基于四阶累积量的MIMO雷达空间平滑角度估计算法

针对MIMO雷达系统的多目标DOA估计问题,本文提出了一种基于四阶累积量的双向空间平滑算法。当目标数多于发射阵元数,接收信号发生相干现象使普通子空间类算法可估计DOA数受到限制。本文提出的算法通过对接收信号构造四阶累积量矩阵,并对构造的矩阵做子阵空间平滑处理,在接收阵元足够多的情况下,可估计比发射阵元数更多的目标,并且在高斯白噪声下和高斯色噪声背景下均具有有良好的DOA估计性能。     

基于四阶累积量的近场源三维参数联合估计

针对近场窄带信源仰角、方向角和距离三维参数的估计问题,提出了一种新的近场源三维参数的联合估计方法。该方法利用特征值及相应特征向量和四阶累积量估计信号参数,不需要进行谱峰搜索,只需一维参数匹配,计算量适中,并且适用于加性高斯噪声环境。仿真实验证明,当信噪比为0时,该方法仍能够正确估计信源的参数。     

基于四阶累积量的近场源多参数联合估计

提出了一种近场窄带信源多参数联合估计新方法,通过所构造四阶累积量矩阵的特征值及其特征向量就可以直接获得近场源频率、方位及距离三维参数的联合估计,无须峰值搜索,适用于任意高斯噪声环境．与现有方法相比,所提方法有效地避免了阵列孔径损失,而且算法简单高效．仿真综合结果表明了新方法的有效性．     

一种新的基于四阶累积量的DOA估计算法

提出了一种新的用于均匀线阵的四阶累积量DOA估计算法.针对传统MUSIC-like算法中四阶累积量矩阵存在大量冗余信息的情况,本文算法提出了一种新的四阶累积量矩阵构造方法.用该方法构造的四阶累积量矩阵在保证阵列扩展性能的同时,去掉了MUSIC-like算法中四阶累积量矩阵的冗余信息,降低了矩阵的阶数.与MUSIC-li...     

基于四阶累积量相关信号的DOA估计

目的 针对相干信号,在高斯色噪声的背景下,有效地进行信号的DOA估计.方法 应用四阶累积量和修正MUSIC算法.结果 二阶矩算法性能严重失效,累计量算法DOA估计性能好.结论 利用四阶累积量和修正MUSIC算法相结合,在高斯色噪声的背景下具有良好的统计性能,是实现相干信号高分辨方位估计的有效方法.     

利用高阶统计量的盲MIMO信道估计

在无线的MIMO(多输入多输出)通信系统中,使用高阶统计量进行盲信道估计能够进一步放松对信道的限制。介绍了FIRMIMO盲信道估计的数学模型和3种典型的基于高阶累积量的盲信道估计算法,并对这3种算法进行比较和分析,得出仿真结果,提出其中存在的缺陷和能够改进之处。     

基于四阶累积量虚拟阵列扩展的DOA估计

针对Music-like方法能很好地扩展阵列孔径,但计算量较大的问题,提出了一种虚拟阵列扩展的新方法。该方法基于四阶累积量孔径扩展的性质,由实际阵元的坐标与方向矢量直接计算出虚拟阵元的坐标与方向矢量,利用两种阵元坐标之间的关系构造四阶协方差矩阵,运用MUSIC(Mu ltip le S ignal C lassification)算法对非高斯独立信号源进行DOA(D irection of Arrival)估计。该方法在任意阵列的情况下,对非高斯独立信号源进行一维与二维DOA估计,均能准确估计出多于实际阵元数目的方向角与仰角。实验表明,对一N元阵列,该方法最多能够扩展N2-N 1个虚拟阵元,能够估计出N2-N个非高斯独立信源,提高了阵列的空间分辨能力,有效抑制了高斯噪声的干扰,减少了高阶累积量协方差矩阵的计算量。     

基于四阶累积量Root-Music的近场信源二维参数估计

为了对近场信源的距离参数和方向角参数同时进行有效估计,降低算法的计算量,提出了一种基于四阶累积量的Root-Music算法及相应的参数配对方法。该方法无需进行谱峰搜索运算,利用相应的配对程序能够直接得到近场信源的参数值,降低了运算复杂度。仿真实验表明,在估计两个信源参数时,信噪比为0时就能正确分辨方向角和距离参数,信噪比由-5 dB变化到15 dB时,估计参数的均方误差呈下降趋势。     

一种基于四阶累积量的近场源二维参数估计方法

提出了一种基于四阶累积量和极化敏感阵列的近场源方位角、距离二维参数联合估计算法,其特点是采用非中心对称均匀线阵,无需参数配对,可直接计算出待估计参数的闭式解,具有较高的估计精度,可应用于加性高斯噪声环境,仿真试验证明了该算法是有效的.     

