低信噪比多径信道下的正交频分复用带宽自动估计

针对低信噪比多径信道条件下正交频分复用(OFDM)信号带宽估计精度低的问题,提出一种基于小波变换的正交频分复用(OFDM)信号带宽自动估计方法。首先利用修正周期图法(Welch法)得到信号瞬时功率谱,通过多次观察测量并对功率谱曲线进行统计平均。然后对功率谱曲线进行连续小波变换,计算小波变换后时间—尺度平面上同一时间不同尺度能量累计曲线,提取曲线局部峰值位置,进而估计信号带宽。实验仿真结果表明,在不同多径信道且信噪比为-10 d B条件下,估计偏差均不超过1.2%,准确度优于传统方法,且鲁棒性较强。     

低信噪比下低复杂度的OFDM信号带宽盲估计方法

针对低信噪比多径信道下传统的正交频分复用(OFDM)信号带宽盲估计方法估计精度低且计算量较大的问题,提出了一种低复杂度的OFDM信号带宽盲估计方法,首先利用修正的周期图求平均(Welch)法得到功率谱,再对其进行最小二乘多项式拟合得到平滑的功率谱,然后通过对功率谱曲线进行求导提取出斜率最大点和最小点的位置进而估计带宽,最后多次循环求统计平均得到信号带宽的精确估计.通过理论分析,确定了OFDM信号带宽盲估计方法的步骤,并在多径信道下进行了仿真试验.仿真结果表明,该方法在信噪比为0 dB时能够达到98.9％的正确估计率,并且该方法与传统方法相比,带宽估计精度更高,计算复杂度更低.     

多径信道下的OFDM信号带宽盲估计

针对传统的正交频分复用（OFDM）信号的带宽估计方法在低信噪比多径信道下,估计精度低且计算量大的问题,提出一种OFDM信号带宽盲估计方法.本方法首先根据接收到的观测信号建立自回归（AR）模型,通过AR模型计算信号的功率谱;然后将其功率谱等效成矩形谱,并将矩形谱的带宽作为OFDM信号的估计带宽;最后通过多次循环求统计平均...     

OFDM信号过采样率盲估计的新方法

针对低信噪比多径信道下过采样率估计性能低的问题,根据正交频分复用( OFDM)基带采样信号的频谱特性,提出了基于采样信号频谱逼近的过采样率盲估计方法.该方法首先利用改进的移动协方差方法估计信号的载波频率,采用修正的周期图平均法估计信号的功率谱;然后通过选择最佳的滚降系数,设计一个最佳余弦滚降滤波器,使余弦滚降滤波器的截止频率逼近信号的截止频率;最后根据过采样信号的频谱特性原理估计出接收信号的过采样率,实现了不同类型OFDM信号的过采样率的盲估计.仿真结果表明,在信噪比为-2 dB,多径信道条件下OFDM信号的过采样率估计的均方误差不超过0.2.可见该方法无需任何先验知识,在低信噪比多径信道下具有良好的估计性能.     

脉冲噪声环境下信噪比的盲估计

正交频分复用(OFDM)系统中,多径信道下的传统信噪比估计采用的大多是加性高斯白噪声,本文提出了一种基于脉冲噪声环境下信噪比的盲估计方法。该方法首先设置合适的门限值抑制脉冲噪声,而后利用自相关函数的平稳特性估计出信道阶数,然后利用循环前缀数据为有用数据的复制这一特性估计出噪声功率,最后求出总的功率值从而估计出信号功率。实验仿真结果表明,提出的方法无需任何先验信息,在多径信道下具有良好的估计性能,且计算复杂度低。     

改进的OFDM带宽盲估计方法

针对正交频分复用信号通过快速傅里叶变换变换得到的频谱不够精确且计算量较大的问题,提出一种基于Welch法的带宽盲估计方法.首先用Welch法求得功率谱,再进行小波分解、重构,得到平滑的功率谱;然后提取出最大移动协方差的2个值所在的位置进而估计带宽;最后多次循环求统计平均,得到信号的精确带宽.实验仿真结果表明:在多径且低信噪比为0dB的条件下,该方法的正确估计率达99.1%,比传统方法的带宽估计精度更高,计算复杂度更低.     

宽带OFDM的窄带干扰消除器

短波宽带OFDM系统极易受到拥挤频段上的窄带干扰。基于Nillsson的宽带OFDM系统,设计了衰落信道低信噪比条件下的窄带干扰消除器。分析了低信噪比时门限的选取和噪声功率的估计问题,提出了自适应门限干扰消除器和部分子带消除器。仿真表明,多径低信噪比条件下,提出的自适应门限干扰消除器能有效抑制窄带干扰,部分子带消除器对窄带干扰消除性能更好。     

基于乘积性多尺度小波变换的MPSK信号码速率估计

为估计MPSK信号的码速率,提出一种基于乘积性多尺度小波变换的MPSK信号码速率估计算法.首先,采用载频估计值将接收信号下变频至基带;然后选取多个不同尺度分别对基带信号做Haar小波变换以检测相位突变点,对多个尺度下小波变换的模做乘积性运算,显著凸显突变点的位置,极大削减了噪声;最后,对乘积性结果做快速傅里叶变换(FFT),便可得到MPSK信号的码速率.仿真实验表明,该方法可以在较低信噪比下估计MPSK信号的突变点和码速率,体现了良好的估计性能和优良的低信噪比性能.     

