一种TDCS自适应粒子群导频优化设计算法

为了解决变换域通信系统(transform domain communication system,TDCS)基函数存在不可用频带而产生的导频优化设计问题,提高TDCS的信道估计精度,提出了基于自适应粒子群算法的TDCS导频优化设计.构建TDCS信道估计模型,分析不可用频带对信道估计性能的影响并建立导频优化模型,设计导频优化的适应值函数和自适应惯性权重,通过粒子群算法对导频的位置和功率进行优化.在不同干扰环境下的仿真结果表明,新算法较传统粒子群算法收敛速度更快,优化能力更强,其信道估计精度和误码率性能接近最优导频.与等间隔等功率导频相比,在单干扰和多干扰频带下误码率分别有2.6 dB和2.2 dB的性能增益.     

基于压缩感知的OFDM稀疏信道估计导频优化算法

研究了在正交频分复用（OFDM）系统中基于压缩感知信道估计的导频图案设计问题.为了优化信道估计的性能,提出了优化算法,在基于压缩感知的测量矩阵互相关最小化准则的基础上,通过增大随机生成数进行分组,分别计算每组的互相关值,再进行比较求互相关的最大值从而获得导频图案.仿真结果表明,与使用基于测量矩阵互相关最小化准则的导频图案相比,该优化算法得到的信道估计的最小均方误差要低30%.      

基于改进的离散随机近似方案的导频研究

为解决传统信道估计方法在稀疏信道估计的性能不够理想,许多算法没有考虑到导频放置等问题,将压缩感知理论(Compressed Sensing,CS)应用到稀疏信道估计中.基于CS理论测量矩阵互相关最小化的导频图案设计的分析,提出信道估计均方误差最小准则来选择CS算法的方法,建立OFDM系统模型和导频设计方案.仿真结果表明:改进的离散随机近似方案的导频设计,比遍历性搜索收敛更快更有效,对基于OMP算法的信道估计性能有较大幅度提升.     

基于隐藏导频的多频带正交频分复用超宽带稀疏信道估计

在多频带正交频分复用超宽带系统中,基于隐藏导频提出一种稀疏信道估计算法.通过隐藏导频而估计出信道,利用广义信息论准则建立代价函数并探测出非零抽头位置,修正得到稀疏信道估计值,通过降低估计维数提高了算法的估计性能.同时,分析了算法性能和克拉美-罗界(CRB).仿真结果表明,稀疏信道估计算法比传统算法的性能明显提高,且性能更接近于CRB.     

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.     

基于导频的OFDM系统信道估计

本文介绍了基于导频的OFDM系统信道估计的基本方法,并给出在不同估计准则、不同导频图案下,信道估计性能的对比分析。采用广义平非相关散射下的多径时变瑞利信道模型,对各个算法进行仿真,得出不同算下信道估计的均方误差曲线。仿真结果表明：在快变信道中,梳状导频较块导频有更好的性能;基于MMSE准则的信道估计比基于LS准则的估计有更的性能,但前者复杂度较高。     

OFDM系统中最优导频序列的设计方案

在正交频分复用(OFDM)系统中,接收信号易受频率选择性衰落信道的影响产生失真,准确的信道估计变得必不可少。考虑到无线信道的内在稀疏性、压缩感知技术挖掘信道稀疏特征的有效性,研究了基于压缩感知技术的OFDM稀疏信道估计。针对导频位置影响信道估计性能的问题,提出了一种反馈型的导频优化算法,该算法基于离散傅里叶变换(DFT)子矩阵中各个列之间互相干性最小的原则,同时结合信道状态信息的反馈机制,实现了对导频序列的联合优化。仿真结果表明,与当前的随机优化算法、传统最小二乘信道估计相比,该优化方法有效降低干扰和噪声对信道估计的影响,从而改善了信道估计的性能。     

