OFDM系统中基于导频的信道估计及其MATLAB仿真

本文介绍了正交频分复用(OFDM)系统中两类常用的信道估计算法:最小二乘(LS)和最小均方误差MMSE).在广义平稳的多径时变瑞利衰落信道模型下,利用MATLAB程序仿真实现了LS、MMSE以及简化的MMSE信道估计,得出了均方误差(MSE)和误符号率(SER)随信噪比(SNR)变化的曲线.仿真结果表明,MMSE算法的效果要优于LS,简化MMSE算法的运算复杂度介于LS和MMSE之间,且估计精度接近MMSE算法.     

OFDM系统中基于导频的信道估计及其MATLAB仿真

本文介绍了正交频分复用（OFDM）系统中两类常用的信道估计算法：最小二乘（LS）和最小均方误差（MMSE）。在广义平稳的多径时变瑞利衰落信道模型下,利用MATLAB程序仿真实现了LS、MMSE以及简化的MMSE信道估计,得出了均方误差（MSE）和误符号率（SER）随信噪比（SNR）变化的曲线。仿真结果表明,MMSE算法的效果要优于LS,简化MMSE算法的运算复杂度介于LS和MMSE之间,且估计精度接近MMSE算法。     

α稳定噪声下最小均方Sigmoid误差自适应时间延迟估计

为解决脉冲噪声下最小均方误差自适应时间延迟估计算法估计性能的退化问题,以对称α稳定分布模型描述脉冲噪声,提出最小均方Sigmoid误差自适应时间延迟估计算法.该算法通过对误差信号求取Sigmoid变换,抑制了较大误差对估计结果的影响.以最小均方Sigmoid误差代替最小均方误差作为优化准则,迭代模拟信道延迟效应的滤波器权系数,其收敛时峰值的位置就是所要估计的时间延迟.仿真结果验证了该算法在高斯和非高斯对称α稳定分布噪声条件下的优良估计性能,说明最小均方Sigmoid误差是一种韧性的最优准则.     

基于Kalman滤波的自适应MIMO信道估计

给出了一种基于Kalman滤波的自适应MIMO信道估计方法，分析了算法的剩余误差能量随迭代次数增加的变化情况，对饱和MIMO系统和欠饱和MIMO系统，分别采用Kalman自适应MIMO信道估计方法和最大似然信道估计方法，进行了数值仿真和对比。从对比的结果来看，文中给出的Kalman自适应信道估计具有和最大似然信道估计相近的性能，而在饱和系统中，Kalman估计算法性能要略好一些。     

基于EM的MIMO-OFDM系统LMMSE信道估计

最小均方误差(MMSE)信道估计算法应用于MIMO-OFDM系统时将带来高计算复杂度且不易实现,根据这个问题,提出了一种基于期望最大化(EM)的线性最小均方误差(LMMSE)信道估计算法,并分析了该算法的性能.EM算法可以把多输入多输出(MIMO)信道估计问题转化为一系列单输入单输出(SISO)信道估计问题,避免了大规...     

宽带快衰落MIMO信道中高斯插值算法研究

对时变多输入多输出（MIMO）信道的估计和跟踪是实现MIMO系统接收端准确检测、解码等的前提。将低阶高斯插值算法应用于宽带Rayleigh快衰落MIMO信道，对其快速变化实现估计，与采用信道跟踪相比，该方案算法复杂度低，且易于实现。同时对该算法进行了仿真，分析了影响算法性能的主要因素。仿真和分析表明，高斯插值估计算法与单纯的最小二乘相比可以较好地反映快衰落信道的变化，较大地降低系统的估计误差，改善系统的性能。     

基于EM算法的MIMO OFDM系统信道估计

针对慢时变频率选择性MIMO OFDM(Multiple Input Multiple Output Orthogonal Frequency Division Multi-plexing)系统,提出一种低复杂度的信道估计算法.文中所用方法是STBC(space-time block coded)MIMO OFDM系统中一种基于EM(Expectation Maximization)的自适应信道估计技术.仿真结果显示在慢衰落环境下,随着用户数的增加,最小均方误差性能没有损失.与RLS(Recursive Least-Squares)算法比较,本文所提出的方法利用了Alamouti STBC编码结构,从而降低了计算复杂度.     

基于双曲正切函数的智能天线变步长LMS算法

提出一种基于双曲正切函数的智能天线变步长最小均方（LMS）算法. 通过建立步长因子与误差信号的双曲正切函数关系改进LMS算法, 解决了固定步长时收敛速度和稳态误差间的矛盾. 仿真结果表明, 所提出的变步长最小均方算法比标准的最小均方算法有更快的收敛速度和更小的稳态误差.     

