基于导频的OFDM信道估计小波核SVM算法

针对传统多径衰落下的OFDM导频信道估计性能低下,地板效应的缺陷,提出了基于导频的小波递归最小二乘支持向量机(WRLS-SVM)时变信道频率估计算法。首先讨论了小波成为核函数的条件,构造了小波核。然后将根据结构风险递归二乘最小化准则回归估计支持向量机原理,把导频训练序列映射到高维空间,并在高维空间采用结构小波核函数,达到了将低维空间的非线性估计转化为高维空间的线性估计的目的。仿真结果表明,在快衰落信道条件下,小波递归最小二乘支持向量机导频信道估计方法可以获得较好误码性能。该方法优于传统的信道插值方法。     

一种有效的STBC-OFDM联合信道估计解码算法

提出一种针对空时块码正交频分复用(STBC-OFDM)系统在信道不确知或时变情况下的低复杂度联合信道估计与解码算法.该算法推导的出发点是观察到STBC-OFDM系统中关于信道参数的最小二乘代价函数与只有线性处理的STBC解码最小二乘代价函数是等价的,从而可利用循环最小化迭代方法求解.在这两个代价函数求解各自参数过程中,可以充分利用OFDM的信号特征和STBC的正交结构特征,使计算量大为减少.在迭代过程中,信号先不考虑有限字符性质,而是取值任意的随机变量.估计出信号值后利用有限字符性质进行量化修正,避免了此类迭代算法中的穷举运算,从而降低了计算量,加速了算法收敛速度.仿真结果表明了该算法的有效性.     

大规模MIMO系统中分布式压缩感知LMMSE信道估计

大规模多输入多输出(multiple input multiple output, MIMO)系统中，信道估计算法复杂度随着基站侧天线数量的增加而急剧增加, 针对需要在信道估计算法复杂度与算法性能之间进行折中的问题，提出分布式压缩感知线性最小均方误差(distributed compressed sensing linear minimum mean square error, DCS-LMMSE)算法。该算法利用信道的空时共稀疏性, 首先根据先验支撑集信息将接收信号分为密集部分和稀疏部分, 然后分别采用不同的算法进行初始信道估计, 最后采用奇异值分解代替信道相关矩阵求逆进一步降低DCS-LMMSE算法复杂度。所提算法与传统线性最小均方误差算法相比明显地降低了计算复杂度。仿真结果表明, 所提算法与纯压缩感知稀疏信道估计算法相比具有更好的性能。     

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。     

基于压缩感知的稀疏多径信道估计

提出了一种基于压缩感知理论的稀疏多径信道估计方法。利用训练序列设计了一种简化的Toeplitz结构观测矩阵,证明了观测矩阵满足限制等距特性,可以作为压缩感知的观测矩阵。根据此矩阵的近似正交性特点对正则化迭代硬阈值算法进行简化,并引入精英策略提出一种归档正则化迭代硬阈值估计算法。仿真结果表明,该估计方法相对于迭代最小二乘法具有更优的性能,且提出的归档正则化迭代硬阈值算法兼具收敛速度快和稳定性高的优点。     

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.     

改进的压缩感知限幅噪声消除方案

限幅引入非线性失真即限幅噪声, 使正交频分复用系统误码率性能显著下降。为消除限幅噪声, 本文提出了基于预估计限幅噪声位置的稀疏自适应匹配追踪方案。首先，在发送端信号送入信道之前, 根据信号幅度值, 预先估计被限幅采样点的位置, 使落在该采样点范围的限幅噪声作为压缩感知的观测值向量, 其次再对噪声进行重构。该预估计方案成功避免了信道对限幅噪声分布位置及幅值的干扰, 提高了重构精度。仿真结果表明，与传统压缩感知算法相比, 所提方案对系统的误码率性能及算法计算复杂度均有改善。     

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。     

基于压缩感知的多核稀疏最小二乘支持向量机

为了提高稀疏最小二乘支持向量机对高维、异构数据的泛化性能,提出新型的基于压缩感知的稀疏多核最小二乘支持向量机算法。首先根据压缩感知理论,用正交匹配追踪算法对最小二乘支持向量机的支持向量进行稀疏化,再利用线性多核扩展法求出新的核函数矩阵。将新的核矩阵应用到最小二乘支持向量机,得到稀疏多核最小二乘支持向量机的解,用稀疏的支持向量实现函数回归。理论分析与数据实验对比结果表明该模型对于高维、异构数据能够更快更准确地进行训练,大大提高了模型的泛化能力和运算速度。     

