基于IEEE802.16的OFDM系统中信道估计的新内插方法

介绍了OFDM系统中两种基于导频的信道估计算法:最小均方误差(MMSE)算法和最小二乘(LS)算法.LS算法具有实现简单,收敛速度快等特点,很多实际的OFDM系统都采用了这种方法.在采用梳状导频进行信道估计的系统中,通常需要内插的方法来获取非导频位置的信道信息.因此针对非导频位置信道的线性内插方法进行了深入研究,提出了新的线性内插方法,即从幅度和相位角度实现内插,区别于传统的实部和虚部分别内插的算法,在某些信道环境下能够更好的恢复出非导频位置信道估计值.以基于IEEE802.16的OFDM系统为例,与传统的线性内插方法进行了比较.均方误差,误差矢量幅度以及误比特率的仿真结果表明,新方法估计的性能更忧.     

基于导频符号的MIMO-OFDM系统多频偏估计算法

提出了一种基于导频符号的多输入多输出正交频分复用(MIMO-OFDM)系统多频偏估计算法.该算法设计了导频符号,并利用设计的导频符号在频域实现多频偏估计.理论分析证明了提出算法适用于低信噪比条件,并推导出了该多频偏估计算法理论上的估计精度.仿真结果验证了提出的算法在低信噪比无线多径信道条件下能够准确估计出各天线间的多个载波频偏.     

非理想信道状态信息下的OFDM比特分配算法

提出一种在非理想信道状态信息条件下,以平均误比特率为目标的正交频分复用(OFDM)比特分配算法.该算法对子信道当前频率响应值进行估计,估计值经延时后反馈至发送端,并以此作为自适应比特分配的依据.仿真结果表明,当信道估计器的均方误差小于-15dB时,信道估计误差对自适应OFDM系统的性能影响不大.采用多个信道估计值来确定比特分配可以减小信道信息延时对系统性能的影响,有效提高系统性能.     

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。     

引入阈值和判决指导的DFT信道估计算法

针对传统的基于离散傅里叶变换（discrete Fourier transform, DFT）的信道估计算法中滤噪性能不够理想的问题,提出了一种在正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中引入阈值和判决指导的DFT信道估计算法,采用阈值法对噪声进行两次降噪处理。仿真结果表明,该算法在高信噪比和低信噪比下均可提高信道估计的性能,其归一化均方误差(normalized mean square error, NMSE)指标优于传统算法。     

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。     

联合低秩及稀疏结构特性的毫米波通信下行信道估计

毫米波通信的信道估计给系统带来较大负荷。为降低系统开销,联合无线信道低秩和稀疏特征,提出一种基于非凸低秩逼近的信道估计算法框架。针对基于信道建模的字典学习方法运算量大的问题,设计了基于深度神经网络信道特征分类的字典学习算法。仿真表明:在特定城市微蜂窝信道模型下,该方法的均方误差性能均优于基于信道模型的字典学习方法、贝叶斯框架下的信道估计方法以及基于压缩感知信道估计方法;获取相同归一化均方误差时本文算法所需的信噪比最低;所需导频数量低于上述3种方法。     

宽带跳频通信系统频域均衡算法

针对差分跳频通信系统跳频带宽宽、瞬时带宽窄的信号特点,提出了一种差分跳频均衡算法--基于最小均方算法的多跳联合频域均衡算法。分析了最小均方误差准则频域均衡与单符号最小均方频域均衡对宽带差分跳频通信系统的不适用性,从而提出适用于差分跳频通信系统的多跳联合最小均方频域均衡算法,给出了算法详细的设计过程和结构。对算法性能在频率选择性衰落信道条件下进行仿真评估,结果表明本算法对差分跳频通信系统的信道均衡性能具有显著的作用,能提高差分跳频系统的解调误码性能。     

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。     

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.     

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.     

Hybrid pilots assisted channel estimation algorithm for MIMO-OFDM systems

Abstract: A hybrid pilots assisted channel estimation algorithm for multiple input multiple output (MIMO) orthogonal frequency division multiplexing (OFDM) systems under low signal-to-noise ratio (SNR) and arbitrary Doppler spread scenarios is proposed. Motivated by the dissatisfactory performance of the optimal pilots (OPs) designed under static channels over multiple OFDM symbols imposed by fast fading channels, the proposed scheme first assumes that the virtual pilot tones superimposed at data locations over specific subcarriers are transmitted from all antennas, then the virtual received pilot signals at the corresponding locations can be obtained by making full use of the time and frequency domain correlations of the frequency responses of the time varying dispersive fading channels and the received signals at pilot subcarriers, finally the channel parameters are derived from the combination of the real and virtual received pilot signals over one OFDM symbol based on least square (LS) criterion. Simulation results illustrate that the proposed method is insensitive to Doppler spread and can effectively ameliorate the mean square error (MSE) floor inherent to the previous method, meanwhile its performance outmatches that of OPs at low SNR region under static channels.     

