基于信道噪声估计的自适应混合ARQ

为了提高通信系统的传输量以及可靠性,高速可靠的数据传输系统经常采用自动重传请求与前向纠错相结合的混合ARQ方案.根据传统的混合ARQ方案的不足,提出了一种基于信道噪声估计的混合ARQ方案,分析了系统的数据交换量、平均传送时间.最后通过实验仿真说明了本方案可以获得较大的数据交换量,减小平均传送时间,提高系统的传输可靠性.     

基于信号噪声子空间的OFDM信道估计

在分析基于奇异值分解(SVD)的线性最小均方误差(LMMSE)估计的实现原理的基础上,结合信号、噪声子空间理论,给出了矩阵低阶近似时秩的选取方法.计算机仿真结果表明提出的低阶秩选取准则能够提高该算法在各种工作环境下的适应性.     

WCDMA中基于分形插值的信道估计方法

为改进第3代移动通信标准WCDMA中基于时分复用导频符号辅助的信道估计问题,将分形理论引入多径衰落信道的描述．在多径衰落的分数布朗运动模型的基础上,提出一种利用两个连续时隙的导频符号估计出的信道参数进行分形内插的信道估计方法．与传统方法相比,该算法充分考虑了在高速运动及深度衰落的情况下信道参数快速变化的因素,使系统能更准确地估计衰落信道的参数,其性能在高速信道下优于原有算法,且可以自适应地跟踪信道衰落的变化．仿真结果验证了采用该方法的Rake接收机性能．与传统的随机模型相比,新的分形信道模型能更好地刻画出多径衰落的行为．     

IR-UWB系统中基于信道缩短的信道估计

 针对脉冲无线电超宽带(IR-UWB)系统,提出一种基于信道缩短的信道估计算法.首先基于最小信道缩短方差(MSCSE)准则,利用接收导频序列提出一种信道缩短算法,然后利用信道缩短均衡器输出序列估计出复合信道,最后利用反卷积求出原信道参数.仿真表明,信道长度不大于符号宽度时,缩短前后估计信道的均方误差(MSE)接近;信道长度大于符号宽度时,缩短后MSE比缩短前至少低4.3dB.     

CCFD中继系统中基于多维矩阵的信道估计方法

针对同时同频全双工(CCFD)技术的双向中继系统,提出了一种基于多维矩阵的信道估计方法。该方法由自干扰消除、多维矩阵建模及信道估计三部分组成。在两用户端,所提方法同时发送所设计的导频序列至中继,中继对接收的信号进行自干扰消除,然后放大转发至两用户;所提信道估计方法无需在中继处进行信道估计,减轻了中继负担,无需迭代。仿真实验结果表明,与已有的最小二乘(LS)、两步训练序列(TST)和非迭代P_KRF信道估计方法相比,所提方法具有更高的信道估计精度且天线配置更灵活,对信道的估计更稳定,更具有实际意义。     

基于分数时延信道模型的低复杂度信道估计方法

由于多载波系统无线信道固有的稀疏特性,压缩感知技术(compressed sensing,CS)已被应用于正交频分复用(orthogonal frequency division multiplexing,OFDM)系统的信道估计中以提高频谱利用率.然而,传统的时域普通采样方法会导致信道恢复字典不够精细,无法精确反映传输信道路径特性.针对这一问题,提出采用多径稀疏分数时延信道模型来模拟OFDM系统的无线多径信道,利用在接收端进行时域过采样方法细化信道恢复字典以提高信道估计精度.同时,针对过采样引起的压缩感知测量矩阵的扩大而导致重构算法的复杂度增加的问题提出采用广义正交匹配追踪算法(generalized orthogonal matching pursuit,GOMP)以降低计算复杂度.仿真结果表明接收端时域过采样方法能准确检测到信道的分数时延且采用的GOMP算法能将传统的OMP算法的复杂度降低近80％,验证了所采用的信道估计方法的可靠性和有效性.     

时变信道下基于LSTM的信道估计方法

针对时变信道环境下传统信道估计方法性能受限,其他基于深度学习的信道估计方法估计精度低或复杂度高的问题,提出一种基于长短期记忆结构的信道估计网络,由双向长短期记忆(bidirectional long short-term memory, BiLSTM)网络和多层感知器(multilayer perceptron, MLP)网络组成,即BiLSTM-MLP.首先,利用BiLSTM网络来学习信道的时变特性;然后,利用MLP网络进行去噪并重构信道估计.仿真结果表明,所提出的信道估计方法与传统方法相比,性能提升明显,与同类型的基于深度学习的估计方法相比,复杂度较低且性能更优.此外,所提方法还具有对不同导频密度的鲁棒性.     