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。     

Toeplitz矩阵有限等距特性研究

在压缩感知热潮的影响下,观测矩阵的有限等距特性（restricted isometry property, RIP）也受到广泛关注。大多数理论研究表明高斯随机矩阵是满足RIP特性的,但由于其存储成本较高,物理实现较复杂,在实际使用中托普利兹（Toeplitz）随机矩阵由于可以使用快速离散傅里叶变换实现而受到青睐。该文将图论中点均匀着色定理和盖尔圆盘定理应用于压缩感知中,对托普利兹观测矩阵的RIP特性进行了证明,证明结果表明,由服从某种特定概率分布的项构造的Toeplitz矩阵以较大概率满足有限等距特性。最后,对最小二乘算法（least square,LS）、线性最小均方误差（linear minimum mean square error,LMMSE）算法和高斯观测矩阵的压缩感知算法以及Toeplitz观测矩阵的压缩感知算法进行了对比分析,Toeplitz观测矩阵的压缩感知算法在性能方面要优于高斯观测矩阵的压缩感知算法和传统算法,运算复杂度方面要优于高斯随机矩阵,为压缩感知实现无失真地重构原始信号提供了理论和应用参考。     

INS/双星组合导航半实物仿真研究

对INS/双星跑车试验数据进行了分析和处理,采用小波分解的方法去除了定点定位试验中的测量噪声,并对双星接收机的常值偏移进行了估计,仿真结果表明双星系统的定位精度在20米之内。在跑车试验中使用递推最小二乘法和Kalman滤波技术对INS/双星的位置组合方案进行了仿真。仿真结果表明,Kalman滤波技术比最小二乘算法具有更高的估计精度,它能有效地降低INS的位置误差。     

Compressed sensing based channel estimation for fast fading OFDM systems

A compressed sensing (CS) based channel estimation algorithm is proposed by using the delay-Doppler sparsity of the fast fading channel. A compressive basis expansion channel model with sparsity in both time and frequency domains is given. The pilots in accordance with a novel random pilot matrix in both time and frequency domains are sent to measure the delay-Doppler sparsity channel. The relatively nonzero channel coefficients are tracked by random pilots at a sampling rate significantly below the Nyquist rate. The sparsity channels are estimated from a very limited number of channel measurements by the basis pursuit algorithm. The proposed algorithm can effectively improve the channel estimation performance when the number of pilot symbols is reduced with improvement of throughput efficiency.     

OFDM系统中基于时域信号部分循环移位的低复杂度PTS算法

为了降低正交频分复用(orthogonal frequency division multiplexing, OFDM)信号的峰均功率比(peak to average power ratio, PAPR),提高系统的误比特率(bit error rate, BER)性能,提出了一种结合时域信号分割和部分子块循环移位的低复杂度部分传输序列(partial transmit sequence, PTS)算法,发送端仅需要一次快速傅里叶反变换(inverse fast fourier transform, IFFT)运算即可获得多个备选序列,接收端通过比较反向旋转序列与最近星座点的距离来恢复时域循环因子,实现了信号的盲检测。采用了两种不同的最佳序列选择准则:最小PAPR和最大相关性准则(cross correlation, CORR),并仿真分析了系统的PAPR性能和BER性能。结果表明,所提算法有效地抑制了OFDM信号的PAPR,提高了系统的BER性能,与传统PTS和选择性映射算法相比,明显降低了计算复杂度。     

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。     

用于短波高速数据传输的迭代合并均衡算法

在短波高速数据传输系统中,为了消除电离层反射信道所产生的符号间干扰和快速时变深衰落,依据最小均方误差准则提出一种迭代合并均衡器及其算法。所提算法对空间分集合并和均衡进行联合优化,并与译码器交换软信息进行迭代,从而充分利用时域和空域信息。为降低迭代引入的运算量,进一步提出一种基于自适应选择机制的低复杂度算法。仿真结果表明,所提算法能够明显改善短波数据传输系统的接收性能,而低复杂度算法则在保证算法性能的前提下使运算量得到有效控制。     

Moving object detection in framework of compressive sampling

Compressive sensing is a revolutionary idea proposed recently to achieve much lower sampling rate for signals. In the image application with limited resources the camera data can be stored and processed in compressed form. An algorithm for moving object and region detection in video using a compressive sampling is developed. The algorithm estimates motion information of the moving object and regions in the video from the compressive measurements of the current image and background scene. The algorithm does not perform inverse compressive operation to obtain the actual pixels of the current image nor the estimated background. This leads to a computationally efficient method and a system compared with the existing motion estimation methods. The experimental results show that the sampling rate can reduce to 25% without sacrificing performance.     

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。