降低MIMO-OFDM系统峰均比的分解并行选择映射算法

高峰均功率比(peak-to-average power ratio, PAPR)问题是多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing, MIMO-OFDM)系统实用化的主要障碍之一,针对这一问题提出了一种分解并行选择映射(decomposed concurrent selected mapping, D-CSLM)算法,进一步提高了算法的峰均比性能。所提算法将每根天线上OFDM 符号分解为实部和虚部,分别采用相同的相位因子,在进行逆离散傅里叶变换(inverse discrete Fourier transform, IDFT)之后进行组合,选择使所有天线具有最小平均峰均比的信号进行传输。与原有的并行选择映射算法相比,所提算法具有更大的待选信号范围,峰均比降低性能更好。同时,利用实序列固有的共轭对称特性,使算法的计算复杂度保持不变。仿真结果证明,该算法在保持计算复杂度不变的前提下,显著改善了系统的峰均比性能。     

一种新的STBC MIMO-OFDM系统峰均比抑制算法

高峰均功率比(PAPR)信号是限制多输入多输出正交频分复用(MIMO-OFDM)技术实用化的主要障碍.针对此问题,提出了一种新的基于空时分组码(STBC)的并行选择映射算法.该算法提出了一种新的信号选择准则,选择所有天线中具有最小的高峰均功率比的序列进行传输,进一步降低了峰值出现的概率,具有更低的峰均功率比.同时,利用空时分组码中共轭数据具有相同的峰均功率比特性,显著减少了运算量,降低了边带信息的传输量,提高了系统的频带利用率.仿真结果表明,所提算法不仅简化了,计算,而且具有更好的峰均功率比性能.     

OQAM/OFDM系统中改进的重叠选择性映射方法

重叠选择性映射(overlapped selected mapping, OSLM)是用于降低基于交错正交幅度调制的正交频分复用系统(offset quadrature modulation/orthogonal frequency division multiplexing, OQAM/OFDM)峰均比(peak-to-average ratio,PAPR)的技术。在对传统OSLM方法进行分析的基础上,为了进一步降低系统的PAPR,针对其在传输过程中需要耗费额外频谱来传递边带信息的问题,提出了改进的OSLM方法。该方法通过改变特定位置相位旋转因子的模值,从而在接收端确定边带信息,节省了OQAM/OFDM系统中的频谱资源,进而降低了系统的PAPR。仿真结果表明,在相同信道且子载波数量较多的条件下,该方法能够进一步降低系统的PAPR,同时又不会导致误比特率明显提升。     

一种MIMO OFDM系统中的自适应比特和功率分配算法

分析了MIMOOFDM系统中的自适应调制问题,提出了一种BICM-OFDM系统中的自适应比特和功率分配算法。基于完整的信道状态信息和奇异值分解理论,该算法自适应的为各发射天线的各个子载波分配比特和功率。蒙特卡罗仿真表明在10-5的误码率条件下在2×2MIMOOFDM系统中该算法相对于不采用自适应技术有大约4dB的相对增益。     

MIMO OFDM中基于合作博弈模型的资源分配算法

提出了一种多用户MIMO OFDM系统中基于合作博弈模型的资源分配算法,该算法在满足每个用户的最大发送功率、最大和最小传输速率需求的基础上获得了纳什讨价还价解,使系统的收益达到最大,并满足了用户的公平性要求.仿真分析表明:该算法获得的系统吞吐量略逊于Max-Rate方案,但用户公平性明显优于Max-Rate方案,能够在系统吞吐量和用户公平性之间获得较好的折衷.     

MIMO系统中基于斜投影的盲空时多用户检测算法

针对多输入多输出(multiple input multiple output, MIMO)的码分多址(code division multiple access, CDMA)系统,提出了一种基于斜投影的盲空时多用户检测算法。该算法结合MIMO系统的空间分集技术与Alamouti空时分组码 (space time block coding, STBC)方案,自适应地跟踪干扰子空间和多天线信道,在此基础上对接收信号进行斜投影抑制多址干扰(multiple access interference, MAI),解决了传统的基于子空间的最小均方误差(minimum mean square error, MMSE)盲空时多用户检测算法收敛速度慢和强干扰的情况下稳态性能低的问题,提高了多用户检测的鲁棒性,且计算复杂度较低。仿真结果表明该算法的有效性。     

改进的子载波比特功率分配算法

针对多用户多输入多输出-正交频分复用(multiple input multiple output-orthogonal frequency divi-sion multiplexing,MIMO-OFDM)系统的自适应资源分配问题,对子载波比特功率两步分配(Two-Steps)和联合分配方法进行了比较,分析了收发天线数目对系统性能的影响.提出了一种改进的子载波比特功率算法,该算法基于两个用户可以同时在一个子载波上发送数据的子载波复用方法,将子载波和比特功率联合分配,对比特重新调整的迭代过程进行了改进.仿真结果表明,该算法在不影响系统误码性能的前提下降低了复杂度.     

