MIMO-OFDM系统中基于STBC导频迭代LS信道估计算法

给出了适合MIMO—OFDM系统的一种新的信道估计方案，这种方案首先对STBC导频符号进行设计，使其更加符合传输要求，然后再结合迭代LS信道估计算法，以此提高MIMO-OFDM系统的信道估计性能。理论分析和计算机仿真表明，这种方法避免了矩阵的求逆运算，大大减少了运算复杂度，并且能很好跟踪信道的变化过程。     

MIMO-OFDM系统的信道估计方法综述

MIMO-OFDM技术是未来无线通信系统研究热点,而信道估计是实现MIMO-OFDM系统优良的传输性能的重要环节．笔者在对国内外现有MIMO-OFDM系统的信道估计方法综述的基础上,分析和比较基于导频符号的非盲信道估计方法、盲信道估计方法和半盲信道估计方法的优缺点,并解决算法的复杂度和应用性的矛盾问题,因此认为,半盲信道估计方法将成为未来信道估计研究的重点．     

OFDM系统中时域信道估计算法

信道估计技术是实现OFDM系统的关键技术之一。本文对OFDM系统中基于DFT的时域信道估计算法进行了研究，并对其3种时域信道估计器的性能和复杂度进行了分析。     

MIMO-OFDM信道估计算法

以水声通信为例来研究MIMO_OFDM信道估计算法。OFDM技术可以对抗水声信道中的多径传播并能实现高的频谱效率。空时编码技术则能够获得空间增益并有效对抗信道衰落。本文设计实现了一个基于MIMO-OFDM技术的水声通信系统,该系统着重研究LS(最小二乘算法)与MMSE(最小均方误差算法)的实现方法,并对比两者性能上的差异。     

基于IEEE 802.16a MIMO-OFDM系统的信道估计方法研究

多天线运用到802.16a系统中可以提高系统的性能。首先给出MIMO-OFDM(Multi-inputandMulti-output-OrthogonalFrequencyDivisionMultiplexing)系统的基本构成,然后对协议中的空时编码方案进行改进,提出将协议中所提出的单接收机两天线发送分集的情况扩展到多发多收的情况,最后介绍了适合MIMO-OFDM系统LS信道估计的帧头结构和导频结构,在一个OFDM符号时间内即可估计出MIMO各个子信道参数;对SUI-3信道下的误比特率(BER)及均方误差(MSE)性能分别进行了仿真,比较分析了结果,并得出结论。     

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.     

一种改进MSE性能的MIMO-OFDM系统信道估计算法

介绍了LS频域信道估计算法及时域滤波的LS频域信道估计算法,在给定训练序列结构和信道模型的情况下对两种算法的MSE性能进行了仿真,在时域滤波不能满足信道模型时,又给出了一种改进的时域滤波算法,使信道估计的MSE性能得到了一定的提高。     

STC-OFDM系统中一种导频辅助的信道估计方法

提出了一种空时编码OFDM系统中基于导频辅助信道估计的方法．在采用Nt个发送天线的系统中，通过假设信道在连续Nt个OFDM符号持续时间内不变，并选择适当的导频符号值可消除不同发射天线之间的干扰，从而每对收发天线之间的信道可利用单输入单输出OFDM系统的信道估计方法进行独立估计．该方法尤其适用于空时分组编码OFDM系统．     

MIMO系统中基于空时分组码的信道盲估计算法

提出了一种基于空时分组码的信道盲估计算法,算法利用空时码的码构造进行盲估计。通过对信道输出进行子空间分解发现,如果信号子空间完全由信道参数确定,则可以对信道参数进行估计。该算法针对的是一般的空时分组码结构,文中通过仿真验证了一些特殊的分组码的信道估计性能。     

基于MIMO-OFDM系统的多径信道估计

信道估计技术对提高MIMO-OFDM系统性能起着至关重要的作用.通过研究一种改进的LS估计方法,用来估计基于IEEE 802.16e标准中的MIMO-OFDM系统.研究结果表明:系统在单径环境下的估计性能要优于多径环境下的估计性能,而且单径和多径之间的性能差距会随着收发天线数目的增加而增大.     

MIMO-OFDM系统的信道估计算法

文章针对MIMO-OFDM系统中的信道估计关键技术提出了一种信道估算方法--基于线性非冗余预编码和二阶统计量的信道盲估计算法,该算法利用预编码信号的二阶统计特性消除了调制信号的信息,然后又利用STBC(Space-Time Block Coding空时分组编码)特殊的复正交特性对参考子载波信道矩阵进行变换,将求逆过程转换成简单的线性处理过程,从而实现了低复杂度的信道估计.另外,该算法通过选取合适长度的统计数据,能够较快收敛.     

