用于MIMO-OFDM系统盲信道估计的斜投影子空间法

为实现多输入多输出-正交频分复用(MIMO-OFDM)的盲信道估计,文中提出了斜投影子空间法,在满足算法识别系统的条件下,将接收信号空间划分为"过去"、"现在"、"将来"3个子空间,然后将"现在"子空间分别向"过去"、"将来"子空间进行斜投影,可以有效降低多径效应给接收系统带来的影响.文中给出了信道模糊矩阵的估计方法,采用了奇异值分解方法来提高算法的抗噪性能.通过与噪声子空间算法的比较,发现文中算法在牺牲少量估计精度的情况下可以大大降低计算复杂度.仿真结果表明该算法能有效地完成信道估计.     

空时编码的OFDM盲信道估计

提出一种新的恒模复调制、单天线接收实现空时编码的OFDM(ST-OFDM)盲信道估计的算法.建立了2发1收的ST-OFDM系统模型;利用空时编码的特点,对发射信号采用恒模复调制,引入周期相关特性,将各子信道分开进行估计;利用循环前缀引入的信息冗余给出子空间算法,实现盲信道估计.恒模复调制可避免非常数调制导致的峰值功率问题.该算法不需要对OFDM信号进行冗余预编码,不会降低系统码率;由于采用单天线接收就可实现盲信道估计,不需要改变接收机的结构;不受信道阶数过估计的影响.但如有信道零点在OFDM子载波上,算法不能成立,因此受信道零点位置的限制.     

ZP-OFDM系统中基于信号子空间迭代拟合的盲信道估计

介绍了一种用于ZP-OFDM系统的基于子空间拟合的盲信道估计算法,该算法采用信号子空间迭代拟合技术代替了传统的噪声子空间信道估计中奇异值分解获取子空间进行估计信道。仿真表明,在低信噪比下该算法获得了比传统的噪声子空间信道更优的估计性能,更接近ZP-OFDM盲信道估计的CRB（Cram6r-Raobound）。     

正交频分复用-多天线系统的盲信道估计算法

为了解决多天线系统的识别模糊问题,提出一种基于系统输出信号二阶统计的正交频分复用多天线(OFDM-MIMO)系统盲信道估计算法。该算法从频域角度出发,从而将有限冲击响应信道的识别简化为一系列的无记忆系统识别问题。利用信道频率相关特性降低了算法复杂度,同时解决了算法对样本数的依赖问题。为了去除盲识别的模糊度,设计了带少许导频插入的OFDM-MIMO系统结构,研究了算法的估计精度及其对信道容量的影响。仿真结果表明:2发2收,1024子载波的OFDM-MIMO系统在信噪比为20dB时盲估计的归一化均方误差约为10-2。另外,子载波信道的容量结果表明,在信道变化较快时该文提出的盲估计算法相对于训练方法有明显的容量优势。     

OFDM系统的盲信道估计

正交频分复用(OFDM)系统中的盲信道估计对能否正确恢复信号起决定性作用,现有的算法存在计算复杂度高、精度低的缺点.为此提出了一种新算法,该算法充分利用时域和频域信息,其计算复杂度从指数次幂降到多项式,即使信道阶数未知也可获得较高的估计精度.本算法既适用于CP-OFDM中又适用ZP-OFDM中,并保证信道可辨识性不受信道位置影响.仿真表明,本文算法的性能优于子空间算法.     

基于子空间的STC-OFDM系统信道盲估计算法

针对使用2个发射天线和2个接收天线并且采用循环前缀的空时编码正交频分复用系统(STC-OFDM),提出了一种信道盲估计算法,并给出信道可被辨识的条件.该算法采用基于子空间的方法,可在2个常数的意义上确定信道冲激响应.该算法无需预编码或恒模调制.仿真结果验证了该盲估计算法的有效性.     

基于信号噪声子空间的OFDM信道估计

在分析基于奇异值分解(SVD)的线性最小均方误差(LMMSE)估计的实现原理的基础上,结合信号、噪声子空间理论,给出了矩阵低阶近似时秩的选取方法.计算机仿真结果表明提出的低阶秩选取准则能够提高该算法在各种工作环境下的适应性.     

OFDM系统信道盲估计的子空间算法

利用循环前缀(CP)引入的信息冗余,提出一种利用接收信号的二阶统计特性实现正交频分复用(OFDM)系统信道盲估计的子空间算法.由于OFDM传输方程不能直接推导子空间算法,故首先给出一种新的方法对OFDM传输方程作矩阵变换,从而得到一个结构简单的新方程,基于此推导出信道估计子空间算法.该算法不需要改变OFDM系统结构,不受信道零点位置的限制,在信道过估计的情况下也适用.     

