MIMO-OFDM系统中LS时域信道估计的一种简化改进算法

研究基于多输入多输出正交频分复用(MIMO-OFDM)系统中的信道估计算法。主要工作在训练序列最小均方(LS)准则信道估计算法的研究上,在以LS时域信道估计基本算法为前提下,提出了一种改进的LS时域信道估计算法及固定长度的时域截取算法,此算法可以大大降低计算的复杂度,结合MATLAB仿真对此改进算法的有效性和可行性进行了分析,得出了比较理想的仿真结果。     

MIMO-OFDM系统中的信道估计

给出了一种适于多输入多输出-正交频分复用（MIMO-OFDM）系统的信道估计方案．该方案首先根据最小二乘准则,利用散布导频估计出MIMO信道的单位冲激响应,然后对此估计值进行时域白适应Wiener滤波以提高估计精度,最后经过离散傅里叶变换得到MIMO信道频率响应用于信道均衡．这一估计方案充分考虑了信道在时域以及频域的相关性,从而估计精度高、性能稳定．同时由于采用的导频符号均布于各发射天线的所有发射时段,因而它能及时跟踪信道的变化．仿真结果表明该方案具有良好的误码率性能,接近于理想信道估计的情况,并且对信道衰落变化较快的环境具有鲁棒性．     

多输入多输出天线OFDM系统的信道估计

研究利用导频训练信号对多输入输出(M IMO)天线OFDM(正交频分复用)系统进行信道估计。首先推导出了该系统所需最佳导频序列、及其最小数目和最佳位置集以及信道估计的均方误差极限值,分析比较了几种内插的方法,然后提出了一种针对某些无线局域网系统的信道估计方法。仿真实验显示采用该方法得到的信道估计均方误差接近极限值,不同调制方式(BPSK、QPSK、16QAM)下M IMO-OFDM系统的误码率非常接近已知信道频响时的情况。     

MIMO-OFDM系统的时域导频信道估计算法

多天线正交频分复用(M IM O-OFDM)系统作为一种高速率无线通信的有效方式,其信道估计技术占有非常重要的位置。基于M IM O-OFDM系统的导频设计准则及特性,该文提出一种多径M IM O信道下用于多径定位和时域信道估计的算法。该算法从时域出发,首先利用所设计导频在时域上的循环移位正交性来获取多径信道的定位,从而利用时域导频符号来获取多径信道时域响应信息。仿真实验结果表明相比传统的频域信道估计插值算法,该算法在较低运算复杂度下可以获得信道估计性能的明显改善,同时作为导频符号的G o lay互补码有效降低OFDM系统功率峰均比(PAPR)2~5 dB。     

基于802.16d的OFDM导频信道估计

以基于导频的信道估计展开研究.首先总结一般无线信道的多径时变统计特性,给出SUI-3信道模型的仿真实现.在此基础上,研究现有的块状导频插入方式下信道估计算法的原理和性能.基于Alamouti空时编码方案,构建1种具有2个发射天线和1个接收天线的时-频空时编码的正交频分复用(OFDM)系统,提出适用于虚载波系统的基于DFT变换的信道估计算法.该方法利用DFT迭代算法来重构虚载波的频域信道状态信息,通过时域滤波方法来抑制噪声.仿真结果表明:该算法实现了良好的信道估计性能,有效可行.     

MIMO NC-OFDM系统的半盲信道估计算法研究

提出了一种基于零空间的多输入多输出不连续正交频分复用(MIMO NC-OFDM)系统的半盲信道估计的新方法。该方法利用线性预测得到信道矩阵的零空间作为LS算法的盲约束,对MIMO NC-OFDM时域信道脉冲响应进行估计。通过大量仿真表明,与传统的最小二乘算法比较,该方法可以在使用较少导频的条件下获得很好的信道估计性能,从而可以提高系统频谱有效性。     

基于PN序列的MIMO-OFDM系统信道估计

基于为MIMO-OFDM系统设计了一种训练序列,并给出了相应的信道估计算法.提出使用PN序列代替传统OFDM系统中的循环前缀作为训练序列,并且不同发射天线选择相互正交的PN序列,利用PN序列的自相关性和互相关性,采用时域相关的方法估计多信道.与传统采用频域导频的信道估计器相比,该方法由于无需矩阵求逆,能够大大降低计算复杂度,同时PN序列作为OFDM符号的一部分可以实时估计信道,具有跟踪时变信道的能力.仿真结果表明该估计是无偏的,而且均方估计误差极小.     

基于深度神经网络的高频谱效率频分复用系统的信道估计方法

针对高频谱效率频分复用(SEFDM)系统, 提出了一种基于深度神经网络(DNN)的信道估计方法.该方法使用等间隔相互正交的导频符号, 将其接收信号作为DNN的输入信号, 通过4层的全连接DNN结构提取信道特征, 最终实现了时域上的信道估计.仿真结果表明:提出的信道估计方法在同等条件下的均方误差(MSE)明显比最小二乘法(LS)的低, 对应的解调性能也更优, 且对导频数量具有更强的鲁棒性, 由此反映出该方法的优越性.     

