基于JADE与特征提取的正交/非正交空时分组码盲识别

针对非协作多输入多输出通信系统中正交空时分组码(orthogonal space-time block codes, OSTBC)与非正交空时分组码(non-orthogonal space-time block code, NOSTBC)的盲识别问题,提出结合特征值矩阵联合近似对角化(joint approximate diagonalization of eigenvalue matrix, JADE)与特征提取的盲识别方法。首先将接收信号转换为盲源分离问题中的线性瞬时混合模型,然后利用JADE算法估计出该模型的虚拟信道矩阵,根据该信道矩阵的相关矩阵为数量矩阵的特点,从相关矩阵中提取特征参数,利用此特征参数识别OSTBC与NOSTBC。仿真结果表明,在较低信噪比以及不同的调制模式下,所提方法均可有效识别出OSTBC与NOSTBC。     

超宽带通信中空时分组码的一种闭式盲解码法

针对应用于超宽带(UWB)通信中的正交空时分组码提出了一种计算复杂度较低的盲解码方法。利用正交空时分组码的特性,估计出信道矩阵,并将该信道矩阵用于最大似然接收机,从而得到发送信号的估计。平坦衰落环境中的仿真表明,该方法能够实现和相关接收相同的分集增益;并且随着信道相关时间的增加,性能逐渐接近于相关接收。     

基于卷积神经网络的串行空时分组码盲识别算法

针对多输入单输出(multiple input single output, MISO)系统中的空时分组码(space-time block code, STBC)盲识别问题, 提出了一种基于卷积神经网络(convolutional neural network, CNN)的串行STBC识别方法。首先, 结合STBC识别问题提出了基本CNN (CNN basic, CNN-B)框架; 然后在分析STBC相关性的基础上, 针对空间复用和Alamouti信号混叠问题, 设计了基于相关性的CNN (CNN based on correlation, CNN-BC)模型; 最后将STBC数据集输入到网络模型中, 完成网络的训练和识别测试。仿真结果表明, 相比于基于特征提取的传统算法, 该方法将可识别的STBC扩展到了6种, 并且在低信噪比下的识别准确率更高, 识别过程可控制在微秒级别, 具有较高的工程应用价值。     

脉冲噪声衰落信道中正交空时分组码的误码率

从信噪比(SNR)观点对脉冲噪声环境下衰落信道中正交空时分组码(OSTBC)的理论误符号率(SER)进行了分析。基于STBC引入的标量等效矩阵,给出了STBC解码后每符号瞬时SNR的概率密度函数。假设信道为准静态平坦衰落,并将信道干扰噪声建模为ε-高斯混合分布。推导了Rayleigh、Rician及Nakagami-m三种衰落信道下采用MPSK和MQAM调制方式的OSTBCSER闭式表达式。该闭式解可以用于评估脉冲噪声环境中OSTBC的性能。此外,进行了蒙特卡洛仿真验证了分析的正确性。     

基于子空间跟踪的扩频码盲估计算法

针对直接序列扩频(DS/SS)信号的扩频码盲估计问题,改进了特征分解的方法,利用滑动窗技术取得码同步,并提出了一种基于信号子空间跟踪的PN(pseudo noise)码恢复算法。计算机仿真表明,由于这种算法避开了直接的特征分解求解,降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能上优于已有的梯度算法和神经网络算法。     

基于子空间的MIMO OFDM盲载波同步方法

针对MIMO OFDM系统,分析了多径信道与频域信号Hadamard积子空间的特点,构造了适合多天线条件下的基于子空间投影的频偏估计代价函数.该代价函数只和归一化频偏与接收数据有关,不需要信道信息和发送数据信息,因此是一种能有效提高数据传输效率的盲频偏估计方法.与已有盲同步方法相比,所提方法不需要使用虚子载波,因而频谱利用率可得到进一步提高.文中对算法的性能进行了仿真,验证了算法可对一个子载波间隔内的归一化频偏进行精确估计.结果表明,该方法性能优于已有文献提出的MIMO OFDM盲载波同步方法.     

多接收天线下空时分组码解码算法的研究

针对时变瑞利衰落信道,提出多接收天线下两种新的空时分组码解码算法。由于多普勒频移和载频偏移,引起信道的时间选择性衰落,信道时间选择性衰落引起发送天线间互干扰(intertransmit antennas interfer-ence,ITAI)。所提方案中信道用一阶自回归模型建立,在多接收天线时,通过分集增益合并(diversity advantagecombiner,DAC)后,采用约束置零或cholesky分解的方法移除发送天线间互干扰。最后针对不同变化系数的衰落信道给出计算机仿真结果,结果表明提出的方案表现出了更好的性能。     

基于SPW的差分空时分组码的仿真实现

近年来，差分空时码受到广泛关注。这是由于当接收端没有信道状态信息时，差分空时码仍然可以获得良好的性能。在介绍了差分空时分组码编译码原理的基础上，将差分空时分组码封装为SPW中的自定义模块，然后在SPW中对差分空时分组码在瑞利平坦衰落信道下的性能进行了仿真，并与相同信道条件下具有理想信道估计的空时分组码的性能进行了比较。仿真和分析结论表明了差分空时码的优越性。     

