利用循环频率域分离技术的多用户信道辨识

利用调制产生的循环平稳性提出了一种多用户信道的非盲估计方法。它利用循环频率域用户分离的方法辨识不同用户的信道。即利用循环频率的互不相同性将用户信号的二阶统计量从接收的多用户信号中分离出来。该方法简单明了且有较强的抗干扰能力。文中讨论了算法的计算机仿真。对多用户系统的仿真结果表明该算法收敛速度较快并且有良好的抗干扰能力,从而验证了算法的有效性和可靠性。     

调制引入循环平稳的MIMO系统分离与辨识

针对多输入多输出线性时不变系统提出了一种新颖的盲辨识方法。该方法利用了调制产生的二阶循环平稳性，在循环频率域对信号的统计量进行分离，最终将各个系统的冲激响应辨识出来。分别讨论了4输入4输出系统在有加性高斯白噪声时的信道辨识情况，并对算法进行了计算机模拟。     

调制引入循环平稳的MIMO系统分离与辨识

针对多输入多输出线性时不变系统提出了一种新颖的盲辨识方法。该方法利用了调制产生的二阶循环平稳性，在循环频率域对信号的统计量进行分离，最终将各个系统的冲激响应辨识出来。分别讨论了4输入4输出系统在有加性高斯白噪声时的信道辨识情况．并对算法进行了计算机模拟。     

高阶谱与二阶循环谱在信道盲辨识与盲均衡中的性能比较

重点研究了高阶谱和二阶循环谱及其在信道盲辨识与盲均衡中的应用，对基于最小二乘和快速傅立叶变换的算法进行了比较，得出了一些重要结论：高阶谱算法具有较强的抗高斯噪声性能，但其收敛速度慢；二阶循环谱算法具有收敛速度快和所需数据最小的优点，但其收敛残余误差大。     

OFDM系统信道盲估计的子空间算法

利用循环前缀(CP)引入的信息冗余,提出一种利用接收信号的二阶统计特性实现正交频分复用(OFDM)系统信道盲估计的子空间算法.由于OFDM传输方程不能直接推导子空间算法,故首先给出一种新的方法对OFDM传输方程作矩阵变换,从而得到一个结构简单的新方程,基于此推导出信道估计子空间算法.该算法不需要改变OFDM系统结构,不受信道零点位置的限制,在信道过估计的情况下也适用.     

自适应均衡算法的盲均衡处理研究

基于中频信号的盲均衡算法,利用通信信号的周期平稳性,提出卫种代价函数,并推导了其盲均衡算法。计算机仿真表明,该算法有较好的收敛性能,克服了CM算法对相位不敏感的缺点。     

基于子空间方法的多输入多输出信道盲辨识与均衡

子空间方法是一种有效的基于二阶统计量的盲信道辨识方法.具有计算量小、性能好、所需样本量少,不需要信号源相关性信息的特点.文中将单输入多输出（SIMO）系统的信道辨识子空间方法推广到多输入多输出（MIMO）系统.在MIMO的情况下,估计所得到的信道参数矩阵与真实参数矩阵间存在一个模糊矩阵,利用二阶盲源分离的方法将其转化为置换矩阵与对角的尺度矩阵乘积,得以提取源信号.此外,针对盲源分离中卷积混合信号分离的问题,利用此类盲均衡方法及其模型中的卷积矩阵,可将卷积混合转化为瞬时混合,从而利用大量已有针对瞬时混合的算法进行盲源分离.并对此进行了仿真,验证了其可行性.     

一种新OFDM系统及其信道盲估计性能的研究

提出了一种采用不等长分组新的OFDM系统。采用不等长分组的好处是不需要加循环前缀,就能在发射序列中引入周期平稳性,因此采用子空间算法可实现信道的盲辨识。还对信道盲估计性能进行了分析。     

MIMO系统的循环频率域分离辨识方法

针对多输入多输出(MIMO)线性时不变(LTI)系统提出了一种新颖的盲辨识方法。它利用了调制产生的二阶循环平稳性(MIC),在循环频率域对信号的统计量进行分离。再用简单的算法,就可以识别出不同的系统。文中还讨论了对算法进行的计算机模拟。     

基于小波神经网络的航空通信盲均衡方法

针对航空通信信道中,多径干扰带来的信号畸变以及信道记忆效应所产生的码间干扰会严重影响通信质量,且现有的均衡算法由于收敛速度较慢无法适应高速航空通信的需求。提出了一种利用均衡器输出信号构建反馈循环的小波神经网络盲均衡算法。该方法利用反馈循环来消除航空信道的记忆效应,并结合小波神经网络时频局域性的特性来消除航空信道的多径效应和信号畸变所产生的码间干扰。仿真结果表明,该方法可以有效提高盲均衡算法的收敛速度,并使输出的信号星座图更加清晰与紧凑,有利于码间干扰的消除,具有一定的实际应用价值。     

