动态信道下解相关和MMSE多用户检测算法

对用户归一化的互相关矩阵进行求逆运算是解相关算法和最小均方误差算法的基础。针对实际信 道的动态性,即用户的随机接入或离开信道,研究矩阵求逆的更新算法以避免对相关矩阵的实时求逆运 算。对更新算法的复杂度进行分析1结果表明,在动态信道中1更新算法可以有效地降低多用户检测算法的 复杂度。     

一种基于特征值分解的信道估计算法

信道估计是OFDM系统中的一项关键技术.传统的LMMSE算法涉及到自相关矩阵的逆运算,算法复杂度较高,时间开销较大.本文提出的算法首先对信道频率响应的自相关矩阵进行降维,再进行特征值分解,避免了求解逆矩阵,算法复杂度较低.仿真实验对信噪比、均方误差、误码率性能进行了分析,结果表明提出的算法在保证了系统良好性能的基础上,有效地降低了运算的复杂度.     

MIMO-OFDM系统中基于STBC导频迭代LS信道估计算法

给出了适合MIMO—OFDM系统的一种新的信道估计方案，这种方案首先对STBC导频符号进行设计，使其更加符合传输要求，然后再结合迭代LS信道估计算法，以此提高MIMO-OFDM系统的信道估计性能。理论分析和计算机仿真表明，这种方法避免了矩阵的求逆运算，大大减少了运算复杂度，并且能很好跟踪信道的变化过程。     

MIMO-OFDM系统中基于子载波分组信道估计的改进算法

针对传统的MIMO-OFDM系统信道估计算法复杂度高、对导频结构有特殊要求的问题,提出了2种基于子载波分组信道估计改进算法。改进算法通过子载波分组将多天线信道估计转换成单天线信道估计来获取导频子载波信道响应,避免了大矩阵求逆运算,降低了算法的复杂度;利用DFT滤波算法或LMS自适应滤波算法得到整帧所有符号的信道响应,实现算法复杂度不变、估计性能的提高。理论分析和仿真结果表明,改进算法与传统的信道估计算法相比较,具有较低的复杂度和更好的估计性能。     

一种ELMMSE信道估计算法的简化计算方法

提出一种ELMMSE信道估计算法的简化计算方法。为简化ELMMSE信道估计算法的复杂度,首先利用信道自相关矩阵的固有特性,简化了信道自相关矩阵求解;然后利用算法中逆矩阵满足共轭对称Toeplitz特性,简化了矩阵求逆。结果表明:当OFDM子载波数为128时,提出的ELMMSE算法简化计算方法的复乘、复加次数分别减小为ELMMSE算法的5.84%和5.79%。其中,信道自相关矩阵求解的复乘、复加次数分别减少了33.14%和16.64%;矩阵求逆的复乘、复加次数均由原来的o(N3)变为o(N2)。     

变结构密码算法

提出了变结构密码算法的概念，该算法是由可变结构密码算法及其结构初值更新算法组成的，而结构初值更新算法是由密码学的综合算符组成的。因为结构初值更新算法的结果不在信道中传输，故利用信道中截取的数据是不可有破译变结构密码算法的。启动变结构与启动固定结构保密机的方法大致一样，只需发送一组用户初值和结构初值，不必每更新一次密码算法的结构就从安全信道发送一组用户初值和结构初值。     

空间相关信道下空时分组码的子空间修正解码

针对空时分组码子空间盲解码算法在空间相关信道下性能下降的问题，提出了一种修正解码算法．在分析空间相关性破坏信号子空间和统计噪声子空间正交性的基础上，利用接收端已知的信道相关矩阵，修正接收端用于搜索的码字矩阵集合，使相关信道下分解得到的统计噪声子空间正交于修正的发送信号子空间，提高了解码性能．与传统解码的算法不同，该算法无需在发送端进行信道相关矩阵的估计和预编码，降低了发送端的编码复杂度．Monte-Carlo仿真实验表明，空间强相关信道下空时分组码子空间盲解码性能下降比较剧烈，采用新算法修正后的解码性能明显改善，在误比特率为10^-2、相关系数为0．8时，修正性能提高约2dB．     

MIMO-OFDM系统中一种有效的信道估计方法

为降低信道估计算法的复杂度,给出了MIMO-OFIM(M山tiple Input and Multiplw Output-Orthogonal Freuency Division Multiplexing)系统中的一种信道估计实现方案,采用STBC(Space-Time Block Code)训练序列,LMS(Least Mean Square)迭代算法估计信道响应,避免了矩阵的求逆运算,与基于MMSE(Minimum Mean Squore Error)和LS(Least Square)的MIMO信道估计算法相比,具有运算复杂度低、跟踪能力强的优点,计算机仿真结果也显示了它的有效性和优越性.     

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．     

大规模MIMO系统中软输出信号检测方法

为解决在上行多用户大规模多输入多输出(MIMO)系统中,迫零(ZF)检测算法可取得近似最优性能,但ZF检测算法涉及复杂度高达O(K3)的矩阵求逆运算(其中K为用户数)的问题,基于Lanczos算法提出一种软输出信号检测方法,避免了高阶矩阵求逆运算,使复杂度由O(K3)降为O(K2).该方法为了计算软输出信息——对数似然比(LLR),通过对基于Lanczos算法的迭代计算解向量的过程进行分析,给出了一种低复杂度的LLR近似计算方法.仿真结果表明:提出的软输出信号检测方法的误比特率(BER)性能与计算复杂度均优于基于Neumann级数近似的信号检测算法,同时,最多仅需5次迭代就可取得逼近于ZF检测算法的性能.     

