超低频大气噪声幅度概率分布模式的辨识

通过对实测的超低频大气噪声幅度统计分析,验证超低频信道噪声幅度服从Middleton的ClassA模型。为保证超低频噪声幅度统计特性的准确性,采用频域法对超低频信道电磁噪声数据进行预处理,抑制了50Hz工频干扰。接着对超低频信道大气噪声数据进行Lilliefors假设检验,证明了超低频信道大气噪声的非正态属性。最后在估计Class A瞬时幅度概率分布参数值的基础上,根据概率分布图和Q-Q图结果综合分析作出结论,即采用Class A瞬时幅度概率模型,可以很好地描述超低频信道大气噪声数据的幅度统计特性。     

基于LDPC码的BICM在PSK系统中的性能研究

将低密度校验码(LDPC码)与比特交织编码调制(BICM)相结合,分别给出了其在BPSK、QPSK和8PSK调制方式下AWGN信道和Rayleigh衰落信道中的性能,研究了帧长和迭代次数对系统性能的影响,最后在Rayleigh衰落信道中分析了信道信息对于性能的影响,仿真结果表明,BICM中采用LDPC码在AWGN信道和Rayleigh衰落信道中都具有较好的性能.     

基于硬判决BICM-ID系统的性能研究

对三种映射方式(SP,MIXED,GRAY)下的BICM-ID系统的性能做了分析和估计,得出MIXED映射性能最佳.在MIXED映射下,研究了不同卷积码编码状态数、不同帧长以及信道状态信息(CSI)对系统性能的影响.仿真结果表明,在AWGN信道和Rayleigh信道下,增加卷积码编码状态数或增加帧长都会带来性能的增益;在Rayleigh信道下,有CSI性能要好于无CSI时性能.     

基于LDPC码的BICM系统中的迭代盲信道估计

针对传统基于导频辅助的信道估计方法频带利用率低的不足,提出一种块衰落信道下的迭代盲信道估计算法,该算法基于最大似然估计(maximum likelihood,ML),将译码产生的信息经判决、交织和映射后的符号作为发端的符号估计进行联合迭代信道估计和译码,随着迭代次数的增加,译码输出值更加精确,信道估计值也越来越精确。将之应用到基于低密度校验(low-density parity-check,LDPC)码的比特交织编码调制(bit-interleaved coded modulation,BICM)系统中,仿真结果表明,在对迭代信道估计算法性能的影响上,信噪比与衰落信道的块长之间存在着折中关系,即在低信噪比区域,块长较大时的性能要好于块长较小时的性能,而在高信噪比区域,情况正好相反。     

BICM-OFDM中基于ML算法的迭代信道估计

基于最大似然估计(ML),提出了一种新的联合译码的迭代信道估计算法。该算法利用比特交织编码调制(BICM)中迭代译码的硬判决信息,进行信道估计与译码之间的信息交换。在基于BICM的OFDM系统(BICM-OFDM)中,在短波宽带信道下的仿真结果表明,经过4次迭代,系统的误码率性能收敛。与传统ML算法相比,算法可有效的提高估计精度。     

一种BICM-ID系统中的迭代载波相位恢复算法

提出一种基于软判决BICM-ID系统中的DD(Decision-Directed)迭代载波相位同步算法。该算法基于最大似然估计(ML)算法,利用BICM-ID译码产生的判决信息,通过迭代地在同步和解码之间交换信息来完成联合解码和载波相位同步。仿真结果验证了算法的有效性,较传统的相位同步算法具有更优的性能,随着信噪比的增大,更快地逼近理想同步性能。