基于准正交空时分组码的Chase译码

提出了一种基于QR分解的Chase译码算法(Chase-QRD-SIC),分析并验证了发射天线数越少时,该算法与ML算法性能越接近,在2×2 V-BLAST系统中该算法能达到与ML一致的性能;然后针对4×4 QOSTBC系统,通过EVCM模型把其分解成两个独立的2×2 V-BLAST子系统,分别进行Chase-QRD-SIC译码。仿真表明在4×4 QOSTBC系统采用这种译码方案,能达到ML性能,而且由于减少了参与计算ML度量的路径条数,较ML算法具有更低的复杂度。     

一种基于匹配滤波的空时分组码译码方法

空时分组码译码采用直接法构造判决统计量。两副发射天线、一副接收天线的空时分组码系统的判决统计量还有另外一种构造方法——匹配滤波法。将匹配滤波法进一步推广到多维空时分组码系统,给出了匹配滤波器的构造方法,并在SPW平台上对这种方法进行了仿真。分析和仿真结果表明:提出的增强匹配滤波法易于实现,适用于多维空时分组码系统,其误码性能与直接法相同。     

基于差分对数交叉熵的信噪比盲估计算法

针对盲估计算法复杂度高、运算量大等问题，研究了Turbo译码器中译码器输出的外部信息与信息信噪比的关系，引入差分对数交叉熵的概念。提出一种基于差分对数交叉熵的信噪出盲估计算法。仿真结果说明，采用此信噪比盲估计算法，在较小的系统性能恶化的前提下，大大简化了信道估计器的复杂度。对基于差分对数交叉熵的信噪比盲估计算法的误差性能的理论分析结果表明，采用此算法发生误判的概率很低，可以认为信噪比估计值十分可靠。     

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。     

基于RLS-SVM的OFDM信道估计算法

为了提高OFDM系统的传输效率,提出了一种新的信道估计算法.通过改变导频模式,在一个OFDM符号的前若干子载波处插入导频,并在导频处进行信道估计,在此基础之上,采用递归最小二乘支持向量机(RLS-SVM)测后续子载波处的信道频率响应.仿真结果表明,在违反采样定律的情况下,与传统的信道估计算法相比,基于RLS-SVM的信道估计算法获得了较好的性能,在同样的传输速率下,减少了导频个数,提高了系统的传输效率.     

基于源数估计的盲源分离

在信号源少于传感器观测到的混合信号时,未知信号源数目的估计一直是已有盲分离算法中一个未解决的问题。就盲分离在阵列信号处理中的应用,提出了一种基于四阶累积量的源数估计方法。由于四阶累积量对高斯噪声的抑制作用,从而可提高估计的分辨性能。给出了详细的计算方法,并用蒙特卡洛试验证实了该方法优于通常的源数估计算法。将其用于盲源分离,通过实例证明了该方法的正确性和有效性,从而解决了盲分离中信号源个数的估计问题,为盲源分离技术的应用进一步奠定了基础。     

基于RLS-BP算法的复信道盲均衡技术

基于RLS-BP(Recursion Least Square-Back Propagation,简称RLS-BP)算法提出了一种新的应用于复信道的神经网络盲均衡算法.算法实现了对一个输入、输出和权值都为复数的网络的训练.网络的误差传递采用后向传播(Back Propagation,简称BP)结构,用RLS算法实现网络的训练,这样不仅加快了网络的收敛速度,而且使得均方误差也进一步减小.为了适应复信道,新算法采用常数模(Constant Modulus algorithm,称CMA)算法的代价函数实现算法对复信道的盲均衡.最后对线性复信道和非线性复信道的均衡进行了仿真,结果表明新算法有较快的收敛速度,且稳态均方误差较CMA算法和传统的神经网络盲均衡算法有大幅度的降低.     

恒模算法与子空间法相结合的分数间隔盲均衡

恒模算法和子空间法是目前广泛应用于通信信号处理中的两种盲算法。将恒模算法和子空间方法相结合，提出一种基于恒模算法与子空间分解法的分数间隔盲均衡算法，仿真结果表明，新算法的收敛特性明显优于传统的恒模算法。     

基于噪声功率估计的FMT时域信道估计

利用PN码的循环相关性进行信道估计时,其估计值是有偏的,并且在低信噪比下受信道噪声的影响大。鉴于此,提出了基于信道噪声功率估计的FMT无偏信道估计算法,利用估计值数据特点,完全消除了残余直流偏置,同时在接收端利用导频序列估计信道噪声功率,根据路径信噪比选择出受噪声干扰大而能量贡献小的多径分量并将其置零,降低了信道噪声对估计精度的影响,改善了信道估计性能。     

SOBICM-ID中的迭代信道估计

应用Turbo原理,提出一种基于硬判决BICM-ID的迭代信道估计算法,将译码产生的硬判决信息经编码、交织、映射后的符号当作已知的训练符号进行迭代信道估计,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.将之嵌入到Turbo均衡中,仿真结果表明,在好信道下,不需要训练序列就能获得较好的性能;在坏信道下,使用较短的训练序列就能达到较好性能,有效提高了频谱利用率.