一种改进广义正交匹配追踪的DOA估计方法

针对传统匹配追踪算法的波达方向(direction of arrival, DOA)估计方法精度不高、收敛速度较慢等问题,提出一种改进广义正交匹配追踪(generalized orthogonal matching pursuit, GOMP)算法的DOA估计方法。通过空间网格划分建立DOA估计模型,在此模型基础上引入GOMP算法对接收到的信号进行重构,然后在原有GOMP算法基础上引入最速下降法,提出一种改进GOMP算法用于DOA估计中。与GOMP算法相比,改进算法使用运算简单的最速下降法进行信号重构,降低了重构算法的复杂度。仿真结果表明:改进算法成功地得到了DOA估计值,相对于传统OMP算法,改进算法具有更高的DOA估计精度,有效地减少了重构耗时,具有更高的估计性能。     

最速下降和共轭梯度混合算法在波束形成中的应用

介绍了一种最速下降法和共轭梯度法的混合算法,并将这种混合算法应用到自适应波束形成中。该方法根据最小均方（LMS）准则推导出代价函数,结合共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了最速下降法下降缓慢的问题。计算机仿真表明,混合算法所需迭代次数少于最速下降法,且显著减少计算量,缩短运行时间。     

最速下降法的若干重要改进

为了研究结构工程分析中线性方程组解法,基于变分迭代法的思路和简化拉氏乘子的识别,构造了线性方程组求解的一种迭代格式——改进型最速下降法。为了提高改进型最速下降法的计算效率,引入松弛因子和预处理技术两种手段,同时把松弛因子引入原来的最速下降法中,使传统的最速下降法也具有了实用性和较好的收敛速度。设计两个算例分别验证了改进型最速下降法引入松弛因子和预处理两种手段以及对最速下降法引入松弛因子这三种算法的效率和稳定性,对于算例1,三种方法与传统高斯-赛德尔方法相比计算效率分别提高了444倍、533倍和444倍,与传统超松弛迭代法相比分别提高了28.3倍、34.2倍和28.3倍;算例2是个病态矩阵,传统的高斯-赛德尔方法和超松弛迭代法均计算不出结果。三种方法与最速下降法相比计算效率分别提高了29.6倍、38.2倍和20.8倍。算例数值结果表明,改进型最速下降法极大地提高了方程组的求解效率和稳定性,值得推广。     

基于最速下降法的平面选址问题应用研究

本文主要研究了基于最速下降法的平面选址问题的无约束优化求解方法,针对实际问题建立数学模型,最后在Matlab中利用最速下降法求解。     

联合最大似然贝叶斯信道估计

在高信噪比情况下统计贝叶斯估计是一种有效的信道估计方法,但是在低信噪比时由于噪声估计不准确,其性能逐渐下降.研究了基于鲁棒的非线性降噪方法,提出了一个简化的联合最大似然贝叶斯信道估计.计算机仿真结果和分析表明这种方法在较高和较低的信噪比情况下,提高了信道估计和联合检测的性能.     

最速下降法和共轭梯度的混合算法及全局收敛

将最速下降法与共轭梯度法有机结合起来,构造出一种混合优化算法,并证明其全局收敛性.这种混合优化算法结合了共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了目标函数的等值线是扁长椭球时,最速下降法下降缓慢的问题,具有收敛速度快、收敛范围大、适应面广等特点.文中的算法实例表明,混合算法与单纯的共轭梯度法相比,效果更优.     

共轭梯度法和最速下降法的混合算法

将共轭梯度法与最速下降法有机地结合起来,构造了一种共轭梯度法和最速下降法的混合算法,并证明了该算法的全局收敛．混合算法既提高了共轭梯度算法的收敛速度,又解决了目标函数“性态不优”时,最速下降法难以求解的问题．同时也可以看到共轭梯度法与最速下降法仅仅是混合算法的特例．     

带限信号重构问题的迭代正则化方法

针对带限信号重构问题的迭代正则化方法,提出用Landweber迭代法和最速下降法求解低频带限信号重构问题,导出正则化问题的预条件梯度迭代格式,并对三种方法进行比较,进行数值模拟的结果表明:最速下降法与Landweber迭代法具有非常相似的迭代公式,最速下降法既是正则化方法,又可以最优选取迭代步长,比Landweber迭...     

无约束优化的一个组合算法

将最速下降法与Newton法有机地结合起来,构造了无约束优化问题的一种组合迭代算法,并证明了算法的全局收敛性.该组合算法既继承了Newton法在极小点附近的快速收敛性,又解决了最速下降法难以求解的问题.     

TD-SCDMA系统中一种改进的子块处理信道估计方法

在快衰落信道环境下,TD-SCDMA系统中一种常用的信道估计方法是子块处理法,该方法能准确地跟踪信道的快速变化.然而这种方法并没有考虑子块之间由多径引起的干扰.本文提出一种改进的信道估计方法,首先利用传统子块处理法进行信道估计,然后构造出相邻子块之间的干扰,从接收数据里去掉这些干扰,最后重新进行信道估计.仿真结果表明,本文提出的方法比文献[4]不进行干扰消除的子块处理法在同一误码率(BER)下,平均所需信噪比(SNR)降低1～2 dB.     

