后验概率准则估计出信道状态,用以表述信道状态随时间变化的情况;最后基于粒子滤波方法得到授权用户状态估计以及感知时延估计;通过仿真实验,分别从信道增益和感知时延两个角度与现有方法的正确检测概率进行对比与分析.结果笔者所提出的信道增益和时延的联合估计算法(SFH)在信道增益角度正确检测概率相比信道增益估计算法(SFC)和能量检测算法(ED)分别提升2%、2.6%,在感知时延角度上提升3.4%、8.7%.结论笔者所提算法提高了接收信号统计特性,在保证实时检测的同时,显著提升了存在未知时延的衰落信道环境下的频谱感知性能.     

基于压缩感知的DRM信道估计

针对数字调幅广播(Digital Radio Mondiale,DRM) 系统频谱有限的特点,为了以较少的导频开销获得精确的信道状态信息,本文将压缩感知理论与信道估计问题相联系,建立基于压缩感知的DRM 信道估计模型,并分析和验证导频插入方式和数量对信道估计性能的影响.与LS(Least Square) 方法相比,基于压缩感知的DRM 信道估计不但能够以更少的导频获得精确可靠的估计结果,而且在提升信道估计性能的同时提高频谱利用率.     

基于遗传算法的认知无线电网络共同信道和功率最优分配

信道分配和功率控制问题是认知无线电网络中的核心问题。文中根据不完美频谱感知情形下的干扰功率模型,建立认知无线电网络共同信道和功率分配优化模型,并通过罚函数法,将标称的混合整数规划问题简化为不带约束条件的非线性规划问题,提出了基于遗传算法的共同信道和功率最优分配算法。仿真结果表明,该算法能在不完美频谱感知情形下对信道和功率进行联合最优分配,减少对主用户功率干扰,实现网络中认知用户吞吐量的最大化。     

认知无线电中感知信道的优化选择方法

在认知无线电中,频谱感知是实现频谱动态接入的重要前提和核心环节,文中在多用户多信道环境下基于能量检测提出了一种感知信道优化选择的方法。该方法从最大化一个次用户感知一个主用户信道能获得的归一化吞吐量出发,在目标检测概率限制下,提出了基于改进的匈牙利算法进行感知信道选择的最优方法。仿真结果表明,与感知信道随机选择方法相比较,文中提出的方法可以大大提高整个次用户网络的归一化吞吐量。     

一种基于隐马尔可夫模型的自适应联合频谱预测方法

基于隐马尔可夫模型(Hidden Markov Model,HMM)的频谱预测是次用户(SU)根据频谱感知历史信息得到主用户(PU)信道状态训练集,用前M个时刻信道的状态组成的矩阵作为待测矩阵与训练集匹配,根据匹配的相似度对下一时刻的信道状态进行预测。由于信道预测是基于前M个时刻的信道状态,其信道状态的不确定性直接影响到预测的准确性。文中针对这一问题,提出一种基于HMM的自适应联合频谱预测方法,根据本地预测中各待测矩阵的可信度给予不同的权值,通过数据融合来得到最终的预测结果。此外,为了解决文中的数据融合问题又提出一种基于本地预测可信度的自适应分组融合算法。仿真结果表明,该方法能够明显提高频谱预测的准确性。     

Accurate channel estimation for MIMO-OFDM system by exploiting cyclic prefix

Multiple-input-multiple-output orthogonal frequency division multiplexing （MIMO-OFDM） systems promise to provide significant increase in system capacity for future wireless communication systems. The channel state information is required to achieve the high capacity of an MIMO-OFDM system. In this pa-per, an improved channel estimation scheme is proposed for MIMO-OFDM system by making full use of the training sequence and CP （cyclic prefix）. The method improves the performance of the channel esti-mator because of using the redundant information in CP. Also, the theoretical mean square error （MSE） bound of the improved estimator is derived. The effectivity of the algorithm is demonstrated by the simula-tion results of MIMO-OFDM systems with two transmit and two receive antennas. The MSE gain is en-hanced by about 1dB.     

WCDMA中自适应信道估计器的研究

针对WCDMA系统的信道估计器提出了一种新的自适应算法，它的权系数通过瞬时信道估计的自相关函数来自适应更新，从而改变估计器带宽以适应信道时变的多普勒谱．在平坦瑞利衰落信道中的计算机仿其表明，该方法在第3代移动通信标准支持的多普勒频率范围内获得了良好的性能，并且估计的均方误差接近滑动平均滤波器在最佳平均长度下的最小均方误差．     

一种基于扩频信号的散射通信信噪比估计方法

针对散射多径衰落信道下信噪比估计误差较大的问题,提出一种基于扩频信号的信噪比估计方法,该方法在散射通信信道模型的基础上,给出散射通信信噪比估计方案并设计数据帧结构,提出基于扩频信号的信噪比估计方法并给出合路信噪比计算公式,同时提出采用特定接收信号处理算法的等效信噪比计算方法,用于准确表征散射通信中的有效信噪比.仿真结果表明该信噪比估计方法估计准确,等效信噪比计算方法正确有效,相比其他信噪比估计方法,估计范围更宽,可有效解决多径信道信噪比准确估计问题.      