基于Simulink的分布式MIMO OFDM无线通信仿真

在MATLAB／Simulink的平台上，设计并实现了一种多输入多输出、正交频分复用的无线通信系统链路级仿真，针对多输入多输出通信系统仿真对硬件资源消耗严重的不足，提出了一种在MATLAB／Simulink环境下利用局域网内多台PC进行分布式联合仿真的方案，该方案灵活有效，可广泛应用于各类具有高复杂度的通信类仿真。     

多用户OFDM系统中子载波和比特联合分配算法

研究了多用户正交频分复用(OFDM)系统中的自适应调制算法。针对现有算法将子载波和比特分配分开考虑、优化效率不高且没有考虑每个用户的性能要求不同的不足,提出了子载波和比特联合分配的自适应算法。在满足每个用户性能要求的条件下,该算法自适应分配子载波和比特使系统的发射功率达到最小,而且每个用户能公平利用系统资源。仿真结果显示:该算法计算速度快,性能大大优于贪婪算法,和最优算法相比,性能仅相差0.3 dB。     

基于LSTBC-OFDM系统的信道估计简化算法

针对MIMO-OFDM通信系统中基于导频的常规信道估计算法存在矩阵求逆过程,使算法计算量过大的现象,提出了一种基于最小二乘(LS)的信道估计简化算法。该算法利用分层结构的空时分组编码技术(LSTBC)和优化设计的导频符号,避免了LS算法的矩阵求逆过程,大大降低LS算法的复杂度和运算量。仿真结果表明,该方法在运算复杂度显著降低的情况下,仍可取得和原算法同样的性能结果。     

PSO与相位因子优选对结合降低OFDM峰均比的算法

针对正交频分复用 (orthogonal frequency division multiplexing, OFDM)系统的峰均功率比高的缺点,提出一种新的相位因子优选对方法,降低OFDM系统的峰均比。相位因子优选对方法原理是,筛选出多个低峰均功率比的子序列,将这些子序列重组后传输来降低系统峰值平均功率比 (peak to average power ratio, PAPR)。把相位因子优选对方法、粒子群优化算法（particle swarm optimization, PSO）与相位因子优选对结合的方法与传统PSO方法对比验证。仿真结果表明,把PSO与相位因子优选对结合的方法应用在OFDM系统中,获得了优于传统PSO算法0.1~0.2 dB的PAPR性能值,证明了新方法的有效性。     

Joint frequency offset tracking and PAPR reduction algorithm in OFDM systems

This paper presents an algorithm that aims to reduce the peak-to-average power ratio (PAPR) of orthogonal frequency division multiplexing (OFDM) communication systems while maintaining frequency tracking. The algorithm achieves PAPR reduction by applying the complex conjugates of the data symbol obtained from the frequency domain to cancel the phase of the data symbol. A likelihood estimator is used to obtain the sub-carrier phase error due to the residual carrier frequency offset (RCFO) using the same complex conjugates as a pilot signal. Furthermore, a joint time and frequency domain multicarrier phase locked loop (MPLL) is developed to compensate additional frequency offset. Simulation results show that this algorithm is capable of reducing PAPR without impacting the frequency tracking performance.     