基于EM的MIMO-OFDM系统MAP信道估计算法

最大后验概率（maximum a posteriori, MAP）信道估计算法应用于MIMO-OFDM系统时将带来大规模矩阵求逆和乘积运算,且OFDM符号的数据传输效率随着发送天线的增多逐渐下降。针对这些弊端,提出一种基于期望最大化（expectation maximum, EM）的MAP信道估计算法,并分析了算法的性能。该算法利用EM算法把多输入输出信道估计问题化简为一系列独立的单输入输出问题,避免了大规模矩阵运算,降低了MAP算法的计算复杂度;为进一步改善MAP算法的数据传输效率及其估计性能,可通过对多个连续的OFDM符号进行联合信道估计。通过仿真实验证明了该算法的有效性。     

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。     

Mobile channel estimation for MU-MIMO systems using KL expansion based extrapolation

In multi-user multiple input multiple output(MU-MIMO) systems,the outdated channel state information at the transmitter caused by channel time variation has been shown to greatly reduce the achievable ergodic sum capacity.A simple yet effective solution to this problem is presented by designing a channel extrapolator relying on Karhunen-Loeve(KL) expansion of timevarying channels.In this scheme,channel estimation is done at the base station(BS) rather than at the user terminal(UT),which thereby dispenses the channel parameters feedback from the UT to the BS.Moreover,the inherent channel correlation and the parsimonious parameterization properties of the KL expansion are respectively exploited to reduce the channel mismatch error and the computational complexity.Simulations show that the presented scheme outperforms conventional schemes in terms of both channel estimation mean square error(MSE) and ergodic capacity.     

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, MIMO)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。然后, 构建注意力机制网络以增强图像中噪声特征的显著性, 并将注意力机制网络嵌入卷积神经网络中进行特征融合。最后, 通过网络模型提取噪声并得到去噪的图像, 即估计信道矩阵。仿真结果表明, 与最小二乘法(least square, LS)、最小均方误差(minimum mean square error, MMSE)、卷积神经网络(convolutional neural network, CNN)和去噪CNN (denoising CNN, DnCNN)算法相比, 所提出的Attention-CNN方法信道估计精度平均提升约1.86 dB。     

Nakagami信道基于16APSK的加权信噪比估计算法

自适应编码调制(adaptive coded modulation, ACM)技术是一种提高无人机(unmanned aerial vehicle, UAV)数据链吞吐量性能的有效方法,信道估计的准确性是决定ACM系统性能的关键因素之一,直接影响UAV数据链的吞吐量性能。首先对Nakagami衰落信道进行分析建模,推导了信号经过衰落信道后的表示方法。其次对Nakagami衰落信道下基于多进制数字相位调制(multiple phase shift keying, MPSK)的信噪比(signal-to-noise ratio, SNR)估计算法进行推导和分析,仿真结果表明三阶矩(third order moments, M3)SNR估计算法比传统的二〖JP2〗阶矩四阶矩(second and fourth moments, M2M4)SNR估计算法具有更好的估计性能。最后,针对Nakagami衰落信道下的现有估计算法对非恒包络调制信号估计性能差的问题,提出了一种适用于非恒包络的16阶振幅移相键控(amplitude phase shift keying, APSK)信号的加权SNR估计算法,该算法利用接收信号的先验信息和信号的阶矩关系进行SNR估计,具有复杂度低,估计精度高等优势。理论分析与仿真结果表明:所提出的算法可以有效地对16APSK调制信号进行SNR估计,且相比于M2M4算法,利用M3信息进行信道估计的加权SNR估计算法具有更高的估计精度。     

基于循环前缀的MIMO-OFDM改进信道估计算法

多输入多输出正交频分复用(multiple input multiple output-orthogonal frequency division multiplexing, MIMO-OFDM)系统中,为提升最小二乘(least squares, LS)信道估计算法的估计精度,可以利用离散傅里叶变换(discrete Fourier transform, DFT)算法对LS算法进行改进,然而,DFT算法对最大时延内的噪声未作处理,因此算法的估计精度仍易受噪声影响。针对这一不足,本文提出基于循环前缀(cyclic prefix,CP)的改进DFT信道估计算法。该算法以CP的长度为标准,对CP长度外的信道系数置零,对CP长度内的信道系数设置门限值,将模值小于门限值的信道系数置零。理论分析和仿真结果表明,改进算法中噪声被有效抑制,估计算法的精度得到提高。