对信道过模型具有鲁棒性的基于线性组合-子空间法的信道盲辨识

当信道被过估计时，用标准子空间法可得到多个线性独立的信道估计，而真正的信道向量处在这些线性独立解所张成的范空间内．通过引入约束条件，信道向量可以被唯一确定,在快速收敛的同时，对信道过估计具有很高的鲁棒性．     

基于子空间方法的多输入多输出信道盲辨识与均衡

子空间方法是一种有效的基于二阶统计量的盲信道辨识方法.具有计算量小、性能好、所需样本量少,不需要信号源相关性信息的特点.文中将单输入多输出（SIMO）系统的信道辨识子空间方法推广到多输入多输出（MIMO）系统.在MIMO的情况下,估计所得到的信道参数矩阵与真实参数矩阵间存在一个模糊矩阵,利用二阶盲源分离的方法将其转化为置换矩阵与对角的尺度矩阵乘积,得以提取源信号.此外,针对盲源分离中卷积混合信号分离的问题,利用此类盲均衡方法及其模型中的卷积矩阵,可将卷积混合转化为瞬时混合,从而利用大量已有针对瞬时混合的算法进行盲源分离.并对此进行了仿真,验证了其可行性.     

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.     

基于子空间分解的信道盲均衡

在分析可用二阶谱来实现非最小相位系统信道盲识别的基础上,介绍了采用过采样技术和子空间分解的方法来实现无线信道盲畜产品识别,而后对信道参数求逆就可获得均衡器。     

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.     

三维信道模型约束下的大规模MIMO信道估计方法

针对配备1bit模数转换器(ADC)的大规模多输入多输出(MIMO)上行信道估计精度差的问题,提出了一种三维信道模型约束下的大规模MIMO信道估计方法。首先,结合所选定的适用于面天线阵的三维空间信道模型,建立了带有信道模型约束的大规模MIMO信道估计优化问题,并在优化目标函数的接收信号误差项中引入随机白噪声扰动,以提升方法的抗噪能力;其次,采用交替迭代式算法对优化问题进行求解,推导了信道模型参数的更新过程;最后,通过采用信道模型空间结构并使用噪声功率来恢复低精度接收信号的振幅,进而实现更准确的信道参数提取。仿真结果表明:与最小二乘估计和基于Bussgang分解的线性最小均方误差估计相比,所提方法可有效降低量化噪声和白噪声的影响,提高信道估计精度;当信噪比为10dB时,采用所提方法估计信道的均方误差比基于Bussgang分解的线性最小均方误差估计方法减小了75%。     

基于子空间的OFDM系统半盲信道估计研究

提出了一种基于子空间的改进OFDM系统半盲信道估计算法,利用信号子空间和噪声子空间的正交特性将子空间分解,实现了色噪声背景下高效半盲信道估计.仿真结果表明,在时变信道下具有更好的收敛性,体现了算法好的稳定性以及快速跟踪系统变化的性能.     

基于过采样的Hammerstein模型最小方根辨识算法

针对Hammerstein模型提出了基于过采样原理的新的最小方根辨识算法,通过估计线性部分的中间输入,可以辨识出任意连续函数的未知非线性元件和线性部分传输函数。即使在非线性元件传递函数存在近似误差的情况下,线性部分的估计值也具有一致性。     

盲检测的递推算法

在ε均衡概念基础上,提出了对含公零点SIMO(单输入多输出)信道的盲均衡算法。该算法充分利用发送符号属于有限字符集的先验知识,先用ε算法盲检测少量发送序列,然后再用递推算法恢复出发送信号。仿真结果表明:不管信道是否包含公零点,文中提出的算法性能都明显地优于基于二阶统计量的其它经典算法,并且算法还可适用于时变信道。     

基于子空间辨识的DOA和频率联合估计算法

针对阵列信号波达方向(DOA)和频率联合估计计算量大、参数配对较困难等问题,提出了一种基于子空间辨识方法的DOA和频率联合估计算法.该算法构造了一个特殊的状态空间模型,并通过选取辅助矩阵来抑制噪声.由子空间辨识方法得到广义可观测矩阵的估计值,再利用总体最小二乘(TLS)方法得到系统矩阵的估计值,由系统矩阵得到DOA和频率的估计值.该方法具有参数自动配对和计算量小的特点.计算机仿真验证了该算法的有效性.     

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.     

基于最小输出熵的盲反卷积方法

针对多通道卷积混叠模型，基于信息理论的最小熵准则，利用单时间点观测样本给出了一类多通道盲反卷积方法，这种方法不同于其它方法的地方在于考虑了源和观测信号的上下文信息。     

一种基于子空间的多速率DS-CDMA盲多用户检测器

提出了一种基于子空间的多速率DS CDMA盲多用户检测器,从理论和仿真两方面分析了该检测器的性能。该检测器的计算复杂度较低,有较强的抗远近效应和抗多址干扰的能力。     

一种利用接收信号冗余特征的基于子空间的盲信道估计算法

提出了一种基于子空间OFDM盲信道估计算法的改进算法。由于OFDM传输方程不能直接推导子空间算法,故给出了一种新的方法对OFDM传输方程作矩阵变换,该方法利用接收信号的冗余特性,得到一个结构简单的新方程,经理论分析证明,该算法对于循环前缀CP（Cyclic Prefix）的长度没有严格要求,大于或小于信道阶数,皆可以成立。     

基于FSYAST子空间算法的盲自适应多用户检测

为解决传统算法因引入特征值估计误差而导致检测性能下降的问题,在分析基于信号子空间跟踪的最小均方误差(MMSE)多用户检测器(MUD)的基础上,提出了一种改进的信号子空间盲线性MMSE多用户检测器,并应用FSYAST子空间跟踪算法进行信号子空间跟踪.仿真结果表明,提出的盲自适应多用户检测器性能接近于奇异值分解(SVD)子空间多用户检测器性能.     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

基于子空间-斜投影的MIMO-OFDM盲信道估计算法

信道估计是MIMO-OFDM系统的关键技术,相比非盲信道估计而言,盲估计技术具有带宽利用率高,系统传输效率高的优点.基于子空间盲估计算法在信道变化不是很快的情况下有比较精确的估计效果,但是多径衰落、噪声等会引起子空间之间的非正交,从而导致估计性能急剧恶化,此时采用斜投影可以很好的解决这个问题,仿真结果表明子空间——斜投影算法对信道估计性能有明显的提高.     

一种基于模糊神经网络的盲均衡算法

提出一种新的基于模糊神经网络的盲均衡算法,它利用盲估计算法与模糊神经网络相结合的原理,先对通信信道进行盲估计,利用得到的信道特性来估计FNN盲均衡器中的隶属函数中心与宽度初值。传统算法中,中心与宽度的初值设定由专家提供,会有一定的偏差。本算法利用信道特性来估计隶属函数的初值,有效地避免了人为确定初值的不确定性。同时本算法克服了原有盲均衡算法反卷积计算量大的缺点。仿真结果证明本算法与同类算法相比,收敛速度加快,误码率减小。