基于改进EM算法的分布式MIMO系统联合参数估计

鉴于采用最大似然算法估计分布式多天线系统的信道增益与频偏存在多维优化使计算复杂度高的缺陷,以及采用期望最大化（EM）算法存在收敛速度慢、对初值依赖性大的不足,而期望条件最大化（ECM）算法用一系列计算简单的CM步来代替一个复杂的M步,弱化了初值对收敛性的影响.综合考虑ECM算法与最大似然（ML）估计算法来优化EM的收敛过程,提出了一种高效稳定的EM算法.该算法在CM步取得频偏的更新值后,通过ML的结果来更新信道增益.仿真结果表明：该算法对初值的依赖性较低、计算简单且稳定性高,结合空间选择期望最大化（SAGE）方法后能大幅提高收敛速度,且所得估计值的均方误差（MSE）能够逼近Cramer-Rao界（CRB）.     

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...     

一种改进的DFT迭代的MIMO—OFDM系统信道估计算法

针对MIMO—OFDM通信系统中的非整数采样信道,提出了一种基于DFT迭代的低复杂度信道估计算法,该算法避免了复杂的矩阵求逆运算,较好地降低了高斯白噪声的影响．与最小二乘（least square,LS）估计算法相比,该算法有较大的性能改善．同时,提出的估计算法同样适用于整数采样信道,具有很好的实用价值．     

V—BLAST OFDM系统的信道估计方法

下一代宽带无线通信系统的核心技术MIMO—OFDM（Multiple—Input Multiple—Output Orthogonal Frequency Division Multiplexing）能显著提高系统的容量，但要获得该技术所带来的性能优势，快速、准确的信道估计是关键。为降低V—BLASTOFDM（Vertical—Bell Laboratory Layered Space—Time Orthogonal Frequency Division Multiplexing）系统中信道估计的运算复杂度和提高估计精度，提出了一种基于CAZAC（Constant Amplitude Zero Auto CorrelatiOn）序列的信道估计方法。该方法避免了矩阵求逆运算，利用该序列良好的自相关性，通过相关运算明显的抑制了噪声对估计性能的影响，使信道估计的性能得以显著提高。理论分析和计算机仿真结果表明．该方法较传统信道估计算法而言，能显著提高系统性能。     

正交频分复用系统中基于子空间跟踪的信道估计

基于导频的正交频分复用（OFDM）系统信道估计方法是通过在确定的时频位置发送已知的导频符号来获取信道参数的,通常包括导频位置的最小二乘估计和内插滤波两步。如果能够提高导频位置信道频域特性的估计精度,那么后续内插滤波的精度也就能相应地得到提高,为此,在建立通用参数化信道模型的基础上,提出一种子空间跟踪的改进算法,该算法通过基于Givens旋转的时延子空间跟踪和基于RLS滤波的幅度跟踪,提高了导频符号信道估计的精度,降低了跟踪算法的复杂度。仿真结果表明,基于子空间跟踪的信道估计方法具有较低的复杂度和较高的估计精度。     

一种改善的MIMO-OFDM系统MAP信道估计

在MIMO-OFDM系统下提出一种最大后验概率(MAP)信道估计算法.该算法利用期望最大化(EM)算法把MIMO信道估计分解为一系列独立的SISO信道问题,降低了MAP算法的计算复杂度.同时,根据在角域内不同发送和接收天线间的信道可近似为空间不相关,利用最有用抽头(MST)技术来减小噪声对估计性能的影响.仿真实验表明,与传统LS和EM算法相比,所提算法在低信噪比下具有较低的估计误差.     

OFDM系统中简单高效的时间同步算法

提出一种新的正交频分复用（OFDM）系统中的最大似然时偏估计算法．该算法在高斯加白噪声（AWGN）信道和多径衰落信道2种环境下与H．Minn的算法基于估计的均方误差进行了性能比较．提出的算法由于在高信噪比的情况下不存在性能下限,因而即便是在多径衰落环境下仍能保证较高的估计精度和较低的运算复杂度．     

基于导频和循环前缀联合的OFDM系统频率同步算法

正交频分复用（OFDM）是一种高效的数据传输技术,具有良好的抗衰落能力,可实现并行传输.但是OFDM对同步误差十分敏感,特别是频率同步误差.传统的基于导频和循环前缀的算法虽对频偏估计很有效,但计算复杂度较高.该文在联合算法的基础上提出了一种改进的频率同步算法.该算法通过简化最大似然函数降低了频偏估计的计算复杂度并提高了估计性能.通过仿真表明,在信噪比较高时,改进的算法频偏估计性能更优于联合算法.     

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.     

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.     