基于压缩感知的OFDM系统稀疏信道估计新方法研究

提出了一种基于压缩感知理论的正交频分复用(OFDM)系统稀疏信道估计的新方法,并具体采用正交匹配追踪(OMP)压缩感知算法对OFDM时域信道脉冲响应进行估计。与传统的最小二乘算法比较,它可以在使用较少导频的条件下获得很好的信道估计性能,从而可以提高系统频谱有效性。根据仿真和压缩感知理论分析确定了OMP信道估计中最佳导频数和最佳导频位置。     

基于802.16d的OFDM导频信道估计

以基于导频的信道估计展开研究.首先总结一般无线信道的多径时变统计特性,给出SUI-3信道模型的仿真实现.在此基础上,研究现有的块状导频插入方式下信道估计算法的原理和性能.基于Alamouti空时编码方案,构建1种具有2个发射天线和1个接收天线的时-频空时编码的正交频分复用(OFDM)系统,提出适用于虚载波系统的基于DFT变换的信道估计算法.该方法利用DFT迭代算法来重构虚载波的频域信道状态信息,通过时域滤波方法来抑制噪声.仿真结果表明:该算法实现了良好的信道估计性能,有效可行.     

MIMO-OFDM系统中基于子载波分组信道估计的改进算法

针对传统的MIMO-OFDM系统信道估计算法复杂度高、对导频结构有特殊要求的问题,提出了2种基于子载波分组信道估计改进算法。改进算法通过子载波分组将多天线信道估计转换成单天线信道估计来获取导频子载波信道响应,避免了大矩阵求逆运算,降低了算法的复杂度;利用DFT滤波算法或LMS自适应滤波算法得到整帧所有符号的信道响应,实现算法复杂度不变、估计性能的提高。理论分析和仿真结果表明,改进算法与传统的信道估计算法相比较,具有较低的复杂度和更好的估计性能。     

基于粒子群优化粒子滤波的SC-FDE系统信道估计方法

信道估计是SC-FDE系统中接收机对信道进行补偿的前提,针对该系统经典估计算法PF算法存在的粒子权值退化问题,结合粒子群算法,提出了基于粒子群寻优的改进PF算法的SC-FDE系统时变信道估计方法。在分析SC-FDE系统通信原理和建立信道估计动态空间模型的基础上,分析粒子滤波原理,引入粒子群寻优的思想,通过Logistic映射获得随机粒子序列,并利用PSO算法改善粒子分布区域。利用MATLAB软件将PSO PF算法与LS算法、EKF算法、DFT算法进行仿真对比,仿真结果表明,与其他传统信道估计算法相比,PSO PF算法在高斯噪声与非高斯噪声信道环境中均能有较低的误码率与归一化均方误差,并且在慢时变信道环境中性能更好。     

OFDM压缩感知信道估计中导频图案设计

为提高基于压缩感知的正交频分复用（orthogonal frequency-division multiplexing,OFDM）系统信道估计性能,研究了导频图案设计问题.在分析传统导频设计准则所存在问题的基础上,将测量矩阵和单位阵之间的欧式距离作为测量矩阵相关性的定义,进而得到新的基于互相关性最小化的导频设计准则;同时提出一种基于并行树的循环替换导频搜索算法,在每次循环时,依次替换各分枝节点中的每个导频位置,按照导频设计准则,采用先分枝内后分枝间选优的方法,避免了局部最优但全局错误的问题.仿真结果表明,使用新准则来设计导频可以提升稀疏信道估计效果,同时新的导频搜索算法具有较好的收敛性.      

