时变信道下一种低计算复杂度的信道估计算法

在时变信道中正交频分复用(OFDM)系统下传统信道估计方法存在估计性能差、计算复杂度高的问题.为此,文中提出了一种双对角线性最小均方误差(DD-LMMSE)的信道估计方法.首先建立基于基扩展模型(BEM)的系统模型,然后进行两次对角线性最小均方误差估计得到BEM系数,从而估计出信道的时域冲击响应.仿真实验结果表明,该方法不管在慢时变信道下还是在快时变信道下均具有良好的估计性能,且计算复杂度低.     

基于基扩展的快时变信道建模及仿真

针对无线通信中的快时变信道建模与评估,通过已有的信道测试参数中的部分数据,采用基扩展的方法,对信道进行建模,并根据模型评价的两个指标—模型准确度和算法复杂度,对快时变信道进行综合评价,最后给出了仿真结果.     

快速时变信道下的基扩展模型信道估计性能分析

针对快速时变信道,提出了一种基于复指数基扩展模型(CE-BEM)的线性最小均方误差(LMMSE)信道估计方法,对信道估计的结果使用离散长椭球序列(DPSS)进行平滑处理,并相应提出了基于迭代的载波间干扰(ICI)消除信道均衡方法.仿真结果表明:在高多普勒信道场景下,该方法系统误码性能较传统信道估计方法有一定程度的提升.     

线性时变信道下OFDM系统的加窗信道估计

受时变性影响,正交频分复用(OFDM)系统的频域信道矩阵是近似限带的.利用接收端窗函数可以增强信道的限带特性,但也导致信道无法采用线性模型进行表征.针对该问题,文中将窗函数与信道的时变性隔离开来,提出了加窗-线性信道模型.随后研究了该模型下的时变信道估计方法,并对该算法进行了简化,降低了算法的计算量.从仿真结果可以看出:窗函数可以抑制信道矩阵的带外子载波间干扰;与传统OFDM系统的性能相比,文中算法的性能提升了约2.5 dB.     

基于联合稀疏模型的OFDM线性时变信道估计

为了进一步提高OFDM线性时变信道估计性能,利用信道抽头的时域稀疏特性和相关性,提出一种基于联合稀疏模型的信道估计方法.首先,将线性时变信道模型下对连续多个符号周期的信道估计转换成一个联合稀疏重构模型;其次,采用基于测量矩阵互相关性最小化的分组导频设计准则,在应对子载波干扰的同时,保证了稀疏重构算法的性能;最后,设计一种基于循环并行树的分组导频优化算法.仿真结果表明:与传统线性时变信道估计方法和联合稀疏模型下的信道估计方法相比,所提方法所需导频数量少,信道估计性能更好,同时便于工程应用.     

基于渐消Kalman滤波的MIMO-OFDM信道估计

针对快时变信道明显的频率选择性,提出了采用Kalman渐消记忆滤波的估计方法.信道采用AR模型建模,并利用LS算法估计时变信道的衰减因子.仿真表明:快时变环境下,所提算法的估计性能优于LS信道估计和传统的Kalman滤波算法估计.     

一种快时变信道下多载波传输系统的信道估计方法

提出了一种基于正交频分复用技术的多载波通信系统的时变信道估计方法.通过用泰勒级数展开近似时变冲击响应函数得到简化的时变信道模型,由此导出信道估计方法,结合ZP(zero padding)-OFDM系统能在一定程度上恢复处于深度衰落点上的信号来改善系统性能,并应用信道传输矩阵的带状特性,给出了在时域上进行线性块均衡的方法.且此方法可在系统性能和复杂度间做权衡.     

基于压缩感知的时频双选信道估计研究

针对时频双选信道,利用信道的时间相关性,即同一条时延径在相邻时刻对应的信道系数之间具有很强的相关性,提出一种线性近似方法对时频双选信道进行建模,有效降低了未知参数的个数.考虑到无线信道在时延域具有稀疏性,基于压缩感知(Compressed sensing,CS)理论对线性近似模型进行了恢复重构.分别对未线性近似模型和线性近似模型的系统性能进行了仿真,并结合最小二乘(leastsquare,LS)算法、正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法、稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)算法给出了系统的归一化均方误差(Normalized Mean Square Error,NMSE)曲线.仿真结果显示,线性近似方法能有效对时频双选信道进行建模,针对本研究提出的线性近似模型,SBL算法能精确恢复出信道响应,并能有效地克服多谱勒效应.     

基于信道分割级联的正交频分复用子载波干扰消除算法

在高频段正交频分复用（OFDM）系统中子载波间干扰（ICI）较大,运用信道分割方法,将线性时变信道近似等效为时不变信道与无时延时变信道的级联,从而在接收端实现一维均衡抑制ICI,避免了高复杂度的信道频域响应矩阵的计算和求逆过程.分析和仿真表明,相对于现有的利用ICI相邻载波分布特性的低复杂度最小均方误差算法,算法在几乎不损失系统性能的同时,可将复杂度降低到O(N).     

MIMO系统中的迭代时变信道估计

为了提高时变信道环境中MIMO信道估计的性能,利用Karhunen-Loeve基扩展模型(KL-BEM)建立MIMO系统中符合期望最大化(EM)算法框架的信号模型,从而得到MIMO时变信道的迭代估计方法.将EM算法应用于MIMO系统中进行迭代信道估计,一方面利用了EM迭代来提高信道估计的性能,另一方面利用了KL-BEM基函数的正交性来降低信道估计的运算复杂度.在2×2 MIMO系统下的仿真结果表明:算法经5次迭代即可收敛,而且迭代估计的信道脉冲响应与实际响应几乎重合;此外,迭代估计后系统的BER性能接近理想信道时的BER性能,在高信噪比区域,两者之间的差别在1 dB以内,比最小二乘信道估计有约2 dB的性能增益,可见迭代估计方法在时变信道条件下具有良好的估计性能.