叠加训练序列OFDM系统的迭代最大似然信道估计

叠加训练序列正交频分复用系统具有频谱效率高的优点.传统的基于叠加训练序列的信道估计方法仅使用一阶统计量,受功率分配和噪声影响较大.文中利用训练序列与数据信号相加后发送并经历相同信道的特性,提出一种最大似然方法进行系统的信道估计.该方法将发送的数据信号视为高斯随机变量,由此建立关于信道参数的似然表达式,采用循环最小化技术对参数进行迭代求解并获得方差下界,最后对算法的收敛性进行了分析.仿真实验表明,文中方法同时利用了接收信号的一阶与二阶统计量,从而获得了更优的均方误差和误符号率性能.     

一种基于离散余弦变换的OFDM信道估计方法

正交频分复用(OFDM)是实现无线多媒体通信的核心技术,信道估计是OFDM系统的关键技术之一.提出了一种改进的基于离散余弦变换(DCT)的OFDM信道估计算法.算法对序列尾部的插值进行了改进,将得到的信道估计变换到时域,通过平均的方法进一步提高了信道估计性能.仿真结果显示,改进的DCT插值信道估计方法比常规算法性能更优,系统性能得到改善.     

一种利用接收信号冗余特征的基于子空间的盲信道估计算法

提出了一种基于子空间OFDM盲信道估计算法的改进算法。由于OFDM传输方程不能直接推导子空间算法,故给出了一种新的方法对OFDM传输方程作矩阵变换,该方法利用接收信号的冗余特性,得到一个结构简单的新方程,经理论分析证明,该算法对于循环前缀CP（Cyclic Prefix）的长度没有严格要求,大于或小于信道阶数,皆可以成立。     

MIMO系统中信道估计与序列联合检测

提出了MIMO系统中基于EM(Expectation Maximization)-SD(Sphere Decoding)相结合的信道估计和检测的联合处理算法。在采用EM-SD算法进行联合处理时,首先通过观测数据、训练序列及以前估计的符号对信道信息进行更新,随后把更新后的信道信息及观测数据重新送入SD算法中进行最小距离搜索,从而可以估计发送符号。仿真显示:这种联合估计及检测算法的性能属于次优算法,但是其复杂度会随着搜索而下降。在比较少的迭代次数下,可以获得理想的信道估计和检测结果。     

车载 OFDM 通信系统中结合后训练序列的判决反馈信道估计方法

针对具有较大多普勒扩展和时延扩展的车载通信环境,利用后训练序列信道响应携带的信道变化信息,提出一种结合后训练序列的判决反馈信道估计方法.该方法采用最小二乘算法估计后训练序列的信道响应;对前一个正交频分复用(orthogonal frequency division multiplexing,OFDM)符号和后训练序列的信道响应估计值进行系数加权求和来估计当前OFDM符号的信道响应,并利用其4个导频子载波的信道频率响应关系自动获取加权系数;最后,对获得的信道响应估计值进行判决反馈和低通滤波以降低噪声影响.仿真结果表明,与目前取得较好性能的STA(spectral temporal averaging)方法、CDP(constructing data pilot)方法和结合平滑滤波的判决反馈信道估计方法相比,所提方法具有更优的误包率性能.     

EMD算法应用于OFDM系统频偏估计的新方法

提出了一种利用经验模态分解（empirical mode decomposition,EMD）技术估计正交频分复用系统（orthogonal frequency division multiplexing,OFDM）频偏的新方法。传统的OFDM系统频偏估计算法通常需要获得多路混合信号,而新方法仅需要利用相关检测处理单路的OFDM信号,再通过EMD模态分解算法分离出各路子载波信息,即可估计出OFDM系统频偏。与传统的OFDM系统频偏估计方法相比,新方法不依赖源信号的统计特性和信道状态信息,不需要额外带宽,降低了系统的实现复杂度。仿真结果表明,该方法具有较高的频偏估计精度。     

OFDM系统中一种双选择性稀疏信道压缩感知方法

针对OFDM系统,提出了一种基于压缩感知（CS）的双选择性稀疏信道估计新方法.为解决传统二维插值算法无法准确估计双选择性稀疏信道的问题,通过利用信道在时频域的稀疏特性,将OFDM系统下的双选择性信道模型转化为CS可解的BPIC数学模型,并最终利用基追踪算法对稀疏信道的脉冲冲激响应实现估计.仿真结果显示,新方法能有效减少导频数,提高频谱利用率;在传统的FFT-Linear和FFT-FFT二维联合插值算法无法正确估计出信道响应时,基追踪算法仍能实现对稀疏信道的精确估计.     

基于二进制粒子群算法的OFDM稀疏信道导频优化

在正交频分复用(orthogonal frequency division multiplexing,OFDM)稀疏信道中,合理的导频设计可以提高信道估计的性能,以测量矩阵的互相关最小化作为目标,提出一种基于二进制粒子群算法的导频优化方案,引入混沌初始化机制来保证初始粒子均匀地分散在解空间里,通过粒子变异机制来保证种群的快速收敛.根据实验和仿真结果可以看出,与随机搜索导频优化算法、逐位置导频优化算法以及最小二乘法相比,该算法能够有效节省导频的开销,提高频谱利用率,具有更好的信道估计性能.     

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。