一种盲自适应RLS多用户检测器

给出了一种盲自适应多用户检测器,该算法是基于一种约束条件的RLS算法。对该算法在多址干扰环境下的收敛特性进行了分析,证明了该算法的有效性,同时证明了该算法的检测向量最终收敛为约束MMSE检测向量,且不需要训练序列。给出了该算法在高斯白噪声信道及瑞利衰落信道下的对比数值仿真结果。     

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。     

基于酉差分空时码的信道估计性能研究

介绍MMSE和LS算法的基本原理同时给出酉空时码的编解码原理,对基于OFDM的非盲信道估计与基于酉差分空时码的盲信道估计进行性能的仿真对比。其中非盲信道估计采用MMSE和LS算法,盲信道估计采用极大似然算法,通过误码率仿真曲线对比可以看出采用酉空时码的误比特率在大信噪比的环境下要明显好于采用MMSE和LS;而在小信噪比环境下,酉空时码的误码率与采用LS的信道估计的误码率基本一致。     

异步DS-CDMA系统中基于线性预测的直接盲均衡

应用了最近提出的针对直接序列扩频码分多址(DS—CDMA)系统反向链路(异步传输模式)的线性预测方法，通过对接收信号进行线性变换，在所需用户扩频码已知的情况下，得到其信道列矢量子空间，然后在此基础上进行MMSE均衡器和迫零均衡器的设计，以达到同时消除MAI和ICI的目的。应用直接盲均衡处理，能够避免信道估计可能的误差对多用户检测性能所产生的影响。仿真结果表明，算法的准确性和鲁捧性得到明显提高，并且有较好的对抗远近效应的能力。     

OFDM系统中MMSE与LS信道估计算法的比较研究

文章介绍了OFDM系统中插入导频的LS信道估计与MMSE信道估计两种算法,通过试验仿真说明了MMSE信道估计算法对系统性能的提升要优于LS信道估计算法,但MMSE信道估计算法的计算量大于LS信道估计算法。     

基于信号结构重构的UWB稀疏信道盲估计

针对跳时脉冲位置调制的超宽带（ultra wideband based on time hopping pulse position modulation,TH-PPM UWB）通信系统,提出一种新的稀疏信道盲估计算法。该算法首先对信号结构进行重构,把发射信号与信息符号之间的非线性模型转换为线性模型,简化了信号处理难度;然后基于重构后的线性模型,推导出接收信号一阶统计向量与信道向量之间的关系,结合UWB信道的稀疏特性,估计出UWB信道参数,避免了无谓的抽头估计,提高了估计精度。仿真结果表明：新算法的均方误差（mean squared error,MSE）性能优于基于一阶统计量的盲信道估计算法,其BER性能也仅比理想信道差约1 dB。     

基于MMSE光正交频分复用系统信道估计算法研究

由于自由空间光通信的信道是随机的大气信道,光信号在其中传播必然会受到灰尘、雨滴、雾等粒子散射的影响,为了提高系统抗噪声干扰能力,在原有LS信道估计算法的基础上,设计了基于MMSE算法的光正交频分复用系统信道估计流程,并通过Monte Carlo方法对其进行了仿真验证,结果表明MMSE信道估计算法可以很好地改善系统性能.     

一种低SNR下APSK载波相位盲同步方法

提出了一种工作在低信噪比(SNR)条件下,由最小均方误差(MMSE)鉴相和数字二阶闭环组成的幅相键控(APSK)载波相位盲同步方法.给出了载波相位同步环路的参数、采样速率匹配方法及其定点优化实现方案.与盲同步中常见的判决引导算法相比,MMSE鉴相算法无需符号硬判决,对符号误判不敏感,因此具有更大的鉴相范围,降低了相位模糊的重数;运算量虽较大,但可以采用查表法克服这一缺点.     

基于深度学习的Wi-Fi信号编码参数盲识别

通信链路层特征盲识别是智能通信和通信对抗领域关键技术。为提高基于IEEE 802.11协议的无线（局域）网/无线保真（wireless fidelity,Wi-Fi）信号的编码参数盲识别精度,提出了一种基于深度学习的低密度奇偶校验码（low density parity check code,LDPC）编码参数盲识别算法,可准确盲识别信道编码算法的信息位码长和码率。算法以解调后的比特流为训练数据集,搭建多层深度神经网络模型,经过多次调参和迁移训练,最终得到了能够准确预测编码参数的网络模型。实验结果表明,该网络模型能够在高达10%误码条件下得到优于91%的编码参数盲预测率,在无误码的条件下,编码参数盲预测准确度高达95.32%,为智能通信和通信对抗的研究提供了一定参考价值。