重要性采样的最大似然多径信道估计算法

提出了一种基于重要性采样方法的最大似然多径信道估计方法。该方法将时延与幅度估计解耦,利用蒙特卡罗算法(MC)对未知参数的分布函数抽样,计算样本均值直接得到多径时延和幅度估计结果,避免了耗时较长的多维网格搜索和对初值较为敏感的迭代算法。仿真结果表明,对于多径路数分别为5、15的情况,均能获得较好的信道估计。相比于现有的其他一些算法,该算法不仅能够同时获得时间延迟估计,同时也能对幅度精确估值。     

基于完美抽样的最大似然方位估计方法

为了解决最大似然估计计算量大的问题,将马尔可夫蒙特卡罗方法与最大似然方位估计相结合,提出一种基于完美抽样的最大似然方位估计新方法.研究结果表明,该方法不但保持了原最大似然方位估计方法的优越性能,而且大大减小了计算量,把原方法的计算复杂度从O(LK)减少到O(K×J×Np).     

一种迭代频偏估计算法

提出一种适于低信噪比条件下工作的数据辅助型(data-aided)频偏估计算法。计算接收信号自相关函数的辐角,基于最大似然策略合成频偏估计,并通过迭代消除估计模糊。仿真结果表明：迭代算法具有较大的频偏估计范围(估计范围达±40%符号速率),与M&M算法相比,迭代算法信噪比门限有接近3dB性能改善,其估计性能更接近FFT最大似然算法和克拉美-劳下界(CRLB),并且计算量有所降低;基于迭代算法的简化版本与迭代线性预测(ILP)算法相比信噪比门限更低,并且降低了计算复杂度。     

基于最大似然估计和Kalman滤波的BPSK载波同步方法

针对低信噪比及大多普勒频率变化率情况下的载波同步问题,提出一种基于最大似然估计和Kalman滤波相结合的跟踪环结构.利用最大似然估计在低信噪比环境下准确估计载波频率和相位,并结合Kalman滤波对载波变化进行稳定跟踪.其中利用二分法搜索保证低计算复杂度的同时提高了估计精度.仿真结果表明了此载波跟踪环路良好的跟踪性能.     

宽带模糊函数的一种最优的目标参数估算算法

首先讨论了在开阔海洋环境中对目标的识别和参数估计问题.再提交了一种搜索宽带模糊函数峰值的高效算法.在噪声环境中,利用最大似然性对宽带模糊函数进行峰值搜索能使算法的性能被进一步改进.由于最大似然时延估计器有最好的误差性能,从这种意义上来说,在同类的时延估计器中,它是一种最优的估计器,这已经被我们用仿真模拟所证实.基于以上两种方法,最后提出了一种高效和最优的目标参数估算算法.     

基于有限样本信息准则的非协作盲信噪比估计算法

针对小样本条件下的盲信噪比估计误差较大问题,结合信号子空间分解方法,提出一种基于有限样本信息准则( finite sample information criterion,FSIC)的盲信噪比估计算法,并推导出基于FSIC盲信噪比估计算法的最大似然形式.在小样本情况下,FSIC的引入克服了传统信息论方法产生的过拟合和欠拟合问题,降低计算复杂度.在不需要已知信号调制方式、载波频率、波特率等先验知识的前提下,能够在加性高斯白噪声信道(AWGN)和多径信道(Rayleigh)下对常用调制信号进行有效的信噪比估计.在信噪比-25 dB～25 dB范围内,其平均估计误差小于1 dB,表明该算法可有效应用于小样本盲信噪比估计.     

宽带模糊函数的一种最优的目标参数估算算法

首先讨论了在开阔海洋环境中对目标的和参数估计问题。再提交了一种搜索宽带模糊函数峰值的高效算法。在噪声环境中,利用最大似然性对宽带模糊函数进行峰值能使算法的性能被进一步改进。由于最大似然时延估计器明最好的误差性能,从这种意义上来说,在同类的时延估计器中,它是一种最优的估计器。这已经被我们用仿真模拟所证实。基于以上两种方法,最后提出了一种高效和最优的目标参数估算算法。     

一种新的CPM信号载波同步算法

针对连续相位调制(CPM)信号载波同步中存在的估计精度低、信噪比适应能力弱以及计算复杂度高等问题,提出了一种基于数据辅助的CPM信号载波同步算法。首先分析建立了预编码CPM调制同步系统的数学模型,并据此推导了信号相位估计值的对数似然函数;然后利用后验概率均值实现对载波同步参数的精确估计,同时对算法的相偏估计精度和频偏估计范围进行了理论分析;最后利用蒙特卡罗仿真实验验证了所提算法的有效性。理论分析和仿真结果表明:新算法对CPM信号载波同步精度高,信噪比适应能力强,且能够适用于大频偏环境,同时在计算量上相比EM算法具有一定优势。     

基于F-范数的变换域通信系统同步参数估计算法

在异步条件下应用特征值分解算法估计变换域通信系统基函数时,分段得到的特征向量存在模糊现象,此时将造成系统接收性能的下降。为了解决此问题,提出了基函数周期序列的同步算法。详细分析估计基函数的特征值分解算法,推导接收数据的采样延时与其自协方差矩阵特征值的关系式,得到同步参数的最大似然估计方法,依据范数的等价性原理,进一步将最大似然估计中的最大特征值求解问题转化为F-范数的求解以降低算法复杂度。仿真结果表明:相比最大特征值算法,采用F-范数的估计算法性能一致,但计算时间明显减少,算法的估计精度与接收信噪比成正比。异步条件下当估计的基函数存在模糊时,系统接收性能在同步之后能得到较好的改善。     

基于F-范数的变换域通信系统同步参数估计算法

在异步条件下应用特征值分解算法估计变换域通信系统基函数时,分段得到的特征向量存在模糊现象,此时将造成系统接收性能的下降。为了解决此问题,提出了基函数周期序列的同步算法。详细分析估计基函数的特征值分解算法,推导接收数据的采样延时与其自协方差矩阵特征值的关系式,得到同步参数的最大似然估计方法,依据范数的等价性原理,进一步将最大似然估计中的最大特征值求解问题转化为F-范数的求解以降低算法复杂度。仿真结果表明:相比最大特征值算法,采用F-范数的估计算法性能一致,但计算时间明显减少,算法的估计精度与接收信噪比成正比。异步条件下当估计的基函数存在模糊时,系统接收性能在同步之后能得到较好的改善。