3D多输入多输出正交频分复用系统中基于奇异值分解的信道估计方法

在3D多输入多输出正交频分复用(MIMO-OFDM)系统模型中,分析了基于导频的信道估计方案.针对线性最小均方误差方法的算法复杂度高的问题,应用奇异值分解(SVD)算法降低信道自相关矩阵的维数,以减小算法的复杂度.仿真结果表明:所提出的基于奇异值分解的信道估计算法,能够在保证误码率(BER)性能的情况下,具有更低的算法复杂度.     

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...     

数字通信中的盲多径衰落信道估计与均衡

建立一个过采样的的多径衰落信道的FIR滤波器模型 ,提出了一种基于子空间过采样的多径衰落信道盲估计算法 ,并在信道估计的基础上用迫零算法实现信道均衡。试验仿真表明 ,该方法能有效地估计出信道 ,并能有效地提高系统的容量和利用率。     

基于深度学习的MIMO系统信道估计算法

精确的信道估计对于保证无线通信系统性能至关重要。针对多输入多输出(multiple input multiple output, MIMO)系统传统信道估计算法需已知信道统计信息以及性能与复杂度折中等问题,提出一种基于深度学习的多网络级联MIMO系统信道估计方案。基于卷积神经网络构建信道信息重建网络,初步重构出信道信息,进而基于深度残差网络构建信道估计网络进行级联得出估计结果,并利用多个损失函数对网络进行优化。仿真结果表明,在牺牲一定时间复杂度的情况下,所提方案的均方误差随信噪比增加逐渐优于线性最小均方误差(linear minimum mean squared error, LMMSE)估计算法,且不受信道统计信息的约束。     

自适应Wiener反卷积滤波的OFDM接收算法

为改进正交频分复用(OFDM)系统在多径衰落信道下的解调性能,提出了基于自适应Wiener反卷积滤波反馈环路的接收算法,对多径衰落信道进行白化处理,使处理后的信道噪声接近于加性高斯噪声(AWGN)。该文推导了OFDM系统中反卷积滤波器抽头系数的估计算法及其在非时变和时变信道中的自适应迭代算法,并且讨论了系统中定时估计、载波频率估计和信道估计算法(它们都是在AWGN信道环境下的算法)的使用方法。仿真表明:该算法可以有效地降低多径衰落的影响,得到优良的解调性能。     

基于二维DFT的多导频模式OFDM信道估计算法

提出了一种正交频分复用 (orthogonal frequencydivision multiplexing,OFDM)系统中的抗噪声信道估计算法 ,适用于块状、梳状、格形和菱形导频模式。该算法通过导频位置偏移量预校正、二维离散 Fourier变换 (DFT)和变换域滤波消除噪声的影响 ,利用变换域补零和二维反离散Fourier变换进行信道传输函数插值 ,并使用变形 cos窗抑制插值过程中的频谱扩散。仿真结果表明 :该算法的系统性能明显优于传统信道估计算法 ,采用该算法获得了约 2 d B的每 bit信噪比增益。该算法在宽带 OFDM系统中有应用潜力     

基于KNN-TSVR算法的MIMO-OFDM系统信道估计

为了提高多输入多输出正交频分复用(MIMO-OFDM)系统的信道估计性能,提出了一种基于K近邻加权孪生支持向量回归(KNN-TSVR)的信道频率响应估计算法.该算法的工作过程是首先用最小二乘算法对导频位置的信道参数进行估计,获取训练样本,然后用K近邻(KNN)算法对训练样本进行预处理,得到赋予各样本的权重,最后由加权TSVR对MIMO-OFDM系统所有位置的信道参数进行插值估计.本文提出的改进的加权TSVR信道估计方法不仅具有TSVR对非线性关系回归的优势,同时引入KNN算法对TSVR进行改进,使得该算法与传统TSVR相比,具有更好的回归性能和抗噪声能力.对非线性MIMO-OFDM信道进行估计的仿真实验结果证实了这一结论.     

空时编码多载波码分多址系统上行空时信道盲估计

针对当前空时编码系统利用训练序列求解信道信息将导致频谱资源浪费和系统用户容量下降这一问题,提出了宏蜂窝体制下基站使用均匀线阵空时编码多载波码分多址系统的上行空时信道盲估计算法.该算法构筑了蕴涵用户空时信道和波达方向的辅助矩阵,通过对该辅助矩阵进行特征分解得到了相应于每个用户的信号子空间,进而通过对该信号子空间进行奇异值分解实现了无需训练序列的空时信道的盲估计,节省了频带资源.仿真结果表明,该算法可以通过增加基站阵元数目使用户容量达到系统活动用户数的上限,并且信道估计的均方误差对用户数表现出鲁棒稳定性.     

基于隐藏导频的多频带正交频分复用超宽带稀疏信道估计

在多频带正交频分复用超宽带系统中,基于隐藏导频提出一种稀疏信道估计算法.通过隐藏导频而估计出信道,利用广义信息论准则建立代价函数并探测出非零抽头位置,修正得到稀疏信道估计值,通过降低估计维数提高了算法的估计性能.同时,分析了算法性能和克拉美-罗界(CRB).仿真结果表明,稀疏信道估计算法比传统算法的性能明显提高,且性能更接近于CRB.     