基于深度学习的OFDM信道估计

针对多径正交频分复用(orthogonal frequency division multiplexing, OFDM)信道环境下信道频域选择性衰落导致下行链路信道估计性能受限的问题,提出一种基于深度学习的信道估计(deep learning-based channel estimation, DL-CE)方法。采用自回归过程对信道建模,利用深度学习设计信道估计网络追踪信道响应及其频域相关系数。通过迭代训练,基于深度学习的信道估计网络能够学习到自回归系数的最优估计,同时利用先验信道信息估计信道频域响应和频域相关系数。与传统方法相比,所提信道估计方法性能提升明显。     

面向脉冲噪声环境的多径信道鲁棒估计方法

在低压电力线通信(power line communication,PLC)中,由于脉冲噪声的干扰和阻抗不匹配引起的多径信道的影响,传统的在加性高斯白噪声环境下的信道估计算法运用到电力线通信时,往往效果很差,甚至得到的结果毫无意义。针对电力线通信中的脉冲噪声,采用了Middleton Class A脉冲噪声模型。通过基于高阶矩的方法对脉冲噪声的参数进行估计。根据估计得到的脉冲噪声参数,提出了新颖的、在脉冲噪声环境中鲁棒的信道估计算法。通过仿真,验证了提出的算法是可靠的,并且具有一定的灵活性。     

基于ESPRIT法的UWB系统同步与信道联合估计

提出基于ESPRIT算法的超宽带系统同步-信道联合估计算法.首先对接收信号进行傅立叶变换,由傅立叶变换结果计算自相关函数,基于自相关函数的信号子空间构造矩阵束,把同步、多径时延估计转化成矩阵束的特征值求解问题.求解出时延后再进一步求解信道参数.     

低压电力线载波通信压缩感知信道估计方法

针对低压电力线载波通信多径信道,建立了正交频分复用(OFDM)基带传输系统和低压电力线载波通信多径信道传输特性模型,并根据传输特性模型与模型参数,实验得出了低压电力线载波通信信道的冲击响应 h(n);在此基础上,分析推导了满足压缩感知条件的 OFDM 低压电力线载波通信多径传输数学模型,提出了低压电力线载波通信压缩感知信道估计方法,解决了最小二乘(LS)信道估计方法和最小均方误差(MMSE)信道估计方法精度差的缺点。 实验结果表明:在采用相同导频数 128 和相同信噪比 SNR 为 14 dB 的情况下,压缩感知(CS)信道估计方法与 LS 及 MMSE 信道估计方法中较优者相比,得出的信道均方误差降低 16 dB,接收端的误码率降低 3 倍,并且随着信噪比的增加性能提升更明显。     

一种非合作超宽带信道盲估计算法

为了解决非合作多通道室内通信环境中的超宽带信道先验信息难以获得、信道稀疏度弱的问题,提出了基于盲压缩感知的信道估计方法,以求进一步改善超宽带信道估计性能。盲压缩估计过程不依赖信道先验信息,采用稀疏编码与正交基更新交替迭代来获得稀疏矩阵和正交基;然后通过优化乘积得到重构信道,实现非合作超宽带系统信道估计。相对于传统方法,盲压缩感知理论提高了信道估计精度及模数转换速率,并且具有较好的抗噪声干扰能力。通过实验结果可知,该方法有效地克服了噪声干扰,降低了均方误差,在理想环境下,重构误差接近10~(-11)。     

一种基于扩频信号的散射通信信噪比估计方法

针对散射多径衰落信道下信噪比估计误差较大的问题,提出一种基于扩频信号的信噪比估计方法,该方法在散射通信信道模型的基础上,给出散射通信信噪比估计方案并设计数据帧结构,提出基于扩频信号的信噪比估计方法并给出合路信噪比计算公式,同时提出采用特定接收信号处理算法的等效信噪比计算方法,用于准确表征散射通信中的有效信噪比.仿真结果表明该信噪比估计方法估计准确,等效信噪比计算方法正确有效,相比其他信噪比估计方法,估计范围更宽,可有效解决多径信道信噪比准确估计问题.      

基于子空间跟踪的盲空时多用户检测

针对天线阵同步CDMA系统,运用子空间方法,提出多径条件下空时盲多用户检测方法.用FSYAST子空间跟踪方法来自适应估计信号子空间,同步多径天线阵列系统的信道参数采用Kalman算法自适应估计.仿真结果表明,提出的盲空时多用户检测器性能优于其它子空间多用户检测器.     

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。     

V-BLAST OFDM系统的信道估计方法

下一代宽带无线通信系统的核心技术MIMO-OFDM(Multiple-Input Multiple-Output Orthogonal Frequency Division Multiplexing)能显著提高系统的容量,但要获得该技术所带来的性能优势,快速、准确的信道估计是关键。为降低V-BLAST OFDM(Vertical-Bell Laboratory Layered Space-Time Orthogonal Frequency Division Multi-plexing)系统中信道估计的运算复杂度和提高估计精度,提出了一种基于CAZAC(Constant Amplitude ZeroAuto Correlation)序列的信道估计方法。该方法避免了矩阵求逆运算,利用该序列良好的自相关性,通过相关运算可消除多发送天线信号间及多径信号间的相互干扰,并且明显抑制了噪声对估计性能的影响,使信道估计的性能得以显著提高。理论分析和计算机仿真结果表明,该方法无需多径时延估计,较已知功率时延谱与未知功率时延谱的传统信道估计算法,可分别获得约1 dB和2 dB的性能增益。     

一种WCDMA下行自适应信道估计算法及其性能分析

针对第三代移动通信系统WCDMA的标准中的下行连续公共导频信道，提出了自适应加权的多符号平均的信道估计算法，它包括信道变化速率的检测和信道估计器权重自适应调整两个部分。仿真结果表明，自适应信道估计算法在误比特率性能上优于纯粹的多符号平均或者不取平均的信道估计方法，且该算法复杂度小，易于在硬件上实现。