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。     

面向脉冲噪声环境的多径信道鲁棒估计方法

在低压电力线通信(power line communication,PLC)中,由于脉冲噪声的干扰和阻抗不匹配引起的多径信道的影响,传统的在加性高斯白噪声环境下的信道估计算法运用到电力线通信时,往往效果很差,甚至得到的结果毫无意义。针对电力线通信中的脉冲噪声,采用了Middleton Class A脉冲噪声模型。通过基于高阶矩的方法对脉冲噪声的参数进行估计。根据估计得到的脉冲噪声参数,提出了新颖的、在脉冲噪声环境中鲁棒的信道估计算法。通过仿真,验证了提出的算法是可靠的,并且具有一定的灵活性。     

稀疏信道下基于变换域的上行OFDMA信道估计方法

单用户正交频分复用(OFDM)系统通常使用插入的频域导频获得信道频域响应(CFR),将此CFR变换到时域进行滤波以获得更准确的信道估计。上行正交频分多址接入(OFDMA)系统中由于每个用户信号占用不同的子载波且经过的信道不同,使用上述方法会由于窗函数畸变产生能量泄漏。该文提出一种时域滤波频域补偿(TFFC)方法,使用补偿向量对时域滤波后的CFR进行补偿,降低变换域算法中由于畸变引起的能量泄漏,并给出在稀疏信道条件下该补偿向量的简化解。仿真表明:采用该方法,上行OFDMA信道估计的性能得到很大改善。     

基于信道模型过估计的最小噪声子空间盲辨识

研究基于信道模型过估计的盲系统辨识问题.采用最小噪声子空间方法,提出了一种通信信道盲辨识算法.与现有算法比较,提出的算法减少了辨识过程的计算量,提高了辨识精度,并对信道阶数过估计具有鲁棒性.仿真结果表明,在信道阶数过估计时,提出的算法仍能给出较好的参数辨识效果.     

噪声标签识别与纠正的置信度预测方法

弱监督场景下的标签噪声广泛存在于现实世界的数据中,导致分类性能下降。测量误差、主观标签偏差和人为标记错误都是导致噪声标签的主要原因。为降低噪声标签对模型分类性能的影响,该文提出一种噪声标签识别与纠正的置信度预测方法(CPRC)。首先,定义初始可信样本选择策略,筛选优质的可信样本;然后,建立置信度连接关系,设计标签概率预测方法,推断样本标签置信度;最后,迭代搜索最优置信度样本,实现噪声标签识别和纠正。该文选择在Seeds、Penbase等经典数据集上进行广泛实验,实验结果表明,该文算法可以显著提高不同类型基础分类器在不同噪声比下的分类性能,且性能优于目前先进的噪声标签学习算法。     

基于傅立叶变换的OFDM信道估计方法研究

分析了无线OFDM 系统中基于傅立叶变换的信道估计方法,提出了在低信噪比情况下使用LMMSE估计的一种改进方法和在高信噪比情况下使用不需要先验信息的LS估计的改进方法。仿真结果表明，在无线多径慢衰落信道条件下，该改进方法都能够有效对抗频率选择性和先验信息的估计偏差对信道估计的影响，在估计性能与算法复杂度之间取得良好折衷。     

基于噪声估计的FRFT-TDCS门限设计方法

针对FRFT-TDCS采用传统门限设置方法时难以有效剔除多分量LFM干扰的问题,提出了基于噪声估计的FRFT-TDCS门限设计方法。该方法在分析FRFT域内LFM干扰信号和噪声频谱分布特征的基础上,通过干扰信号在FRFT域内能量聚焦的位置和展宽,计算得到"干净"频谱的子载波集合,并根据高斯白噪声幅度的统计特性以及系统性能要求自适应确定门限值。仿真结果表明,对于单分量LFM干扰信号,采用该方法在λ2.6时,均可以剔除干扰信号频谱;对于多分量LFM干扰信号,采用该方法在3λ2.2时,能够最大限度地剔除干扰信号频谱,保留"干净"频谱。相比传统的硬门限设置方法,该方法在多分量LFM干扰信号条件下的剔除效果具有明显优势,可以达到更好的系统误比特率性能。     