基于MIMO天线多载波系统的最大容量及最优信道选择算法

为了实现多输入多输出（MIMO）系统的最优传输,在加性高斯白噪声信道下分析了MIMO天线的信道容量增益,选而提出在MIMO多载波系统中,对信道进行时-频-空三维划分的理论,并给出了时-频-空三维能量密度谱的概念,从而对能量和时-频资源进行约泉．在此基础上推导并得出了MIMO多载波系统在加性噪声下的最优能量分配准则和MIMO多载波系统的容量上限在最优能量注水解的指导下,对基于MIMO天线的正交频分复用（OFDM）系统进行最优信道选择,并与未经信道选择算法的系统在相同资源约束和信道环境下进行性能比较仿真结果表明,经过信道选择的系统能更有效地保证符号可靠传输,并且系统容量逼近提出的容量上限．     

OFDM系统中一种双选择性稀疏信道压缩感知方法

针对OFDM系统,提出了一种基于压缩感知（CS）的双选择性稀疏信道估计新方法.为解决传统二维插值算法无法准确估计双选择性稀疏信道的问题,通过利用信道在时频域的稀疏特性,将OFDM系统下的双选择性信道模型转化为CS可解的BPIC数学模型,并最终利用基追踪算法对稀疏信道的脉冲冲激响应实现估计.仿真结果显示,新方法能有效减少导频数,提高频谱利用率;在传统的FFT-Linear和FFT-FFT二维联合插值算法无法正确估计出信道响应时,基追踪算法仍能实现对稀疏信道的精确估计.     

基于压缩采样匹配追踪算法的混合场信道估计方案

针对现有的远场和近场信道估计方案不能直接用于精确估计混合场信道状态信息的问题,提出了一种有效的基于压缩采样匹配追踪（Compression Sampling Matching Pursuit,CoSaMP）算法的混合场信道估计方案。通过精确建模混合场信道模型来捕捉其远场和近场区域可能存在不同的散射体这一特征,分别对其远场和近场路径分量进行估计。结果表明,所提方案与现有其它信道估计方案相比,在相同低导频开销情况下,该方案能获得更高的归一化均方误差性能和更高的系统和速率,计算复杂度较低。可见,所提出的方案具有很好的参考价值。     

基于GSA-BP神经网络的OFDM系统信道估计算法

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中存在的不可忽视的非线性噪声问题,为了能够更好了解信道特性,需要利用信道估计获得信道状态信息,提出一种基于黄金正弦优化BP(golden sine algorithm,GSA-BP)神经网络的OFDM系统信道估计算法,克服了传统 BP神经网络算法容易陷入局部极值的问题,提升了信道估计算法的估计精度.首先通过LS信道估计算法获得信道的初始估计,再将其通过GSA-BP神经网络算法得到信道的精确估计.仿真结果表明,在相同的信道环境下,提出的算法比LS算法具有更好的性能,与MMSE算法性能接近,但不需要信道先验统计特性,易于实现.     

基于前导训练序列的MB-OFDM信道估计

超宽带技术已逐渐成为无线通信领域研究、开发的一个热点,并被视为下一代无线通信的关键技术之一.UWB无线通信可以分成两种:无载波UWB、载波调制UWB.载波调制UWB有多种实现方案,主要有DS-CDMA UWB和MB-OFDM UWB.MB-OFDM作为UWB的一个重要候选方案,在频谱利用率、与其他窄带系统共存、抗干扰等方面有着出色的表现,而信道估计是无线通信领域的关键技术之一,是进行相关检测、解调、均衡的基础.文中在介绍MB-OFDM系统的构成、MB-OFDM系统信号结构以及超宽带信道模型的基础上,提出了一种基于前导训练系列的信道估计算法,对UWB信道条件下采用前导训练序列的LS估计和MMSE估计的性能进行了深入的分析和比较,最后给出了相关仿真结果.实验结果表明,利用前导训练系列的信道估计可以获得良好的性能.     

正交频分复用-多天线系统的盲信道估计算法

为了解决多天线系统的识别模糊问题,提出一种基于系统输出信号二阶统计的正交频分复用多天线(OFDM-MIMO)系统盲信道估计算法。该算法从频域角度出发,从而将有限冲击响应信道的识别简化为一系列的无记忆系统识别问题。利用信道频率相关特性降低了算法复杂度,同时解决了算法对样本数的依赖问题。为了去除盲识别的模糊度,设计了带少许导频插入的OFDM-MIMO系统结构,研究了算法的估计精度及其对信道容量的影响。仿真结果表明:2发2收,1024子载波的OFDM-MIMO系统在信噪比为20dB时盲估计的归一化均方误差约为10-2。另外,子载波信道的容量结果表明,在信道变化较快时该文提出的盲估计算法相对于训练方法有明显的容量优势。