基于灰建模的OFDM窄带慢衰落慢时变信道估计算法

针对OFDM窄带信道在移动传输环境下的慢时变特性, 提出了一种基于灰建模的信道估计算法. 该算法利用前一时刻的已知信道信息, 建立灰色数学模型, 预测估计下一时刻的未知信道信息, 实现信道的动态跟踪. 理论分析和仿真结果验证了灰建模在以二维时频变量描述的信道估计领域中的可行性. 与传统方法相比, 该算法不仅对窄带慢衰落慢时变信道有良好的估计性能, 而且具有运算低、频谱利用率高等优点.     

基于元学习的时变信道估计方法

为了克服现有的基于深度学习的信道估计方法存在的训练样本与时间开销过大、且离线训练的网络无法适应在实际情况下实时变化的信道环境的问题，提出了一种高速移动正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中的基于元学习的时变信道估计方法。该方法利用模型无关元学习(model-agnostic meta-learning, MAML)方法对不同的信道任务进行线下训练，仅利用少量的训练样本即可使网络充分学习到信道的传输特性，以及具备快速适应新任务的能力，且具有较低的计算复杂度。在线下训练中，该方法将网络的训练目标设置为具有较高精度的信道估计，而非理想的信道信息，增强了估计模型的实用性。另外，该方法仅采用接收的导频信号进行线下训练与线上估计，减少了网络输入样本的数目，进一步降低了计算复杂度。仿真结果表明，所提方法具有较高的估计精度与较低的计算复杂度，且可以快速地适应新的信道环境，适用于在高速移动通信系统中获取时变信道。     

OFDM水声通信中基于压缩传感的稀疏信道估计

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)水声通信中常规的最小均方（least square, LS）信道估计方法需要大量训练导频且得不到较高估计精度的问题,提出了一种基于压缩传感原理的OFDM稀疏水声信道估计方法。该方法首先以正交短时傅里叶基构成的训练波形为OFDM的导频来“感知”信道,然后利用压缩传感技术的稀疏重构算法来对信道进行重构。〖JP2〗基于实测水声信道的仿真结果表明,在相同估计精度前提下,基于压缩传感的信道估计方法较常规的LS算法所需训练导频数得到大幅度减小,传输效率得以提高,且对噪声的鲁棒性增强,较好地适应了双扩展稀疏水声信道,尤其适用于动平台OFDM水声通信系统。     

基于频偏补偿的TDS-OFDM系统同步方法

针对TDS-OFDM系统中载波频偏对基于PN序列自相关同步算法的影响,提出采用双滑动窗互相关的时间标尺函数来进行符号同步,利用该函数可以得到很好的相关峰值且不受频率偏移的影响。载波频偏由多径信道下各主要能量径的相关峰值估计得到,该估计算法可以得到较为准确的估计值和较大的估计范围。在典型的城市信道条件下对算法进行了仿真,结果表明：在较大的频偏条件下,本文方法得到了准确的符号同步和较好的频偏估计。     

利用时域相关的MIMO-OFDM信道估计算法

提出了一种适用于多入多出正交频分复用(MIMO-OFDM)系统的信道估计算法,详细说明了导频符号的特殊设计算法以及信道估计算法的原理,并对该算法的均方误差性能以及复杂度进行分析;该算法能够在信道多径时延信息准确已知或不准确时带来良好的估计精度,从而保证系统性能。将该算法应用于超三代-时分双工(B3G-TDD)系统中并在室外和室内环境下仿真,均方误差和系统误码率性能结果说明了该算法的有效性;该算法能够大大增强系统的鲁棒性。     

用于有虚载波OFDM系统的信道估计算法

提出了一种适用于有虚载波的正交频分复用系统的改进信道估计算法。由于传统的信道估计器无法估计虚载波处的信道传输函数,从而逆离散傅里叶变换导致信道能量泄漏,使得时域滤波方法不能直接应用。为了解决这个问题,利用信道冲激响应的有限性,推导了以最小二乘法(least square, LS)来估计虚载波处的信道传输函数。进一步观察信号子空间和噪声子空间中噪声的相关性,使用最大后验概率准则估计出信号子空间的噪声并消除其带来的估计误差。该算法不仅可在训练模式下应用,也可推广应用于基于判决反馈的跟踪模式。仿真结果表明,改进算法无误符号率平台效应,且其误符号率较传统LS算法有2 dB的信噪比增益。     

