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。     

基于训练序列的MIMO信道估计算法研究

针对MIMO系统,基于训练序列的信道估计方法,详细推导出ML、LS和LMMSE方法的估计值,并进行了性能比较。在一定条件下,信道系数矩阵的ML、LS估计值具有相同的表达形式。计算机仿真表明,LMMSE方法和ML、LS方法的估计效果基本一致。在高信噪比、有限训练符号数、较少发射天线数的条件下,可以精确地估计出信道系数。     

基于Kalman滤波的自适应MIMO信道估计

给出了一种基于Kalman滤波的自适应MIMO信道估计方法，分析了算法的剩余误差能量随迭代次数增加的变化情况，对饱和MIMO系统和欠饱和MIMO系统，分别采用Kalman自适应MIMO信道估计方法和最大似然信道估计方法，进行了数值仿真和对比。从对比的结果来看，文中给出的Kalman自适应信道估计具有和最大似然信道估计相近的性能，而在饱和系统中，Kalman估计算法性能要略好一些。     

基于序列重要性重采样算法的MIMO时变信道半盲估计

粒子滤波可以用来处理非线性非高斯问题,而序列重要性重采样算法能较好地解决粒子滤波中的粒子退化问题,由此将序列重要性重采样算法运用于MIMO时变信道进行半盲估计.实验结果表明:与使用传统的粒子滤波方法相比,基于序列重要性重采样算法的MIMO时变信道半盲估计方法均方误差和误码率降低,从而改善了接收端的符号检测性能.     

MIMO-OFDM系统的一种新的半盲估计

构造一种在MIMO-OFDM系统下的信道估计算法,该算法是将信道矩阵分解为一个下三角矩阵R和一个酉矩阵Q的估计过程,由此命名为RQ估计.R矩阵可以通过提取接收信号的相关信息盲估计得到,而Q矩阵需要应用Cholesky分解和OPML技术从训练序列中专门估计出来.采用酉矩阵的算法参量化后的待估参数明显减少,信道估计的精度因此得到了极大地改善.另外,这种估计算法在接收天线数目大于或等于发射天线的时候,优势更为明显.实验结果表明,基于Q矩阵的估计比直接的训练序列信道估计算法更为高效;在瑞利衰落信道条件下处理200个训练序列时,两者的性能差距能达到4dB.     

基于牛顿梯度的盲最大似然序列估计算法研究

为解决LMS类算法简单但收敛速度慢,RLS类算法收敛跟踪性能好但计算太复杂的不足,提出了基于牛顿梯度的盲最大似然序列估计算法,即将牛顿梯度算法与Viterbi-MLSE算法相结合。牛顿梯度法是用当前时刻的梯度估计代替前一时刻的梯度估计,并由矩阵求逆定理导出了一种新的相关函数自适应滤波算法。分析了基于牛顿梯度的盲最大似然序列估计算法的基本机理,并通过实验仿真验证了其可靠性。与传统的基于LMS的盲最大似然序列估计算法相比,具有收敛速度快的特点。     

归一化LMS盲最大似然序列估计算法

阐述了归一化LMS盲最大似然估计算法的基本原理,通过计算机仿真试验证明了该算法在收敛速度、稳态剩余误差等方面均优于传统的LMS盲最大似然估计算法,并提出了该算法的研究方向。     

协同通信系统中基于EM算法的半盲信道估计与迭代检测

研究协同通信系统的信道估计和符号检测技术,提出一种基于EM(Expectation Maximum)算法的半盲信道估计和迭代检测接收方案.它有利于减少协同通信系统的额外系统开销,并能有效提高协同通信的信道估计精度和系统误码性能.     

叠加训练序列OFDM系统的迭代最大似然信道估计

叠加训练序列正交频分复用系统具有频谱效率高的优点.传统的基于叠加训练序列的信道估计方法仅使用一阶统计量,受功率分配和噪声影响较大.文中利用训练序列与数据信号相加后发送并经历相同信道的特性,提出一种最大似然方法进行系统的信道估计.该方法将发送的数据信号视为高斯随机变量,由此建立关于信道参数的似然表达式,采用循环最小化技术对参数进行迭代求解并获得方差下界,最后对算法的收敛性进行了分析.仿真实验表明,文中方法同时利用了接收信号的一阶与二阶统计量,从而获得了更优的均方误差和误符号率性能.     