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.     

线性调制下LMS和RLS算法研究及仿真

利用MATLAB仿真软件对线性调制下LMS和RLS两种算法进行仿真,通过仿真比较了两种算法的收敛速度,对两种算法收敛后的误码率进行分析,研究了步长对LMS算法均方误差性能曲线的影响和遗忘因子对RLS算法性能曲线的影响．     

Subspace.Based Blind Channel Estimation Method for MIMO-OFDM Systems

A subspace-based blind channel estimation algorithm for MIMO-OFDM systems is proposed. This algorithm exploits the eyclostationarity introduced by cyclic prefix of OFDM to estimate the channel parameters. The proposed new algorithm is found to be outperforming the other algorithm with respect to convergence rate and achievable mean square error and robustness to channel order over determination.     

人工蜂群粒子滤波信道估计算法研究

人工蜂群算法是用以解决复杂优化问题的新方法,具有收敛速度快、优化性能高等特点.将人工蜂群算法与粒子滤波相结合应用于信道估计可以摆脱常规方法对线性高斯条件的束缚,具有理论依据和现实意义.结合2种算法的优势提出了人工蜂群粒子滤波,采用人工蜂群算法确定粒子滤波的建议分布.仿真将Alpha稳定分布作为非高斯噪声模型,实现了粒子滤波及其改进算法的信道估计研究.结果表明人工蜂群算法与其他智能算法相比具有更快的收敛速度,改进人工蜂群粒子滤波与无迹粒子滤波相比极大地提高了信道估计精度.     

低复杂度的大规模MIMO分布式信道估计

针对大规模多输入多输出(multiple-input multiple-output, MIMO)系统传统信道矩阵获取方式导频开销大、计算复杂度高的问题,提出了一种低复杂度的二阶段分布式信道估计方案。该方案的初始阶段在基站侧采用传统压缩感知算法恢复信道矩阵,第2阶段在用户端利用信道的时间相关性,将大规模MIMO的角度域信道分解为密集部分和稀疏部分,并分别估计以实现连续信道追踪。稀疏部分信道通过所提的分布式自适应弱匹配追踪(distributed adaptive weak matching pursuit, DAWMP)算法,利用子信道的联合稀疏性进行多维重建。相比于线性最小均方误差(linear minimum mean square error, LMMSE)算法,所提方案的信道分解策略有效减少了在用户端进行信道估计的计算复杂度。仿真结果表明,所提算法与经典压缩感知信道估计算法相比,计算复杂度降低了约33%,算法性能提升了约0.5 dB。     

基于子空间的OFDM系统半盲信道估计研究

提出了一种基于子空间的改进OFDM系统半盲信道估计算法,利用信号子空间和噪声子空间的正交特性将子空间分解,实现了色噪声背景下高效半盲信道估计.仿真结果表明,在时变信道下具有更好的收敛性,体现了算法好的稳定性以及快速跟踪系统变化的性能.     

利用高阶统计量的盲MIMO信道估计

在无线的MIMO(多输入多输出)通信系统中,使用高阶统计量进行盲信道估计能够进一步放松对信道的限制。介绍了FIRMIMO盲信道估计的数学模型和3种典型的基于高阶累积量的盲信道估计算法,并对这3种算法进行比较和分析,得出仿真结果,提出其中存在的缺陷和能够改进之处。     

多用户多输入多输出系统预编码技术的研究

主要研究了非理想信道状态信息(Channel State Information,CSI)条件下,多用户多输入多输出(MIMO)系统的Tomlinson-Harashima Precoding(THP)算法.首先分析了信道估计误差对系统误码率(BER)性能的影响,仿真结果表明:信道估计误差对系统BER性能影响较大.在此基础上,应用best-first算法对系统性能进行改进,提高了系统的BER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.     

分布式MIMO系统中载波频偏和信道的EM-PF联合估计

考虑了平衰落背景下分布式MIMO系统中载波频偏和信道的联合估计问题.与集中式MIMO的联合处理方法不同,改进了EM算法,提出了EM-PF算法解决这一强非线性难题.仿真结果表明:改进的算法更逼近克拉美罗界,在高性噪比条件下,误码率更低,有很大的实用价值.     

MIMO-OFDM无线通信系统鲁棒的二维导频辅助信道估计

结合MIMO(多输入多输出)系统中多天线之间导频信号存在干扰的问题，提出了一种MIMO-OFDM(多输入多输出-正交频分复用)无线通信系统的鲁棒的二维导频辅助信道估计方法。实验结果表明，该估计方法对无线信道的统计特性不是很敏感，在多输入多输出天线的时变无线信道中有很好的估计与跟踪性能。