基于导频的OFDM信道估计小波核SVM算法

针对传统多径衰落下的OFDM导频信道估计性能低下,地板效应的缺陷,提出了基于导频的小波递归最小二乘支持向量机(WRLS-SVM)时变信道频率估计算法。首先讨论了小波成为核函数的条件,构造了小波核。然后将根据结构风险递归二乘最小化准则回归估计支持向量机原理,把导频训练序列映射到高维空间,并在高维空间采用结构小波核函数,达到了将低维空间的非线性估计转化为高维空间的线性估计的目的。仿真结果表明,在快衰落信道条件下,小波递归最小二乘支持向量机导频信道估计方法可以获得较好误码性能。该方法优于传统的信道插值方法。     

基于波达方向矩阵的MIMO-OFDM系统载频偏移估计

MIMO-OFDM系统中设置虚拟子载波后,时域接收符号向量与经频域信道系数加权的频域发射符号向量之间通过一个范德蒙矩阵相互联系,且该矩阵的列向量的结构决定于载频偏移量。基于此,提出了一种采用波达矩阵方法、利用范德蒙矩阵的移不变结构完成载频偏移估计的闭式频偏估计方法。该方法综合地利用了多收发天线的空域分集效应,降低了信道零点对频偏估计性能的影响,有效地提高了估计的均方误差性能。仿真结果验证了不同天线配置情况下所提出算法的性能。     

接收分集OFDM通信系统的盲信道估计

提出一种新的利用接收分集技术的OFDM通信系统盲信道估计方法.所提出的算法根据单入多出系统模型,可直接在一个接收数据块内估计出各个接收分支所对应的多径信道,且不要求接收信号的二阶统计量等相关统计信息.由于采用频域相除抵消技术,各分支的信道参数可分离估计,因此降低了计算复杂度.仿真分析表明该算法的有效性.     

基于RLS的联合同步和信道估计算法

针对采用跳频正交频分复用(frequency hopping orthogonal frequency division multiplexing, FH-OFDM)系统进行战时通信时存在的高误码率(bit error rate, BER)问题,对定时偏差(timing offset, TO)、载波频率偏差（carrier frequency offset, CFO）和采样率偏差(sampling frequency offset, SFO)进行综合考虑,提出一种导频辅助的联合同步和信道估计算法。在时域中分别对TO和子载波干扰项进行预先补偿。使用线性误差函数来配合递归最小二乘法对信道冲激响应、CFO和SFO进行估计。采用改进的极大似然算法对迭代参数的初始值进行估计,提高了估计的准确度。分析并给出FH OFDW系统频谱效率的权衡标准。仿真结果表明,该系统工作在1 000 hop/s时,该算法的估计均方差和BER均优于传统的算法。     

Codebook selected beamforming algorithm for multiuser MIMO systems

For reducing the inter-user interference in multi-user multiple-input multiple-output(MU-MIMO) wireless communication systems,e.g.,MIMO-orthogonal frequency division multiplexing(MIMO-OFDM) systems,it is often desirable to the complex preprocessing at the transmitter.This paper proposes a multi-user beamforming algorithm with sub-codebook selection.Based on the minimal leakage criterion,the codebook selection,limited feed-forward and minimum mean square error(MMSE) detection are combined in the proposed algorithm.This avoids the complex channel matrix decomposition and inversion.Consequently,the computational complexity at the transmitter is significantly reduced.Simulation results show that the proposed algorithm performs better than existing beamforming algorithms.     

一种低复杂度最小均方误差内插滤波器的优化设计

提出一种低复杂度内插滤波器的设计方法.该方法基于Farrow结构,以内插滤波器输出信号的均方误差最小(MMSE)为设计准则,从而保证最优性能.同时令内插滤波器系数对称化,以降低实现复杂度.仿真结果表明,在同等性能的基础上,优化的二阶内插滤波器和传统内插滤波器相比,复杂度降低了25%;在同等复杂度的基础上,优化的二阶内插滤波器和传统滤波器相比,输出均方误差性能有明显提高.     