MIMO-OFDM系统中的信道估计

给出了一种适于多输入多输出-正交频分复用（MIMO-OFDM）系统的信道估计方案．该方案首先根据最小二乘准则,利用散布导频估计出MIMO信道的单位冲激响应,然后对此估计值进行时域白适应Wiener滤波以提高估计精度,最后经过离散傅里叶变换得到MIMO信道频率响应用于信道均衡．这一估计方案充分考虑了信道在时域以及频域的相关性,从而估计精度高、性能稳定．同时由于采用的导频符号均布于各发射天线的所有发射时段,因而它能及时跟踪信道的变化．仿真结果表明该方案具有良好的误码率性能,接近于理想信道估计的情况,并且对信道衰落变化较快的环境具有鲁棒性．     

一种改进的DFT迭代的MIMO—OFDM系统信道估计算法

针对MIMO—OFDM通信系统中的非整数采样信道,提出了一种基于DFT迭代的低复杂度信道估计算法,该算法避免了复杂的矩阵求逆运算,较好地降低了高斯白噪声的影响．与最小二乘（least square,LS）估计算法相比,该算法有较大的性能改善．同时,提出的估计算法同样适用于整数采样信道,具有很好的实用价值．     

MIMO-OFDM系统中信道估计算法的改进研究

提出一种新的基于最小二乘准则的频域信道估计算法,该算法设计了一种新的具有互补性的2个连续训练序列,对所有子载波的频率响应进行估计,减小了线性内插造成的误差,并在多普勒频移不同时采用不同的预估计值加权参数,有效地减弱了多普勒频移对估计精度的影响.仿真结果表明,此算法在不增加计算复杂度的前提下,有效地提高了估计精度.     

MIMO-OFDM系统中LS时域信道估计的一种简化改进算法

研究基于多输入多输出正交频分复用(MIMO-OFDM)系统中的信道估计算法。主要工作在训练序列最小均方(LS)准则信道估计算法的研究上,在以LS时域信道估计基本算法为前提下,提出了一种改进的LS时域信道估计算法及固定长度的时域截取算法,此算法可以大大降低计算的复杂度,结合MATLAB仿真对此改进算法的有效性和可行性进行了分析,得出了比较理想的仿真结果。     

OFDM系统LS信道估计中的最优导频设计

针对设置有保护频带的OFDM系统,基于等间隔导频(UPPTS)设计方法,在保证最小二乘(LS)信道估计均方误差(MSE)最小的前提下,计算了系统允许存在的最大保护频带宽度,给出了初始导频位置的选择范围,通过调整导频序列的初始位置,使导频序列有效避开保护频带.仿真实验结果表明,当导频序列的初始导频落入本文所给出的导频位置选择范围之内时,系统给出了更高的信道估计精度和更低的误码率,进一步验证了算法的有效性和优越性.     

基于OFDM系统信道估计算法研究

通过研究基于块状导频的OFDM系统的信道估计算法,文中运用一种采用Jacks模型的多径瑞利衰落信道,呈现了LS估计和LMMSE估计的性能以及在复杂性和实用性上折中的新估计方法的性能,并使用QPSK作为调制方式仿真出系统误码率.     

OFDM系统中信道估计算法的比较

本文介绍了LTE系统中的关键技术—OFDM系统,描述了信道估计在LTE系统中的必要性,对基于导频的信道估计中常用的两种算法LS和LMMSE算法进行了研究,在Matlab环境下进行了仿真,并根据仿真结果分析了两种算法的优缺点。     

MIMO-OFDM系统中稀疏信道估计算法研究

 针对多输入多输出正交频分复用系统,利用信道冲激响应的稀疏特性,提出1种新的MIMO-OFDM信道估计算法,简称为MIMO-MP算法.首先利用匹配追踪思想确定出非零抽头系数的位置,然后再采用最小二乘算法完成对非零系数值的2次估计,从而通过减少信道估计参数的个数降低算法复杂度.该算法具有较好的性能,但在剩余向量更新上还不是很精确,通过改进剩余向量的更新方式,得到另一种性能更优的算法简称为MIMO-MMP算法.仿真结果验证了算法的有效性.     

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.