基于FRFT的单基地MIMO雷达稳健波束形成算法

以单基地多输入多输出(multiple input multiple output, MIMO)雷达系统为研究对象, 针对线性调频(linear frequency modulation, LFM)形式的正交频分复用(orthogonal frequency division multiplexing, OFDM)信号, 提出了一种新的稳健自适应波束形成算法。所提算法首先利用LFM信号的特性, 对匹配滤波后的雷达回波信号进行分数阶傅里叶变换(fractional Fourier transform, FRFT), 经化简得到峰值点作为阵列的观测值。而后, 利用观测值构建接收信号的协方差矩阵, 并使用Capon谱估计方法重构干扰加噪声数据协方差矩阵。最后, 通过求解优化问题估计实际导向矢量, 从而得到阵列的最优权值。通过计算机仿真实验, 验证了所提算法的有效性。     

基于EM的MIMO-OFDM系统MAP信道估计算法

最大后验概率（maximum a posteriori, MAP）信道估计算法应用于MIMO-OFDM系统时将带来大规模矩阵求逆和乘积运算,且OFDM符号的数据传输效率随着发送天线的增多逐渐下降。针对这些弊端,提出一种基于期望最大化（expectation maximum, EM）的MAP信道估计算法,并分析了算法的性能。该算法利用EM算法把多输入输出信道估计问题化简为一系列独立的单输入输出问题,避免了大规模矩阵运算,降低了MAP算法的计算复杂度;为进一步改善MAP算法的数据传输效率及其估计性能,可通过对多个连续的OFDM符号进行联合信道估计。通过仿真实验证明了该算法的有效性。     

分布式MIMO-OFDM系统中的时频同步

针对分布式多输入多输出〖CD*2〗正交频分复用系统,提出一种新的训练序列及时频同步方案。在定时同步方面,它首先利用训练序列的时域共轭对称性完成粗定时同步,在此基础上进一步通过接收信号与本地时域训练序列移动相关完成细定时同步;在频率同步方面,它首先在时域利用接收信号相位差估计小数倍频偏,然后在频域利用训练序列良好的自相关性估计整数倍频偏。该方案不仅能够同时估计出各收发天线对之间的定时偏移和频率偏移,而且估计性能良好。     

基于非合作博弈模型的跨层资源分配算法

针对多用户多输入多输出 正交频分复用(multiple input multiple output-orthogonal frequency division multiple, MIMO-OFDM)系统的上行链路提出一种基于非合作博弈模型的跨层资源分配算法。基站为用户分配初始上行速率后,各用户间通过非合作博弈方式实现功率最小化。功率未饱和的用户向基站申请增加吞吐量,基站在调整用户吞吐量时综合考虑用户信道条件与媒体访问控制（media access control, MAC）层缓存的状态。仿真表明,算法既降低了用户终端的功率开销,同时兼顾了多用户间的公平性。     

Improved H-infinity channel estimator based on EM for MIMO-OFDM systems

H-infinity estimator is generally implemented in timevariant state-space models,but it leads to high complexity when the model is used for multiple input multiple output with orthogonal frequency division multiplexing (MIMO-OFDM) systems.Thus,an H-infinity estimator over time-invariant system models is proposed,which modifies the Krein space accordingly.In order to avoid the large matrix inversion and multiplication required in each OFDM symbol from different transmit antennas,expectation maximization (EM) is developed to reduce the high computational load.Joint estimation over multiple OFDM symbols is used to resist the high pilot overhead generated by the increasing number of transmit antennas.Finally,the performance of the proposed estimator is enhanced via an angle-domain process.Through performance analysis and simulation experiments,it is indicated that the proposed algorithm has a better mean square error (MSE) and bit error rate (BER) performance than the optimal least square (LS) estimator.Joint estimation over multiple OFDM symbols can not only reduce the pilot overhead but also promote the channel performance.What is more,an obvious improvement can be obtained by using the angle-domain filter.     

Hybrid pilots assisted channel estimation algorithm for MIMO-OFDM systems

Abstract: A hybrid pilots assisted channel estimation algorithm for multiple input multiple output (MIMO) orthogonal frequency division multiplexing (OFDM) systems under low signal-to-noise ratio (SNR) and arbitrary Doppler spread scenarios is proposed. Motivated by the dissatisfactory performance of the optimal pilots (OPs) designed under static channels over multiple OFDM symbols imposed by fast fading channels, the proposed scheme first assumes that the virtual pilot tones superimposed at data locations over specific subcarriers are transmitted from all antennas, then the virtual received pilot signals at the corresponding locations can be obtained by making full use of the time and frequency domain correlations of the frequency responses of the time varying dispersive fading channels and the received signals at pilot subcarriers, finally the channel parameters are derived from the combination of the real and virtual received pilot signals over one OFDM symbol based on least square (LS) criterion. Simulation results illustrate that the proposed method is insensitive to Doppler spread and can effectively ameliorate the mean square error (MSE) floor inherent to the previous method, meanwhile its performance outmatches that of OPs at low SNR region under static channels.