Optimal training sequences for MIMO systems under correlated fading

The optimal design of training sequences for channel estimation in multiple-input multiple-output （MIMO） systems under spatially correlated fading is considered. The channel is assumed to be a block-fading model with spatial correlation known at both the transmitter and the receiver. To minimize the channel estimation error, optimal training sequences are designed to exploit full information of the spatial correlation under the criterion of minimum mean square error （MMSE）. It is investigated that the spatial correlation is helpful to decrease the estimation error and the proposed training sequences have good performance via simulations.     

基于Barzilai-Borwein迭代的低复杂度大规模MIMO信号检测算法

在大规模多输入多输出系统中,最小均方误差(minimum mean square error, MMSE)算法能达到接近最优的线性信号检测性能,但是MMSE算法需要复杂的矩阵求逆运算,这限制了该算法的应用。为了降低运算复杂度,改进MMSE算法,利用Barzilai Borwein(BB)迭代算法来避免矩阵求逆运算,提出了结构简单的BB迭代信号检测算法,且基于信道硬化特性进一步优化了迭代初始解以加快算法的收敛速度。理论和仿真结果表明,所提出的BB迭代算法的性能优于最近提出的Neumann级数展开算法,而其复杂度相比截短阶数i=3的Neumann级数展开算法减少了一个数量级;且该算法收敛速度较快,在给定初始值的条件下,通过简单的几次迭代,能够快速接近MMSE算法的检测性能。     

注意力机制CNN的毫米波大规模MIMO系统信道估计算法

在室外光线追踪通信场景下,针对毫米波大规模多输入多输出(multiple input multiple output,MI-MO)信道具有稀疏特性、系统受噪声因素影响导致信道估计精度低的问题,提出一种基于图像去噪的注意力机制卷积神经网络信道估计方法.首先,设定参数产生模拟真实环境的数据集,将所产生的信道矩阵看作二维图像...     

大规模MIMO系统中分布式压缩感知LMMSE信道估计

大规模多输入多输出(multiple input multiple output,MIMO)系统中,信道估计算法复杂度随着基站侧天线数量的增加而急剧增加,针对需要在信道估计算法复杂度与算法性能之间进行折中的问题,提出分布式压缩感知线性最小均方误差(distributed compressed sensing linea...     

Bayesian sequential state estimation for MIMO-OFDM systems

For the estimation of MIMO frequency selective channel, to mitigate the curse of dimensionality, a novel particle filtering scheme combined with time delay domain processing is proposed. In order to extract the time delay domain channel impulse response from the observed signal, the least-squares (LS) and minimum mean squared error (MMSE) criteria are discussed and the comparable performance of LS with MMSE for samplespaced channel is revealed. Incorporated the dynamical channel model, gradient particle fil...     

基于MMSE估计的全极化雷达自适应脉冲压缩

针对同时极化测量体制雷达发射波形自相关和互相关特性相互制约的矛盾,提出了一种基于最小均方误差估计的全极化雷达自适应脉冲压缩方法,其核心思想是通过初始化滤波器得到各距离单元散射系数的先验信息,并结合对应极化通道的回波信号,根据贝叶斯原理估计得到每个距离单元的自适应滤波器,在分离各极化通道回波信号的同时实现脉冲压缩。通过设置典型的仿真场景,从检测概率和目标极化散射矩阵估计的均方误差两个方面分析了自适应脉冲压缩算法的性能。仿真结果表明,该算法能有效地抑制邻近距离单元的干扰和不同极化通道之间的互扰,比标准匹配滤波器更好地实现全极化雷达脉冲压缩。     

Optimal MMSE successive interference cancellation in group-wise STBC MIMO systems

1.INTRODUCTIONInformationtheoryshowsthat a multiple-input multi-ple-output(MI MO)communication systemcan effi-ciently increase system capacity in rich scatteringwireless channel environment without additional pow-er and frequency spectrumrequirement as traditionaltechniques need[1,2].Transmission schemes based onMI MO typically fall into two categories:data ratemaxi mization schemes and diversity maxi mumschemes.The representative of the first category isBell laboratories layered space…