高精度OFDM信道估计算法

为了降低OFDM系统经典最小均方误差(MMSE)信道估计算法的误码率(BER),提出了经带阻滤波的MMSE信道估计算法.该算法首先采用MMSE得到初始的信道估计值,再利用离散傅里叶变换的特性,将噪声和信道频率响应信息分离开来,最后通过带阻滤波器对估计算法进行滤波,进而提高系统的BER性能.仿真结果表明,在增加少量计算复...     

基于一类SVM贝叶斯算法的DS-UWB系统多用户检测研究

在多径多址条件下,用户自身的前后符号之间会产生码间干扰,同时各用户之间会产生多址干扰,从而给用户信号的正确检测带来极大困难。提出了一种基于一类支持向量机贝叶斯分类器的DS-UWB系统多用户检测算法,证明了基于径向基核函数的一类SVM的分类函数归一化为密度函数,并将所得的概率密度函数用于构造贝叶斯分类器。仿真实验表明,在UWB信道环境下本算法的误码率性能明显优于最小均方误差（MMSE）检测和解相关检测等线性检测算法。相比传统SVM算法,本算法所需的核运算量和存储空间要小得多,有效地降低了运算负载,抑制了多址干扰。     

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...     

Suboptimal MMSE Channel Estimation with Subspace Tracking for MIMO-OFDM Transmission

A suboptimal minimum mean-squared error estimation (MMSE) is proposed for a dispersive wireless channel in the absence of its correlation matrix for multiple-input multiple-output orthogonal frequency division multiplexing (MIMO-OFDM) transmission.It utilizes a fast subspace approximation tracking to separate signal subspace with a limited set of channel estimates.The subspace rank is adjusted by pre-set thresholds in different signal-to-noise ratios (SNRs).The performance comparison among the proposed algorithm,least square based,and the optimal MMSE estimation is shown by numerical simulation under a spatially correlated multi-tap channel scenario.It demonstrates that the approach has better normalized mean square error than recursive least square estimation and yields 3 dB gain over the latter.     

基于GSA-BP神经网络的OFDM系统信道估计算法

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中存在的不可忽视的非线性噪声问题,为了能够更好了解信道特性,需要利用信道估计获得信道状态信息,提出一种基于黄金正弦优化BP(golden sine algorithm,GSA-BP)神经网络的OFDM系统信道估计算法,克服了传统 BP神经网络算法容易陷入局部极值的问题,提升了信道估计算法的估计精度.首先通过LS信道估计算法获得信道的初始估计,再将其通过GSA-BP神经网络算法得到信道的精确估计.仿真结果表明,在相同的信道环境下,提出的算法比LS算法具有更好的性能,与MMSE算法性能接近,但不需要信道先验统计特性,易于实现.     

基于遗传算法的OFDM系统导频设计

针对OFDM系统中虚载波破坏等间隔等功率导频最优性的情况,采用遗传算法设计了OFDM系统的导频信号.在给定导频个数的情况下,首先推导了最小二乘准则下信道估计均方误差(MSE)的一个上界,然后将其作为遗传算法的适应度函数,对导频的位置和功率进行优化.该适应度函数可有效逼近信道估计的MSE,且无需矩阵求逆运算.仿真结果表明:给定导频功率,导频位置的选取对MSE的影响较大;给定导频位置,导频功率对MSE的影响则相对较小;采用所提出算法设计的导频信号优于等间隔等功率的导频信号.     

OFDM系统信道盲估计的子空间算法

利用循环前缀(CP)引入的信息冗余,提出一种利用接收信号的二阶统计特性实现正交频分复用(OFDM)系统信道盲估计的子空间算法.由于OFDM传输方程不能直接推导子空间算法,故首先给出一种新的方法对OFDM传输方程作矩阵变换,从而得到一个结构简单的新方程,基于此推导出信道估计子空间算法.该算法不需要改变OFDM系统结构,不受信道零点位置的限制,在信道过估计的情况下也适用.     

一种新的非线性预编码算法

为解决传统模代数预编码算法在信道条件不好时误码率高的问题,提出了将格点减少技术与模代数算法相结合的新的非线性预编码算法.该算法利用格点减少技术对实际信道矩阵进行正交处理,以提升系统的整体误码性能及保证用户间的公平性.仿真结果表明,该算法能够明显地改善系统的误码性能,且随着信噪比的提高,该算法的性能也逐渐提升.     

编码分组空时块码多入多出正交频分复用系统中的迭代接收机

针对编码分组空时块码(G-STBC)多入多出正交频分复用(MIMO-OFDM)系统,提出了一种联合MIMO检测和信道译码的迭代接收机,其中MIMO解调器采用基于软符号并行干扰消除(PIC)和瞬时最小均方误差(MMSE)滤波的软入软出MIMO检测算法,不仅适用于M-PSK调制,也适用于M-QAM调制.仿真验证了文中迭代接收机在多径衰落信道中的高效检测能力.     

自适应MIMO系统中的最优线性疏散码设计

针对自适应MIMO传输系统中信道可支持的独立数据流个数随信道变化的情况,设计了一种适用于自适应MIMO传输系统的线性疏散码(LDc).首先建立了LDC编码矩阵中信息符号数与独立数据流个数的关系,接着提出一种基于最小均方误差(MMSE)的设计准则,并采用梯度下降法和球面坐标转换求得MMSE意义下最优的LDC.仿真结果表明:当独立数据流个数小于发送天线数时,该方法较之其他同类方案可获取1～3 dB的性能增益;当独立数据流个数等于发送天线数时,该方法和基于最大化互信息量准则设计出的LDC具有相同的性能.