水声OFDM信道压缩感知估计研究

针对传统最小二乘(least square,LS)算法估计时变水声OFDM信道误差较大问题,提出一种基于压缩感知的准确估计方法.首先导出了水声OFDM系统接收序列、发送序列及信道传输矩阵之间的关系;在此基础上利用水声信道稀疏特征,探讨了采用正交匹配追踪(orthogonal matching pursuit,OMP)算法估计水声OFDM信道的方法;分析了导频插入方式、导频数及径数等对水声OFDM信道估计均方误差(mean square error,MSE)的影响.研究表明:当导频随机插入时,OMP算法用较少导频即可准确估计水声OFDM信道的传输矩阵.当信噪比大于10dB时,OMP算法的MSE小于-24dB,比传统的LS算法小18dB.     

大规模MIMO系统中多小区导频重用对上行可达速率的影响

在大规模多入多出(MIMO)系统中,导频在多小区间重用是影响系统可达速率的一个重要因素。该文选取一般化的信道模型,考虑系统采用功率控制,导出了最小二乘(LS)和最小均方误差(MMSE)这2种信道估计方法下上行可达速率的下界。利用该下界对基站天线数无穷多时导频重用的影响进行分析,结果表明:在非相关信道下,用户上行极限可达速率仅仅受限于导频污染,且功率控制的引入使得该速率部分地由导频干扰用户到各自小区基站的大尺度衰落系数决定;在相关信道下,导频污染不是制约系统极限可达速率的唯一因素,在使用LS信道估计时导频污染会始终存在,而MMSE信道估计下导频污染可能会消失。     

STC-OFDM系统中一种导频辅助的信道估计方法

提出了一种空时编码OFDM系统中基于导频辅助信道估计的方法．在采用Nt个发送天线的系统中，通过假设信道在连续Nt个OFDM符号持续时间内不变，并选择适当的导频符号值可消除不同发射天线之间的干扰，从而每对收发天线之间的信道可利用单输入单输出OFDM系统的信道估计方法进行独立估计．该方法尤其适用于空时分组编码OFDM系统．     

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。     

基于MIMO-OFDM系统的多径信道估计

信道估计技术对提高MIMO-OFDM系统性能起着至关重要的作用.通过研究一种改进的LS估计方法,用来估计基于IEEE 802.16e标准中的MIMO-OFDM系统.研究结果表明:系统在单径环境下的估计性能要优于多径环境下的估计性能,而且单径和多径之间的性能差距会随着收发天线数目的增加而增大.     

大规模MIMO系统中基于空时相关性的导频减小算法

在大规模多输入多输出(multiple input multiple output,MIMO)系统信道估计过程中,基站向用户端发送导频信号.由于导频数量与基站发射天线的数量成正比,传统信道估计过程会产生巨大的导频开销,尤其是对于采用频分双工通信方式的(frequency-division duplexing,FDD)大规模MIMO系统.为了解决这一问题,通过利用无线MIMO信道的空间公共稀疏性和时间相关性,提出一种基于压缩感知(compressed sensing,CS)技术的导频开销减小算法,其中,空时相关性用来提高信道估计精度.该算法能够在未知大规模MIMO系统信道稀疏度的情况下,自适应地获取精确的信道状态信息.分析和仿真结果表明提出的算法在减少导频开销方面优于局部公共支撑算法,同时能够维持良好的信道估计性能.     

MIMO-OFDM系统中基于子空间跟踪的信道估计

针对MIMO-OFDM系统,提出了一种基于子空间跟踪的时域信道估计方法.首先利用导频估计出信道的时间冲激响应,然后通过Givens旋转的时延跟踪和基于最小均方自适应滤波的幅度跟踪来提高估计精度.仿真结果表明,基于子空间跟踪的时域信道估计方法可以用来跟踪较快的衰落信道,估计精度高并且复杂度较低.     

改进的自适应最优低秩信道估计算法

针对正交频分复用系统中线性最小均方误差(LMMSE)信道估计算法计算复杂度高,且存在当信道的统计特性与先验知识不匹配时估计性能恶化的问题,利用信道频域冲激响应的移动平均自相关函数,结合子空间分解、跟踪和序列正交原理,提出一种改进的自适应最优低秩信道估计算法.对比文中算法和LMMSE算法、LS算法和联合AIC(akaike criterion)秩估计准则的自适应低秩信道估计算法,结果表明:文中算法的秩估计更为精确;在插入导频数量较少的情况下,改进的信道估计算法能获得更高的信噪比性能增益.     

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。     

基于压缩采样匹配追踪算法的混合场信道估计方案

针对现有的远场和近场信道估计方案不能直接用于精确估计混合场信道状态信息的问题,提出了一种有效的基于压缩采样匹配追踪(compression sampling matching pursuit, CoSaMP)算法的混合场信道估计方案。通过精确建模混合场信道模型来捕捉其远场和近场区域可能存在不同的散射体这一特征,分别对其远场和近场路径分量进行估计。结果表明,所提方案与现有其他信道估计方案相比,在相同低导频开销情况下,该方案能获得更高的归一化均方误差性能和更高的系统和速率,计算复杂度较低。可见,所提出的方案具有很好的参考价值。