快变信道下OFDM系统的判决反馈信道估计

为了改善OFDM系统在快变信道下的传输性能,文中提出一种利用叠加训练序列进行时域信道估计的方案.基于时变信道抽头系数的指数基插值模型,利用一个符号内的叠加周期训练序列建立线性表达式,并根据最小二乘准则求出插值模型的相应参数,由此构造对应的时域响应矩阵和频域均衡矩阵.为进一步改善估计和均衡性能,将所得的符号判决作为已知的训练序列进行迭代信道参数估计,从而能有效地改善信道估计的性能并消除载波间干扰.实验结果表明文中算法在时间-频率双选择性信道下具有较好的性能.     

基于稀疏特性的TH-PPM UWB信道估计算法

在TH-PPM UWB系统中,利用信道的稀疏簇特性,提出一种新的UWB(ultra wide-band)信道估计算法.该算法首先对原始信道进行信道缩短,有效地克服了信道过长给估计精度带来的影响,然后基于缩短后的复合信道,利用UWB信道的稀疏性,对原始UWB信道进行估计,避免了无谓的零值抽头估计,改善了算法的性能.仿真结果表明,当信道长度大于符号长度时,新算法可以获得较好的估计性能.     

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.     

双选择信道下叠加训练OFDM系统的迭代信道估计与均衡

在频率和时间双选择性信道下,时域冲击响应将会在一个OFDM符号时间内发生变化,导致OFDM系统出现严重的子载波间干扰。本文提出一种在双选择性信道下利用叠加训练序列进行迭代信道估计和均衡的方案。在假设时域信道抽头系数服从指数基扩展参数模型以后,利用在一个符号内的已知叠加周期训练序列建立线性模型,并基于最小二乘准则求出信道参数模型的各个抽头参数,从而构造出对应的时域信道响应矩阵和频域均衡矩阵。为进一步改善估计和均衡性能,将所得的符号判决作为已知的训练序列进行迭代估计和均衡,从而能有效地增强信道估计的性能并消除ICI干扰。实验结果表明本文算法在时间－频率双选择性信道下具有较好的性能。     

基于子空间拟合的 UWB 稀疏信道盲估计

针对 TH-PPM 超宽带系统,利用信道的稀疏性,提出一种基于子空间拟合的稀疏信道盲估计算法.该算法首先利用接收信号的均值循环卷积特性,估计出信道的频域响应,接着利用子空间拟合算法确定出非零抽头系数的位置,最后再采用最小二乘算法完成对非零系数值的估计,避免了无谓的零抽头估计,改善了算法性能.该算法以码片周期采样,且仅需要作一些简单的信号处理如重叠相加、离散傅立叶变换等,因此运算量较小.仿真表明,与没有利用信道稀疏性的一阶盲算法相比具有更优的均方误差和误比特率性能.     

基于软迭代的叠加训练序列信道估计方法

提出了一种基于软迭代的叠加训练序列信道估计方法.该方法将周期性训练序列与用户信息序列叠加后一起发送,通过软迭代方法,在接收端利用信道译码器输出的软信息来计算信息序列的一阶统计量,并将其反馈给信道估计器,用于消除观测量中来自未知信息的干扰,因此提高了信道的利用率和信道参数的估计精度.仿真结果表明,该方法有效地改善了信道估计性能,降低了接收机的误码率,提高了功率效率.     

车载 OFDM 通信系统中结合后训练序列的判决反馈信道估计方法

针对具有较大多普勒扩展和时延扩展的车载通信环境,利用后训练序列信道响应携带的信道变化信息,提出一种结合后训练序列的判决反馈信道估计方法.该方法采用最小二乘算法估计后训练序列的信道响应;对前一个正交频分复用(orthogonal frequency division multiplexing,OFDM)符号和后训练序列的信道响应估计值进行系数加权求和来估计当前OFDM符号的信道响应,并利用其4个导频子载波的信道频率响应关系自动获取加权系数;最后,对获得的信道响应估计值进行判决反馈和低通滤波以降低噪声影响.仿真结果表明,与目前取得较好性能的STA(spectral temporal averaging)方法、CDP(constructing data pilot)方法和结合平滑滤波的判决反馈信道估计方法相比,所提方法具有更优的误包率性能.     