Sign-LMS盲最大似然估计算法的研究

简要阐述了Sign-LMS盲最大似然估计算法的基本原理。通过计算机仿真试验,在典型电话信道,对称信道以及普通信道中,对该算法与传统的LMS盲最大似然估计算法性能作了比较,并证明了该算法在收敛速度、均方误差等方面均优于传统算法。从理论上证明了该算法的复杂度,但是该算法的简单是以牺牲稳态性能为代价的,并提出了今后Sign-LMS盲最大似然估计算法的研究方向———如何减少稳态剩余误差。     

基于EM算法的MIMO OFDM系统信道估计

针对慢时变频率选择性MIMO OFDM(Multiple Input Multiple Output Orthogonal Frequency Division Multi-plexing)系统,提出一种低复杂度的信道估计算法.文中所用方法是STBC(space-time block coded)MIMO OFDM系统中一种基于EM(Expectation Maximization)的自适应信道估计技术.仿真结果显示在慢衰落环境下,随着用户数的增加,最小均方误差性能没有损失.与RLS(Recursive Least-Squares)算法比较,本文所提出的方法利用了Alamouti STBC编码结构,从而降低了计算复杂度.     

MIMO系统中信道估计与序列联合检测

提出了MIMO系统中基于EM(Expectation Maximization)-SD(Sphere Decoding)相结合的信道估计和检测的联合处理算法。在采用EM-SD算法进行联合处理时,首先通过观测数据、训练序列及以前估计的符号对信道信息进行更新,随后把更新后的信道信息及观测数据重新送入SD算法中进行最小距离搜索,从而可以估计发送符号。仿真显示:这种联合估计及检测算法的性能属于次优算法,但是其复杂度会随着搜索而下降。在比较少的迭代次数下,可以获得理想的信道估计和检测结果。     

基于模糊矩阵辨识的半盲MIMO-OFDM信道辨识算法

对于多输入多输出系统,传统的基于训练序列的信道辨识方法为跟踪信道的变化,必须发送大量冗余信息,传输效率较低;而基于子空间的纯盲方法又带有不可避免的模糊性,辨识结果精度不够.在子空间法的基础上,利用少量训练符号估计出模糊矩阵,以此矫正子空间法得到的结果.仿真结果显示:在保证辨识精度的前提下,该方法减少了训练符号等冗余,提...     

平坦MIMO信道中最小均方误差估计的一种改进方法

以平坦衰落条件下MIMO信道数学模型为基础,研究了最小均方误差估计算法,给出了详细的推导过程.由于最小均方误差估计算法比较复杂,导致其收敛速度比较慢,实际应用中受到了一定的限制.为了降低其复杂度,从数学的角度对算法进行了简化,减少了一次矩阵求逆运算.仿真中建立了一个MIMO系统,给出了估计性能曲线和收敛曲线.从理论分析和仿真结果来看,改进后的算法与之前的算法的估计性能差异不大,但收敛速度却明显提高了,达到了简化的目的.     

Channel Capacity Estimation in TDMS-Based MIMO Measurements

Time-division multiplexed switching (TDMS)-based multiple-input multiple-output (MIMO) channel sounders are widely used for wireless channel measurements due to their effective costs. However, measurement noise such as phase noise in the local oscillators as well as additive white Gaussian noise (AWGN) can result in significant errors in channel capacity estimates. This study analyzes the impact of phase noise and AWGN on channel capacity in TDMS-based MIMO measurements, with a channel capacity estimator presented that reduces the impact of noise on both the spatial multiplexing gain and on the power gain. Simulations demonstrate that the estimator consistently obtains the true capacity for various MIMO channel scenarios, even if only a limited number of observations are available.     

基于WR分解的多用户多天线OFDM系统半盲信道估计

在多用户多天线OFDM上行信道的模型下,提出一种改进的基于WR分解的半盲信道估计算法。改进算法利用接收信号的统计特性和子空间分解法直接估计白化矩阵W,避免了对导频信号的依赖和模糊矩阵的求解问题。在已知W矩阵后,根据正交导频的设计方案,由最小均方误差准则得到Q矩阵。计算机仿真结果表明,系统的信道冲击响应可以被很好的跟踪,且当信噪比达到20 dB时,改进算法的RMSE比LS算法降低约1～1.5 dB。与此同时,正交导频的长度对于改进算法的性能具有较大的影响,当导频信号的长度达到整个OFDM符号块长度的1/5时,改进算法的RMSE比LS算法降低约1～2 dB。