大规模MIMO系统中基于DFT信道估计的导频污染消除方案

在大规模MIMO系统中,当基站不存在协作时,随着基站天线数的无限增加,快衰落效应和非相关噪声都能被平均掉,导频污染成为制约大规模MIMO系统性能的瓶颈。基于此,本文提出了一种基于离散傅立叶变换(DFT)信道估计的导频污染消除方法,在时域信道冲击响应中通过DFT和IDFT变换把有用的信号长度之外的污染信号当成一个样本,利用有用信号之外的污染信号样本生成一个阀值,通过引入这个预设的判决阀值,筛选出有效的信道冲击响应,消除导频污染造成的干扰。改善了信道估计的性能。仿真结果表明,在大规模MIMO系统的信道环境下,本文提出的方法可以进一步提高信道估计的精度,提高大规模MIMO的性能。     

一种多点协作压缩感矢卩信道估计伪随机导频图案生成算法

为了减少集中式/协作式/云计算无线接入网(centralized,cooperative,cloud radio access network,C-RAN)平台多点协作通信的信道估计中插入导频的数量,引入了压缩感知技术,进而提出一种伪随机导频图案生成算法,生成一种导频图案设计方案.由该算法生成的导频图案能满足压缩感知的观测矩阵条件,可以使得收发两端能同步计算出导频位置信息,克服了传统压缩感知信道估计因采用随机导频图案使得接收端很难确定导频的插入位置信息,进而很难分离导频与数据的问题.此外,该算法还能根据实际硬件条件,在性能与计算时间上进行权衡.通过在数字信号处理(digital signal process,DSP)芯片上进行硬件验证和Matlab软件上进行仿真验证,仿真结果表明,在C-RAN平台的多点协作通信的信道估计中,提出的方案具有较好的性能.     

大规模MIMO系统中基于空时相关性的导频减小算法

在大规模多输入多输出(multiple input multiple output,MIMO)系统信道估计过程中,基站向用户端发送导频信号.由于导频数量与基站发射天线的数量成正比,传统信道估计过程会产生巨大的导频开销,尤其是对于采用频分双工通信方式的(frequency-division duplexing,FDD)大规模MIMO系统.为了解决这一问题,通过利用无线MIMO信道的空间公共稀疏性和时间相关性,提出一种基于压缩感知(compressed sensing,CS)技术的导频开销减小算法,其中,空时相关性用来提高信道估计精度.该算法能够在未知大规模MIMO系统信道稀疏度的情况下,自适应地获取精确的信道状态信息.分析和仿真结果表明提出的算法在减少导频开销方面优于局部公共支撑算法,同时能够维持良好的信道估计性能.     

基于KNN-TSVR算法的MIMO-OFDM系统信道估计

为了提高多输入多输出正交频分复用(MIMO-OFDM)系统的信道估计性能,提出了一种基于K近邻加权孪生支持向量回归(KNN-TSVR)的信道频率响应估计算法.该算法的工作过程是首先用最小二乘算法对导频位置的信道参数进行估计,获取训练样本,然后用K近邻(KNN)算法对训练样本进行预处理,得到赋予各样本的权重,最后由加权TSVR对MIMO-OFDM系统所有位置的信道参数进行插值估计.本文提出的改进的加权TSVR信道估计方法不仅具有TSVR对非线性关系回归的优势,同时引入KNN算法对TSVR进行改进,使得该算法与传统TSVR相比,具有更好的回归性能和抗噪声能力.对非线性MIMO-OFDM信道进行估计的仿真实验结果证实了这一结论.     

基于集成神经网络的信道估计方法研究

为解决噪声以及信号干扰等因素严重影响接收端信道估计的问题,提出一种基于集成神经网络的信道估计方法,利用多个改进后的神经网络来提取带噪导频信号与原始导频信号之间的非线性关系模型,根据其输出误差来计算差异度值,并结合差异度对其进行集成,得到训练完成的集成神经网络模型,通过集成神经网络模型来获取信道估计结果;与最小二乘(least squares,LS)估计方法相比,该方法不仅可以提高通信的可靠性,而且还能减少导频开销提高通信有效性;在不同的调制方式下,当误码率相同时,算法所需的信噪比LS算法均要更低;基于正交频分复用(orthogonal frequency division multiple,OFDM)通信系统进行仿真,结果证明,该方法具有优良的性能。