高分辨率谐波恢复的互四阶累积量ESPRIT-SVD方法1

在互功率谱和高阶统计量理论基础上，提出了基于互四阶累积量的ESPRIT(estimation of signal parameters via rotational invariance techneques)SVD(singular value discompose)方法。仿真结果表明，在混合色噪声背景下，该方法能够有效地抑制噪声，且具有良好的频率估计性能。     

一种抗信道相关性的高效MIMO检测算法

多输入多输出(MIMO)技术作为新一代移动宽带通信的核心技术,面临着天线数目增大带来的系统增益和高信道相关性导致的检测误码之间的矛盾.对此提出一种新的格基规约(LR)辅助的K-Best算法,由于经LR处理后K-Best算法中每一个父节点的子节点不确定,本文采用基于需求的扩展方案扩展子节点,并基于候选最小堆的排序算法降低排序复杂度,平均时间复杂度从O(KN log2(KN))降低至O(K log2K),空间复杂度从O(KN)降低至O(K).并且针对经LR处理后,星座图不再是有限的所带来的检测误码,提出了一种越界控制方案提高检测的准确率.仿真结果表明,越界控制方案使得算法在高信道相关性下其误码率(BER)性能得到了3 d B的增益.并且本算法与最大自然ML算法仅有1 d B的差距,算法复杂度远小于ML算法,仅仅随着天线数呈线性增长,是一种适用于大规模天线系统的高效的MIMO检测算法.     

基于四阶累积量的谐波频率估计

 高阶累积量能够完全抑制高斯噪声,因而广泛应用于噪声环境中提取信号参数.利用基于四阶累积量的ESPRIT估计谐波频率,并给出了估计的仿真实例,仿真结果表明,该方法具有很高的频率分辨率.     

低复杂度的大规模MIMO分布式信道估计

针对大规模多输入多输出(multiple-input multiple-output, MIMO)系统传统信道矩阵获取方式导频开销大、计算复杂度高的问题,提出了一种低复杂度的二阶段分布式信道估计方案。该方案的初始阶段在基站侧采用传统压缩感知算法恢复信道矩阵,第2阶段在用户端利用信道的时间相关性,将大规模MIMO的角度域信道分解为密集部分和稀疏部分,并分别估计以实现连续信道追踪。稀疏部分信道通过所提的分布式自适应弱匹配追踪(distributed adaptive weak matching pursuit, DAWMP)算法,利用子信道的联合稀疏性进行多维重建。相比于线性最小均方误差(linear minimum mean square error, LMMSE)算法,所提方案的信道分解策略有效减少了在用户端进行信道估计的计算复杂度。仿真结果表明,所提算法与经典压缩感知信道估计算法相比,计算复杂度降低了约33%,算法性能提升了约0.5 dB。     

基于高阶累积量和星座图的调制识别算法

提出了一种基于高阶累积量和星座图的数字调制信号识别的算法.该算法利用信号的高阶累积量,并结合改进的星座图聚类分析法,采用一种分层的多分类器对信号进行分类.算法中所选用的特征参数对信号的幅度和相位抖动不敏感,同时能有效地抑制加性高斯噪声.仿真结果表明,在接收数据长度为800和信噪比不低于6 dB的情况下,该算法对不同调制...     

基于信道探测技术的MIMO-OFDM系统信道及其相关性的联合估计

在实际物理环境中,信道相关性估计在很大程度上影响信道估计的准确性。针对MIMO-OFDM系统,引入信道探测思想,在数据传输之前发射探测信号,利用接收端信号的相关矩阵与信道相关矩阵的关系进行信道及其相关性的联合估计,同时,将信道探测得到的信道相关矩阵作为数据传输过程中的已知条件,辅助系统进行信道估计。理论分析和仿真表明,该方法可以在空间相关性不能忽略的情况下保证信道估计的准确度,基于信号处理的估计方法也不会增加算法的复杂度,同时信道探测思想的使用,不会造成数据传输过程中占用额外系统带宽的现象,因此具有较大的实用价值。     

基于DDST的MIMO时频双选信道的信道估计

针对多输入多输出时频双选择性信道,提出了一种基于信息叠加训练序列和最小二乘相结合的信道估计方法.基于基扩展模型构建MIMO时频双衰落系统,采用DDST算法估计信道矩阵,对误码率进行分析.训练序列采用等幅度的周期指数序列,同时在基于叠加训练序列估计的基础上叠加一个基于信息的周期序列.实验表明,基于DDST的MIMO时频双选信道估计方法比传统的估计方法显著降低了信道估计的均方误差和误码率,并能保持较高的频带利用率.     

基于零相关扩频码的UWB系统信道估计方法

在脉冲UWB系统中,应用零相关扩频码（ZCD）进行DA（数据辅助）信道估计,仿真结果显示出采用ZCD码进行信道估计得到的自相关函数优于采用Walsh码得到的．同时提出一种基于ZCD码的脉冲UWB系统的非结构化DA信道估计方法,仿真结果表明,这种方法的误码率低于普通扩频码的误码率,说明该方法可以有效地提高非结构化信道估计的性能．     

基于深度学习的MIMO系统联合信号检测与信道译码

为进一步提高多输入多输出(multiple-input multiple-output,MIMO)系统性能,研究了深度学习方法来联合解决MIMO系统信号检测与信道译码问题.通过将深度神经网络、自动编码器神经网络与传统MIMO通信系统的物理层架构进行有机融合,构建了基于神经网络的MIMO系统模型,可获取系统发射端的信息比...