LRC的非相干最大似然相位增量序列估值

非相干最大似然相位增量序列估值是一种利用连续相位调制信号的相位增量序列进行最大似然序列估值的方法,其误码性能通常远优于常规的非相干解调,有时甚至接近于相位解调。本文着重研究几种二进制LRC信号的最大似然相位增量序列估值。     

基于FRFT与盲分离的扩频通信网络跳频信号时差估计

针对扩频通信网络跳频信号时差估计结果误差过高,导致信号定位追踪能力下降,多领域内信号传播停滞的问题,为增强扩频通信网络跳频信号的传播效率,提高辐射源跟踪和定位系统的信号探测能力,提出基于分数阶傅立叶变换(FRFT:Fractional Fourier Transform)与盲分离的扩频通信网络跳频信号时差估计算法的方法。采用盲分离方法获取满足跳频信号时差估计条件的两条信道,即平坦衰落信道和频率选择性衰落信道,利用FRFT估计两条信道特征,分别将平坦衰落信道特征和频率选择性衰落信道特征与最大似然块检测算法结合,实现扩频通信网络跳频信号的时差估计。实验结果表明,该方法无论是在正常环境中,还是在噪声干扰环境中,其均方根误差均处于较低水平、估计成功率均处于较高水平。     

基于非线性滤波器的最大似然信道估计

在有限信道冲激响应较长的情况,由于待估计参数空间的高维数,准确计算最大似然信道估计的复杂度较高,在实际应用中通常采用近似的方法.利用非线性Teager-Kaiser滤波器在抑制噪声的同时可以有效提取信号的特征,定义了一个表征信道参数概率分布的似然比,对该似然函数的最大化是首先得到路径延迟的极值,然后求得复路径衰耗.计算机仿真结果表明,与非似然方法相比,采用该似然函数方法能使联合检测性能得到提高.     

一种新型的针对频率选择性MIMO信道的空时分层检测算法

在FS-BLAST算法的基础上,提出了一种改进的适用于频率选择性多输入多输出(MIMO)信道的接收方案,该方案采用部分最大似然分层检测,其主要思想是在空时分层检测的基础上,部分地引入最大似然(ML)检测,从而有效地克服FS-BLAST类算法由于误差扩散所导致的系统性能下降的缺点.该方法的特点是仅对接收信号的一部分使用最大似然检测,因此,计算量并没有太大的增加.另外,该方法可以自由地选取进行最大似然检测的信号维数,因此可根据实际系统特点在计算复杂度和误码率性能间选取最优折衷.     

基于Kalman滤波的自适应MIMO信道估计

给出了一种基于Kalman滤波的自适应MIMO信道估计方法，分析了算法的剩余误差能量随迭代次数增加的变化情况，对饱和MIMO系统和欠饱和MIMO系统，分别采用Kalman自适应MIMO信道估计方法和最大似然信道估计方法，进行了数值仿真和对比。从对比的结果来看，文中给出的Kalman自适应信道估计具有和最大似然信道估计相近的性能，而在饱和系统中，Kalman估计算法性能要略好一些。     

基于训练序列的信道估计

信道的时变特性是提高移动通信系统容量和可靠性的主要障碍。由于无线传播环境的复杂性,无线移动通信的信道特性通常是时变的,因此快速准确的信道估计对于提高通信系统的性能是十分必要的。本文首先详细分析了多用户多天线传输信道模型,并在此基础上给出了TDD模式下基于训练序列的信道估计算法,最后得到了最大似然估计准则下传输信道的估值函数。     

用微处理机实现ISI信道最大似然序列估值接收

采用Viterbl算法实现最大似然序列估值接收,是码间干扰信道在加性白色高斯噪声条件下数字信号序列的一种最佳接收方法。理论研究和计算机模拟结果都表明它的性能优于现有的线性均衡或非线性判决反馈均衡接收方式。但是由于它需要相当多的算术、逻辑运算单元及存贮单元,这使得系统对于复杂而无法实现。本文目的就是探讨实现最大似然序列估计值接收机的有效途径,促使其早日获得工程应用。本文叙述了最大似然序列估值及Viterbj算法的基本原理,推导出了便于分析和计算的序列估值公式和误差界限公式。     

MIMO-OFDM系统信号检测和信道估计算法

文章针对MIMO-OFDM系统提出了一种局域化的最大似然信号检测算法,通过调整每个发送天线信号集中的搜索点邻域大小,在计算复杂度与系统性能之间折衷。仿真结果表明,该信号检测算法显著降低了计算复杂度;同时提出了一种基于导频训练序列的信道估计算法,采用该算法得到的信道估计均方误差结果接近理论极限值,系统误码率非常接近已知信道频响情况的性能。     