基于稀疏特性的TH-PPM UWB信道估计算法

在TH-PPM UWB系统中,利用信道的稀疏簇特性,提出一种新的UWB(ultra wide-band)信道估计算法。该算法首先对原始信道进行信道缩短,有效地克服了信道过长给估计精度带来的影响,然后基于缩短后的复合信道,利用UWB信道的稀疏性,对原始UWB信道进行估计,避免了无谓的零值抽头估计,改善了算法的性能。仿真结果表明,当信道长度大于符号长度时,新算法可以获得较好的估计性能。     

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.     

基于零相关区序列的MIMO-OFDM信道估计

针对传统的基于隐训练序列的信道估计性能受直流偏移的影响严重,且去除直流偏移非常复杂的问题,提出了一种基于零相关区训练序列的MIMO-OFDM信道估计方法.该估计方法采用具有平衡性的零相关区序列作为训练序列叠加在数据信息上,利用接收数据的一阶统计特性进行估计.序列的平衡性使得接收端直流偏移的作用为零,从根本上解决了直流偏移的问题;零相关区序列良好的相关性也使得该估计方法实现起来非常简单.仿真结果表明了该方法的有效性.     

MIMO-OFDM系统中基于RAMP及其改进的稀疏信道估计算法

研究了在MIMO-OFDM系统中的稀疏信道估计问题。将正则化稀疏度自适应匹配追踪算法（RAMP）运用到MIMO-OFDM稀疏信道估计中,并对该算法的迭代结束条件加以改进,取残差的能量之差小于设定的阈值来终止迭代过程,更加准确地估计出信道稀疏度,进而提高了稀疏信道的估计精度。仿真结果表明,在MIMO-OFDM系统中,相比RAMP算法与稀疏度自适应匹配追踪算法（SAMP）,改进算法能够获得更好的MSE性能,在不需要稀疏度的前提下达到了与正交匹配追踪算法（OMP）算法相似的MSE性能。      

基于判决反馈均衡的水声信道估计与通信算法

在分析基于最小均方信道估计算法的基础上,对计算量较小的匹配追踪算法进行改进,引入路径门限调整机制以克服虚假路径造成的不良影响,利用重要路径权系数的2次迭代修正方法,进一步提高了水声稀疏信道的估计精度;借助于信道估计值进行均衡系数的解算,利用判决反馈均衡器(DFE)的输出信号对信道估计质量进行实时评估,提出了一种基于DFE的信道长度自适应选择的信道估计算法,同时,通过仿真和实地实验验证了其有效性.结果表明,所提出的算法能够在未知水声环境下实现对信道估计算法的自适应调整以及对预估信道长度的合理选择,以较高的计算效率而实现对水声信道的精确估计,满足未知水声信道环境下的精确信道估计及通信应用需要.     

基于块稀疏的低复杂度宽带MIMO-OFDM稀疏信道估计方案

CoSaMP压缩采样匹配追踪算法是一种有效且可靠的稀疏信号重构算法。针对大多数宽带MIMO-OFDM稀疏信道估计方案中常被忽略的信号内部特殊结构问题,采用MIMO-OFDM系统模型,分析信号块稀疏结构特性,研究了CoSaMP算法的改进问题。仿真结果表明,与其他信道估计方案相比,所提方案在未知信号稀疏度值的情况下依旧获得了接近理想状态下的系统和速率、归一化均方误差和信号重构效率,有效降低了计算复杂度。可见,所提方案具有很好的信道估计性能。     

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GOMP及其改进的OFDM系统稀疏信道估计

研究在正交频分复用（OFDM）系统的稀疏信道估计问题.由于在许多通信系统中信道具有稀疏性,因此可以把信道估计问题转化为稀疏信号的恢复问题,应用压缩感知理论求解,把现有的恢复算法——广义正交匹配追踪算法（GOMP）运用到信道估计中,并对它加以改进.仿真结果表明,与广义正交匹配追踪算法（GOMP）相比,正交匹配追踪算法（OMP）运行时间少,计算复杂度低,但是估计的最小均方误差略差.为了进一步提高该算法的性能,提出了改进的广义正交匹配追踪算法,性能得到了较大的提高.      