OFDM系统中信道估计的插值方法分析

近年来,正交频分复用(OFDM)技术已被越来越多的人所关注,并且在IEEE 802.11无线局域网中得到实际应用.在OFDM系统中一般要进行信道估计,本文对常用的四种信道估计插值方法进行了分析,并给出了仿真结果.结果表明,采用离散傅立叶插值所得到的效果最好;采用三阶样条曲线插值次之;采用基于二阶多项式插值的方法比三阶样条曲线插值又要差些;采用线性插值的方法所得到的效果最差.     

MIMO-OFDM中稀疏度自适应的信道估计方法

将压缩感知应用在稀疏度未知的多天线正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing,MIM0-OFDM)系统信道估计中,提出一种2级阈值的变步长自适应匹配追踪(variable step size adaptive matching pursuit,VssAMP)算法,利用残差值确定第1级阈值调整稀疏度步长,提高信道稀疏度的估计精确度,利用噪声能量和信噪比(signal to noise ratio,SNR)确定第2级阈值控制算法迭代条件,降低小信噪比时信道重构误差.理论分析和仿真结果表明,该算法减小了初始步长对信道稀疏度估计精确度的影响,解决了VssAMP算法阈值难以确定的问题,相比原算法提高了信道估计精确度.     

对称α稳定分布噪声下基于Kalman滤波迭代信道估计

为了提高加性脉冲噪声衰落信道环境下的通信传输性能,提出了一种适用于对称稳定分布噪声的基于Kalman滤波的迭代信道估计方法。该方法利用时变信道的先验统计信息将信道建模为一阶自回归模型,并将最小分散系数准则应用于Kalman滤波信道估计方法中,从而更充分地利用了时变信道和非高斯噪声的先验信息。在较为严重的时变脉冲信道下,该方法比最小平均p范数估计方法性能要优约2 dB。仿真结果表明:该方法能消除脉冲噪声和稳定分布二阶矩不存在等不利因素的影响,能快速准确地跟踪并预测时变信道的变化,且性能显著地优于传统的最小均方误差和最小平均p范数信道估计方法。     

OFDM中基于DFT信道估计的改进算法

在正交频分复用(OFDM)系统的估计算法中,基于离散傅里叶变换(DFT)的信道估计因其算法实现简单,性能又优于最小二乘法(LS),常常用于实际OFDM系统中.传统的DFT算法中通常只抑制了信号中循环前缀(CP)外的噪声,并没有消除循环前缀内的噪声.提出了一种改进型算法,该算法通过加窗降低系统中频谱泄露现象,并对噪声进行估计修正,考虑到CP范围内外的噪声分布情况,设置了一个新的阈值点来抑制样本内的噪声.仿真结果表明:该算法较传统的DFT估计算法性能更好,更进一步地改善了系统误码率,能获取准确的信道信息.     

基于协同滤波的尖峰噪声抑制方法

针对旋转磁共振探测方法易受尖峰噪声干扰的问题, 提出一种协同滤波消除核磁共振探测数据中尖峰噪声的方法. 先通过3σ法则判断一个脉冲矩下测量数据是否存在尖峰噪声, 将测量数据分为有尖峰噪声和无尖峰噪声两组; 再分别对其进行离散余弦和Hadamard变换, 得到两组变换域系数, 用无尖峰噪声数据的变换系数计算Wiener滤波系数, 利用该系数对含尖峰噪声的数据进行滤波; 最后, 对滤波后含尖峰噪声数据的系数进行Hadamard和离散余弦逆变换, 实现尖峰噪声的消除. 仿真实验结果表明, 该方法对地面核磁共振数据中尖峰噪声的消除准确度较高, 提高了信号特征参数的提取精度.     

OFDM系统中基于导频的信道估计

作为一种高效的传输技术的正交频分复用(OFDM)，将被广泛地应用于下一代无线通信系统。介绍了OFDM系统中基于导频的信道估计算法，并通过计算机仿真给出了各种算法的误码率特性和均方误差性能，仿真结果验证了线性最小均方误差(LMMSE)的性能比最小平方(LS)更为优越。