OFDM系统中基于子空间加权的时延估计算法

针对低信噪比条件下正交频分复用（orthogonal frequency division multiplexing,OFDM）系统利用MUSIC算法（multiple signal classification）进行时延估计时,特征值分解得到的信号子空间和噪声子空间不能完全正交导致算法性能下降的问题,提出一种基于子空间加权的时延估计算法——WMUSIC算法（weighted multiple signal classification）。算法对信道频域响应估计的协方差矩阵进行特征分解,利用噪声特征值的幂级数对噪声子空间进行加权处理,同时采用信号特征值的倒数对信号子空间进行加权处理,以修正MUSIC算法的伪谱,通过谱峰搜索得到时延估计值。仿真结果表明,与MUSIC算法相比,WMUSIC算法具有更高的时延估计精度,在信噪比为－8 dB时,估计精度在两径条件下提升71.46%,三径条件下提升19.48%。WMUSIC算法有效解决了低信噪比条件下MUSIC 算法伪谱谱峰存在混叠导致谱峰搜索误差较大的问题,可以完成较为准确的时延估计任务,提高了低信噪比条件下OFDM系统的时延估计性能。     

一种适用于正交频分复用通信系统的高效非盲信道估计算法

提出了一种适用于正交频分复用通信系统的非盲信道估计算法。与传统算法在保护间隔内插入循环前缀不同，该算法在保护间隔内插入参考信号，利用该参考信号实现信道频域估计和信道失真补偿。理论分析和计算机仿真表明：该算法与传统算法相比误码性能接近，而信道传输效率提高约20％。因此，该算法可适用于高速无线通信系统。     

一种适用于正交频分复用通信系统的信道估计盲算法

提出了一种适用于正交频分复用(OFDM)通信系统的信道估计盲算法,给出了该算法的理论基础和计算机仿真结果.该算法以子空间方法为基础,并利用了OFDM通信系统协议中的循环前缀信息.该算法还考虑了现有OFDM协议中的空闲子载波信息,并具有计算量相对较小、抗循环前缀长度不足和抗信道长度过估计等优点.     

OFDM系统信道估计研究

针对无线衰落信道工作下的正交频分复用系统特点,对其关键技术之一信道估计技术进行研究,总结并分析了基于导频的信道估计方法。     

正交频分复用系统的非对称调制星座频域信道盲估计方法

针对频域信道盲估计的相位模糊问题，提出了基于非对称调制星座的频域信道盲估计方法．根据正交频分复用系统子信道的衰落相位等于该子信道调制星座旋转的角度这一特性，通过独立地估计各子信道接收信号的平均功率及调制星座旋转的角度来估计信道的频率响应．相对于预编码频域信道盲估计方法，该方法的信道估计精度高且没有误差底限，具有实现简单、易并行处理等特点．系统的对比仿真实验表明，该方法与预编码频域信道盲估计方法相比，在信噪比超过18dB时可使信道估计误差随信噪比增加线性递减．     

正交频分复用系统中基于子空间跟踪的信道估计

基于导频的正交频分复用（OFDM）系统信道估计方法是通过在确定的时频位置发送已知的导频符号来获取信道参数的,通常包括导频位置的最小二乘估计和内插滤波两步。如果能够提高导频位置信道频域特性的估计精度,那么后续内插滤波的精度也就能相应地得到提高,为此,在建立通用参数化信道模型的基础上,提出一种子空间跟踪的改进算法,该算法通过基于Givens旋转的时延子空间跟踪和基于RLS滤波的幅度跟踪,提高了导频符号信道估计的精度,降低了跟踪算法的复杂度。仿真结果表明,基于子空间跟踪的信道估计方法具有较低的复杂度和较高的估计精度。     

不等长分组的正交频分复用系统及信道盲辨识算法

提出了一种采用不等长分组的正交频分复用(OFDM)系统。该系统通过将相邻的OFDM分组编码成不同的长度，可在接收信号序列中引入周期平稳性，从而实现信道的盲辨识。由于采用这种方法无需加入冗余信息，故进一步提高了系统的传输效率。仿真结果表明，本方法是可靠的。     

正交频分复用系统非线性信道估计算法

为了提高正交频分复用(OFDM)系统的传输质量和有效性，提出了一种基于最小二乘支持向量机的OFDM非线性信道估计算法．通过在OFDM符号中插入导频而获得训练数据，利用最小二乘支持向量机将训练数据映射到高维空间，并在此空间采用结构风险最小化准则对时变信道频率响应函数进行回归估计，把低维空间的非线性估计转化为高维空间的线性估计，提高了估计的精度．仿真结果表明，该算法能够有效地减小由多径引起的频率选择性衰落的影响，与传统算法相比，在同一误码率条件下的信噪比提高了3～7dB。     

基于隐藏导频的正交频分复用信道估计

单载波系统中的隐藏导频信道估计算法不适用于正交频分复用(OFDM)系统,为此提出了一种适用于OFDM系统的隐藏导频估计算法.该算法将导频信号叠加在时域信号之上,提高了有效数据率.仿真结果表明,所提算法能够在使用相同导频功率的情况下节约系统的有效带宽.