基于压缩感知的自适应加权匹配追踪算法

压缩感知（compressed sensing,CS）技术通过减少发射导频数来提高频谱的利用率。将CS技术应用于导频辅助的稀疏度未知的正交频分复用（orthogonal frequency division multiplexing,OFDM）信道估计中,提出一种自适应加权匹配追踪（CS-based adaptive weighting &matching pursuit,AWMP）算法。该算法使用自适应加权、匹配追踪的方法估计信道时域脉冲响应,按照估计信噪比和匹配原则,利用多次迭代进行自适应加权和寻找最佳稀疏度,实现未知信道稀疏度与信噪比的情况下,准确估计信道信息。仿真验证表明,与传统的信道估计算法相比,采用基于AWMP的信道估计方法,能够利用较少的导频信息获得更低的误码率和均方误差。     

基于压缩感知的OFDM系统稀疏信道估计新方法研究

提出了一种基于压缩感知理论的正交频分复用(OFDM)系统稀疏信道估计的新方法,并具体采用正交匹配追踪(OMP)压缩感知算法对OFDM时域信道脉冲响应进行估计。与传统的最小二乘算法比较,它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。根据仿真和压缩感知理论分析确定了OMP信道估计中最佳导频数和最佳导频位置。     

基于联合稀疏模型的OFDM线性时变信道估计

为了进一步提高OFDM线性时变信道估计性能,利用信道抽头的时域稀疏特性和相关性,提出一种基于联合稀疏模型的信道估计方法.首先,将线性时变信道模型下对连续多个符号周期的信道估计转换成一个联合稀疏重构模型;其次,采用基于测量矩阵互相关性最小化的分组导频设计准则,在应对子载波干扰的同时,保证了稀疏重构算法的性能;最后,设计一种基于循环并行树的分组导频优化算法.仿真结果表明:与传统线性时变信道估计方法和联合稀疏模型下的信道估计方法相比,所提方法所需导频数量少,信道估计性能更好,同时便于工程应用.     

MIMO-OFDM中稀疏度自适应的信道估计方法

将压缩感知应用在稀疏度未知的多天线正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing,MIM0-OFDM)系统信道估计中,提出一种2级阈值的变步长自适应匹配追踪(variable step size adaptive matching pursuit,VssAMP)算法,利用残差值确定第1级阈值调整稀疏度步长,提高信道稀疏度的估计精确度,利用噪声能量和信噪比(signal to noise ratio,SNR)确定第2级阈值控制算法迭代条件,降低小信噪比时信道重构误差.理论分析和仿真结果表明,该算法减小了初始步长对信道稀疏度估计精确度的影响,解决了VssAMP算法阈值难以确定的问题,相比原算法提高了信道估计精确度.     

角度域和时延域联合稀疏信道估计

针对多输入多输出(MIMO)系统在双选信道下信道估计问题,以及挖掘信道在时延域和角度域的联合稀疏特性,提出了一种新的基于压缩感知的联合稀疏信道估计方案.首先,基于基扩展模型,将信道估计建模为结构化压缩感知问题,随后基于压缩感知模型,提出了两种新的贪婪算法,有效地恢复了时变信道参数.其中两步同时正交匹配追踪(TS-SOMP)算法先在时延域中找到所有非零抽头位置,然后估计非零角度域系数.两环同时正交匹配追踪(TLSOMP)算法包括内外两个循环,在外部循环中找到一个非零抽头位置后,即可直接在内部循环求解非零角度域系数.最后,给出了归一化均方误差(NMSE)的仿真曲线,验证了本算法的有效性.