一种变步长自适应信道估计算法

针对传统的LMS算法收敛速度慢和对时变信道跟踪能力弱的缺点做了改进,提出一种应用于LTE-A ( Long Term Evolution-Advanced)系统的变步长LMS( least mean square)信道估计算法,设计一种误差函数来控制步长因子,仿真结果表明比传统算法能明显降低MSE( Mean Squared Error,均方误差),提高信道估计的精度。     

一种多用户联合检测信道估计新方法研究

研究了CDMA系统在采用阵列天线接收时进行多用户联合检测中信道估计的实用化算法，较好地解决了现有许多算法不能满足实时性处理要求的难题，详细讨论了阵列天线分集增益对简化信道估计算法，结构和降低计算复杂度的原理和方法，分析了将阵列天线和多用户联合检测结合在一起时系统所具有的综合效能，仿真结果表明该算法是可行和有效的，为联合检测技术在实际系统中尽早实用化提供参考。     

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.     

CDMA系统中一种基于导频的自适应信道估计

提出了一种面向直接序列扩频(DS-CDMA)通信系统的基于导频信号的自适应信道估计方法，该方法在CDMA前向链路上采用计算效率高、易于实现的导频信号滤波器，针对不同的移动信道环境，可以从事先计算得到的表中选出最优导频信号滤波器系数，以实现自适应信道估计，仿真结果表明，采用了这种自适应信道估计方法的CDMA系统的误码率性能比非自适应系统有很大提高。     

一种改进的TD-SCDMA系统信道估计算法

TD-SCDMA系统中普遍采用的B.Steiner信道估计算法是一种低代价算法,但是由于背景噪声的影响,其信道冲激响应的幅度和时延相对于真实值存在误差,降低系统性能。在B.Steiner算法的基础上提出了一种门限后处理方法,减少噪声影响。仿真结果表明,这种方法可以在不增加算法复杂度的情况下获得较好的系统性能。     

IR-UWB系统中基于信道缩短的信道估计

 针对脉冲无线电超宽带(IR-UWB)系统,提出一种基于信道缩短的信道估计算法.首先基于最小信道缩短方差(MSCSE)准则,利用接收导频序列提出一种信道缩短算法,然后利用信道缩短均衡器输出序列估计出复合信道,最后利用反卷积求出原信道参数.仿真表明,信道长度不大于符号宽度时,缩短前后估计信道的均方误差(MSE)接近;信道长度大于符号宽度时,缩短后MSE比缩短前至少低4.3dB.     

一种新的基于判决反馈的OFDM系统信道估计方法

提出了一种基于判决反馈机制的信道估计方法,采用少量导频估计出初始信道信息,再从接收端检测出的符号中选取一组包含了少量错误的符号作为准导频,反馈到信道估计器,与初始的导频一起构成数量更多的导频序列,经过几次迭代,达到提高信道估计精度的目的.为提高初始估计的精度,信道估计采用了一种频域分集的方法.计算机仿真表明,在多径瑞利衰落信道下,本文的方法可以在较低的复杂度下有效地提高信道估计的精度,在MMSE接收条件下,系统具有良好的误比特率(BER)性能.     

一种基于叠加导频的OFDM系统迭代信道估计算法

提出了一种在OFDM系统中,基于叠加导频和时域最小平方准则的迭代信道估计算法,该算法利用多个OFDM符号进行联合信道估计,且在接收端根据估计得到的信道信息实时地更新发送序列,采用反馈迭代算法不断地更正信道信息,有效地提高了信道估计性能.     

基于GSA-BP神经网络的OFDM系统信道估计算法

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中存在的不可忽视的非线性噪声问题,为了能够更好了解信道特性,需要利用信道估计获得信道状态信息,提出一种基于黄金正弦优化BP(golden sine algorithm,GSA-BP)神经网络的OFDM系统信道估计算法,克服了传统 BP神经网络算法容易陷入局部极值的问题,提升了信道估计算法的估计精度.首先通过LS信道估计算法获得信道的初始估计,再将其通过GSA-BP神经网络算法得到信道的精确估计.仿真结果表明,在相同的信道环境下,提出的算法比LS算法具有更好的性能,与MMSE算法性能接近,但不需要信道先验统计特性,易于实现.     