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.     

循环迭代信道补偿算法

在移动通信系统中,由于信道的时变特性,从训练序列得到的信道估计直接应用于数据解扩上,会带来较大的误差.为了降低这种误差,提出了循环迭代的算法,通过对数据域信道估计进行补偿,提高了单个时隙信道估计精度.仿真结果表明:该算法性能良好,特别是在单时隙业务下,由于每个时隙的信道估计独立计算和修正,可以提供准确的信道估计,对数据解扩性能有较大的提高;当用户在高速运动情况下,由于不受用户运动速度和信道衰落的限制,该算法性能明显优于其他方法.     

快速时变信道下的基扩展模型信道估计性能分析

针对快速时变信道,提出了一种基于复指数基扩展模型(CE-BEM)的线性最小均方误差(LMMSE)信道估计方法,对信道估计的结果使用离散长椭球序列(DPSS)进行平滑处理,并相应提出了基于迭代的载波间干扰(ICI)消除信道均衡方法.仿真结果表明:在高多普勒信道场景下,该方法系统误码性能较传统信道估计方法有一定程度的提升.     

基于盲信道估计的联合检测码分时分多址系统性能分析

在考察联合检测码分／时分多址（ＪＤＣＤＭＡ／ＴＤＭＡ） 系统性能的基础上,提出了基于盲信道估计的联合检测算法。改进算法去除了突发帧内的中置码,可明显提高系统的有效传码率,并且误码性能良好,因此具有一定的优势。分析了改进算法和原算法的性能差异,并给出相应的计算机模拟结果     

基于压缩感知的mMTC系统信道估计

为解决海量机器类通信（massive machine-type communications,mMTC）上行传输中活跃用户设备检测和信道估计问题,提出一种基于分布式多矢量测量的子空间追踪（distributed multiple measurement vector subspace pursuit,DMMV-SP）算法.采用免授权海量随机接入的方案,以降低海量机器类通信的时延和信号开销.考虑多载波传输方案并结合子空间追踪算法,利用接收天线和子载波存在的结构稀疏性,检测活跃用户设备的同时进行信道估计.通过计算检测错误概率以及均方误差对活跃用户设备检测和信道估计性能进行评估.仿真结果显示,提出的DMMV-SP算法相较于传统正交匹配追踪（orthogonal matching pursuit,OMP）算法取得更理想的结果.      

MIMO Channel Estimation and Equalization Using Three-Layer Neural Networks with Feedback

This paper describes a channel estimation and equalization algorithm using three-layer artificial neural networks （ANNs） with feedback for multiple input multiple output wireless communication systems. An ANN structure with feedback was designed to use different learning algorithms in the different ANN layers. This actually forms a Turbo iteration process between the different algorithms which effectively improves the estimation performance of the channel equalizer. Simulation results show that this channel equalization algorithm has better computational efficiency and faster convergence than higher order statistics based algorithms.     

可重构智能表面辅助传输的电力通信中继系统性能分析与功率优化分配

利用电力线通信和可重构智能表面(Reconfigurable Intelligent Surface, RIS)辅助传输可提升室内电力物联网的边缘覆盖能力,有必要研究信道、RIS部署和功率分配等对系统性能的影响。针对电力线接入和分布式RIS辅助传输的混合通信场景,采用对数正态分布的电力线衰落模型、多个RIS模块独立且不同参数的Nakagami分布无线衰落模型,推导了系统中断概率和误码率等理论性能;考虑信道估计算法精度对系统性能的影响,采用矩生成函数近似等算法建模分析了非理想信道估计条件下的系统中断概率性能;通过序列二次规划法进行系统功率优化分配,获得最佳功率分配值。仿真验证了理论性能的有效性和准确性,对比分析了RIS数量及位置、双媒质信道参数、功率分配因子等影响中继系统性能的规律,为电力线通信和RIS在电力物联网应用提供了理论和技术支持。     

压缩感知的UWB信道盲估计算法

针对超宽带系统采样速率过高难以实现的问题,利用信道稀疏性提出一种基于压缩感知的盲信道估计算法。将接收信号通过一个随机测量矩阵,利用测量信号的一阶统计量建立压缩感知的数学模型,最后利用正交匹配追踪(OMP)算法重构得到估计信道。算法只需很少测量值就可估计出信道,节省了大量的模数转换(ADC)资源,使系统实现成为可能。仿真结果表明算法具有良好的估计性能,且算法的误比特率(BER)性能相比利用准确信道只有2～3dB的差距。     

LTE上行链路高速铁路应用场景中的频偏估计方法

提出了一种长期演进(LTE)上行链路频偏最大似然(ML)估计算法,并通过定量分析该算法与基于2个训练序列相差的频偏估计算法(相差法)的估计性能,提出了一种联合频偏估计算法.仿真结果表明:与相差法相比,所出提的ML估计算法与联合估计算法的频偏估计范围均能够覆盖高速铁路应用场景中的最大频偏,且ML估计算法不受LTE上行链路跳频传输的影响;在信噪比10 dB且少于4个用户的情况下,2种算法均能够提供10-4或更小的归一化频偏估计均方误差;在单用户情况下,联合估计算法比ML估计算法的均方误差在信噪比上提高了近5 dB.     

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.