基于傅立叶变换的OFDM信道估计方法研究

分析了无线OFDM 系统中基于傅立叶变换的信道估计方法,提出了在低信噪比情况下使用LMMSE估计的一种改进方法和在高信噪比情况下使用不需要先验信息的LS估计的改进方法。仿真结果表明，在无线多径慢衰落信道条件下，该改进方法都能够有效对抗频率选择性和先验信息的估计偏差对信道估计的影响，在估计性能与算法复杂度之间取得良好折衷。     

OFDM系统中一种新的变换域信道估计方法

提出一种新的通过离散小波变换在变换域内进行插值的OFDM系统信道估计方法,利用离散小波变换在频域-变换域分析信道估计信号.这种方法可以更好地跟踪信道变化,显著地消除接收到的导频信号中的加性噪声,提高信道估计精度.     

高阶矩的衰落信道中OFDM信号检测算法

正交频分复用是一种具有很强抗多径干扰、码间干扰和窄带干扰以及很高频谱利用率的高效数据传输技术,已经得到广泛的应用;OFDM信号的自动识别和调制参数的估计是非协作通信和认知无线电中的关键问题。以基于高阶累计量的正交频分复用(OFDM)信号检测算法为研究对象,针对衰落信道将影响信号高阶统计特性的问题,提出一种适用于衰落信道环境中的基于高阶矩的OFDM信号检测算法,用以区别多载波信号(OFDM)与单载波信号(MFSK,MQAM);并通过数学推导和仿真数据验证了所提算法的可行性和衰落信号适应能力。     

EMD算法应用于OFDM系统频偏估计的新方法

提出了一种利用经验模态分解（empirical mode decomposition,EMD）技术估计正交频分复用系统（orthogonal frequency division multiplexing,OFDM）频偏的新方法。传统的OFDM系统频偏估计算法通常需要获得多路混合信号,而新方法仅需要利用相关检测处理单路的OFDM信号,再通过EMD模态分解算法分离出各路子载波信息,即可估计出OFDM系统频偏。与传统的OFDM系统频偏估计方法相比,新方法不依赖源信号的统计特性和信道状态信息,不需要额外带宽,降低了系统的实现复杂度。仿真结果表明,该方法具有较高的频偏估计精度。     

基于集成神经网络的信道估计方法研究

为解决噪声以及信号干扰等因素严重影响接收端信道估计的问题,提出一种基于集成神经网络的信道估计方法,利用多个改进后的神经网络来提取带噪导频信号与原始导频信号之间的非线性关系模型,根据其输出误差来计算差异度值,并结合差异度对其进行集成,得到训练完成的集成神经网络模型,通过集成神经网络模型来获取信道估计结果;与最小二乘(least squares,LS)估计方法相比,该方法不仅可以提高通信的可靠性,而且还能减少导频开销提高通信有效性;在不同的调制方式下,当误码率相同时,算法所需的信噪比LS算法均要更低;基于正交频分复用(orthogonal frequency division multiple,OFDM)通信系统进行仿真,结果证明,该方法具有优良的性能。     

非协作通信中的信噪比估计算法

研究基于信号协方差矩阵分解的信噪比估计算法.该算法使用最小描述长度准则实现了信号空间维数的估计,进而实现信噪比估计.在此基础上,提出了基于信号功率谱的信噪比估计算法.由该方法计算出接收信号的功率谱,估计出有用信号的带宽,在有用信号频带外的噪声频带上估计出噪声的功率,从而估计出信噪比值.仿真实验表明,当信噪比小于3dB时,基于信号功率谱的信噪比估计算法优于基于信号协方差矩阵分解算法.     

Blind Carrier Frequency Offset Estimation via Power Spectrum Analysis in MIMO OFDM Systems

As a generalization of orthogonal frequency-division multiplexing (OFDM) systems,multi-input multi-output (MIMO) OFDM systems are very sensitive to carrier frequency offset (CFO).This paper proposes a blind CFO estimation method based on power spectrum analysis,which has high bandwidth efficiency and is much less complex.This method can be used to estimate the residual CFO,which is less than half of the subcarrier spacing.The method uses a cosine cost function to get a closed-form CFO estimate.Simulation results illustrate that the method is effective for MIMO OFDM systems.     

基于叠加训练序列的稀疏信道估计

对于稀疏多径衰落信道,提出了一种叠加训练序列和匹配跟踪算法相结合的信道估计方法.为了提高系统带宽效率,采用迭代的叠加训练估计信道响应,该方法将一低功率周期性的训练序列直接叠加于信息序列,利用接收数据的均值求得信道响应,不需要任何额外带宽资源.在许多无线通信环境中,信道呈现稀疏特性,利用该稀疏特性,采用匹配跟踪算法估计信道响应中的非0点,以此可以降低加性高斯白噪声引起的性能损失.通过计算机仿真表明,本文的方法可以达到很好信道估计性能.