一种基于导频的OFDM系统信道估计方法

本文提出了利用循环前缀对信道进行估计的方法,即在梳状导频模式时,使用导频获得导频子信道频率响应后,对其在频域方向进行插值得到数据子信道响应,在以后没有导频的序列的数据周期内,使用循环前缀对信道进行估计,改善了系统的性能。     

基于零相关扩频码的UWB系统信道估计方法

在脉冲UWB系统中,应用零相关扩频码（ZCD）进行DA（数据辅助）信道估计,仿真结果显示出采用ZCD码进行信道估计得到的自相关函数优于采用Walsh码得到的．同时提出一种基于ZCD码的脉冲UWB系统的非结构化DA信道估计方法,仿真结果表明,这种方法的误码率低于普通扩频码的误码率,说明该方法可以有效地提高非结构化信道估计的性能．     

基于非零导频子载波的移动WiMAX信道估计和插值研究

在M.1225车速120km/h信道模型下,根据移动WiMAX的移动性和前导码的结构特点,利用非零导频子载波进行信道估计。探讨了2种信道估计算法和3种插值技术,并对其中的Cubic插值技术进行改进以降低计算复杂度。经仿真发现利用LS算法和Cubic简化插值技术进行信道估计能很好地实现性能与复杂度的折中,在实际系统中可获得满意的BER性能。     

基于免疫模糊聚类算法的电网抗差状态估计

提出了一种基于免疫进化模糊聚类算法的电网抗差状态估计方法.该方法首先计算出量测数据的标准残差rN和相邻采样时刻量测值之差Δz,初步将量测数据划分为可疑数据和可靠数据.分别在0.5～1和0～1之间随机生成可靠数据和可疑数据的隶属度,形成初始分类矩阵,克服了整个分类矩阵在0～1之间随机生成的缺陷,并大大加快了算法的收敛速度.之后以γN和△z为特征值,应用免疫进化算法对分类矩阵进行模糊聚类,以获得各个量测量的良数据隶属度.依据各个量测量的良数据隶属度,进一步将量测数据划分入淘汰区、降权区、保权区进行状态估计.该方法能获得较高的抗差能力和状态估计精度,且数值稳定性较好.对IEEE14节点系统的算例仿真表明了该方法的有效性.     

采用上行SCMA系统的新型导频结构及信道估计方法

在上行SCMA系统中,多用户在相同的子载波上传输信息导致正确估计每个用户的信道状态信息存在很大的困难。针对该问题,使用了一种适合于上行SCMA系统的新型导频结构。通过导频间隔和导频位置的合理设计,使得多用户的导频信号在导频结构上保持正交性,在接收端使用LS算法和LMMSE算法对导频进行信道估计,最后通过cubic内插得到完整的信道响应。仿真结果表明,基于LS算法的该导频结构更好地平衡了误码率性能和系统复杂度,减少了系统导频开销,并且运算量明显降低。     

OFDM系统中DCT结合判决指导的信道估计方法

研究了正交频分复用(orthogonal frequency division multiplexing,OFDM)系统中基于DCT变换域的插值算法,针对传统的基于离散余弦变换条件下(discrete cosine transform,DCT)的信道估计算法中去除噪声性能不够理想的问题,提出了一种在DCT变换之后与判决指导相结合的DCT插值信道估计算法,对噪声进行第2次滤波.仿真结果表明:使用改进算法后信道中的多余噪声得到了更好的处理,系统的信道估计性能得到了进一步提高.     

MIMO-OFDM系统中基于二维散布导频信道估计

MIMO—OFDM技术将OFDM与空时编码技术有机的结合在一起，能够大幅度的提高无线通信系统的信道客量和传输速率，并能有效的抵抗多径衰落、抑制干扰和噪声。本文详细讨论了在MIMO—OFDM系统中基于二维散布导频信道估计算法，并重点阐述了导频形式的选择准则，最后结合计算机仿真分别验证了算法的有效性。     

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。     

FMT系统中信道估计的分析与仿真

根据FMT系统的特点,研究了在FMT系统中进行信道估计的方法．在此基础上,改进了基于扩频序列的信道估计方法．理论分析和计算机仿真结果均表明,在时域中对FMT系统进行信道估计简单有效,并且基于扩频序列估计的性能优于LS估计,改进后的估计方法进一步提高了性能。     

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。