基于信号强度的最大似然振幅估计迭代算法

为避免频率和相位估计所带来的误差,研究只根据接收到的信号幅值即信号强度就可以进行振幅估计的算法。针对已知噪声方差的情况,采用最大似然原理推导出含振幅估计的等式,提出了两种迭代算法,并对其平均迭代次数及计算复杂度进行了比较。仿真试验结果显示,两种迭代算法性能几乎相同且均优于传统振幅估计算法,其中牛顿迭代法计算复杂度略高,但其平均迭代次数小于阶梯迭代法,尤其是在低信噪比下。由此可见,基于信号强度的最大似然振幅估计牛顿迭代法优于其他振幅估计算法。     

商分编码QAM的性能分析

商分编码QAM由于无需信道估计和均衡,因此降低了在瑞利衰落信道解调的复杂性。于是在分析一种星形商分编码QAM的基础上,将其在平坦瑞利衰落信道上的误码率公式推广到更多元的星座图,并对星座图进行了优化。发现数值计算结果和仿真结果的一致,从而证明了误码率公式的适用性。通过对此结果的比较表明,商分编码QAM在瑞利衰落信道的误码率比DAPSK低。     

针对相位噪声的广义软判决辅助相位估计算法

判决辅助最大似然(DA-ML)和软判决辅助最大似然(SDA-ML)载波相位估计器均假定静态分块载波相位,因此在高信噪比下会出现误差下限。通过引入多元高斯分布模型,提出广义SDA-ML相位估计算法,并通过分解信道协方差矩阵来降低计算复杂度。仿真试验结果表明,对于高阶QAM调制,广义SDA-ML可以显著降低DA-ML和传统SDA-ML的误差下限。