针对相位噪声的广义软判决辅助相位估计算法

判决辅助最大似然(DA-ML)和软判决辅助最大似然(SDA-ML)载波相位估计器均假定静态分块载波相位,因此在高信噪比下会出现误差下限。通过引入多元高斯分布模型,提出广义SDA-ML相位估计算法,并通过分解信道协方差矩阵来降低计算复杂度。仿真试验结果表明,对于高阶QAM调制,广义SDA-ML可以显著降低DA-ML和传统SDA-ML的误差下限。     

几种改进型RLS算法在自适应滤波系统中的应用

对用于信道估值(自适应模拟系统)和信道均衡(自适应逆模拟系统)的几种改进型RLS算法进行了比较。由于信道估值的最优解可以模拟出信道的传输函数，从而得到较为准确的信道参数，而信道均衡的最优解却受噪声功率谱密度的影响，因此提出了适用于时变信道的、基于信道估值的均衡方法，采用性能良好的信道估值算法将改善自适应均衡的性能。     

一种高效的V-BLAST最大似然检测算法

垂直分层空时码(V-BLAST)是贝尔实验室提出的一种多发射多接收天线(MIMO)结构无线通信系统,该系统具备较高频谱利用率和易于实现的特点.在V-BLAST检测算法中,最大似然算法有最好的检测性能,但它的算法复杂度最高.笔者提出了一种高效的V-BLAST最大似然检测算法,此算法在保证较高的检测性能的前提下大大减小了算法复杂度.     

伽利略搜救信号检测算法设计

根据伽利略搜救信标信号的特点,利用纯载波段和位帧同步段信息,提出采用广义似然比检验(GLRT)和极大似然(ML)估计方法实现搜救信号检测,同时得到信号到达频率(FOA)、信号到达时间(TOA)和信息位宽的粗略估计值.仿真与硬件实现后的测试结果表明,当接收信号载噪比为34.8dB·Hz时,无虚警且正确检测概率可达0.97以上,指标优于系统要求的0.95.     

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.     

基于互相关和最大似然估计的弱信号检测

弱信号检测一直以来是人们研究的热点，如何从强噪声环境下提取有用的信号非常关键。简单介绍互相关检测的原理及最大似然理论，并在此基础上，提出了将互相关检测与最大似然理论相结合检测弱信号的新方法。仿真结果表明，此方法是可行的。     

基于译码转发中继信道的对角正交设计极化空时分组码

构建了基于译码转发中继信道的对角正交设计极化空时分组码(STPBC),该种码可以通过极化天线进行满码率发射和接收.然后设计了码率为1、发射天线数为2和4的码字矩阵,最后与传统对角正交、传统准正交和极化准正交这3种无中继空时分组码(STBC)分别进行了仿真对比.结果表明:2个发射天线和1个接收天线情况下,当BER=10-3时,BPSK调制下STPBC的性能比无中继传统对角正交情况有3.5dB的增益,QPSK调制下有3dB的增益;4个发射天线和1个接收天线情况下,当BER=10-3时,BPSK调制下比上述3种情况分别有6.0,2.7和-1.5dB的增益,QPSK调制下分别有5.5,2.5和-2.5dB的增益;与无中继极化准正交STBC相比,在SNR较低的情况下所提分组码具有较好的性能.     

一种新的空间调制QPSK信号检测算法

空间调制(SM)是一种新颖的多天线传输方案,它将激活天线序号与传统的信号调制相结合,共同承载发送信息.由于SM系统的最大似然(ML)最优检测算法既需要检测出激活天线序号又需要检测出发送的信息符号,检测复杂度很高.为此,利用二进制二次规划的全局最优条件,针对空间调制QPSK信号,提出了一种新的最优的ML简化检测算法.新算法在保证了传统ML最优检测性能的前提下,明显降低了算法的复杂度,特别在大天线空间调制系统中具有更加明显的优势.最后通过计算机仿真,验证了新算法的ML最优性.     

MIMO-OFDM系统低复杂度时频ML信道估计器

通过联合优化训练符号设计和ML准则,构造了一种基于重叠训练图样的拥有低PAPR的时频信道估计器ML-A LI.通过理论分析获得:当训练符号矩阵等于归一化Hadamard矩阵且在子载波上等间距的摆放时,ML-A LI估计器实现等同于正交的ML信道估计器ML-B LI最优的MSE性能和低复杂度.在M IMO移动信道仿真表明:ML-A LI和ML-B LI的BER性能介于LMMSE LMMSE和LI LI之间,更接近于LMMSE LMMSE;当信道变化较慢时,ML-A LI和ML-B LI具有相同的BER性能,当信道变化较快时,ML-A LI比ML-B LI提供了更优的BER性能.     

差分跳频最大似然序列检测及其性能分析

为了在差分跳频接收机中使用最大似然检测算法,通过引入频率可靠度函数生成了多普勒平面上的广义星座图,构造了差分跳频最大似然算法。广义星座图不仅使差分跳频接收机最大似然序列检测成为可能,而且适用于采用频率来荷载信息的通信系统的符号或序列检测。仿真表明,差分跳频最大似然序列检测算法比采用逐跳检测的最大后验概率算法性能优越。