基于LSTBC-OFDM系统的信道估计简化算法

针对MIMO-OFDM通信系统中基于导频的常规信道估计算法存在矩阵求逆过程,使算法计算量过大的现象,提出了一种基于最小二乘(LS)的信道估计简化算法。该算法利用分层结构的空时分组编码技术(LSTBC)和优化设计的导频符号,避免了LS算法的矩阵求逆过程,大大降低LS算法的复杂度和运算量。仿真结果表明,该方法在运算复杂度显著降低的情况下,仍可取得和原算法同样的性能结果。     

ZP-OFDM的简单数据处理和信道估计算法

为简化接收端信道估计和数据检测的复杂度,对使用零保护间隔(zero padding,ZP)的正交频分复用(orthogonal frequency division modulation,OFDM)系统提出一种简单的数据处理和信道估计算法。利用插入ZP的特殊结构,经过时域简单处理,将信道矩阵变为循环矩阵,再对时域接收数据进行傅里叶变换,得到频域接收和发送数据一一对应的关系,可以和使用循环前缀(cyclic prefix,CP)的OFDM一样进行频域插入导频、频域信道估计和频域一阶均衡。仿真结果表明,使用ZP的OFDM系统节省了发送功率,在慢时变信道情况下具有和CP-OFDM相比拟的性能。     

基于RLS的联合同步和信道估计算法

针对采用跳频正交频分复用(frequency hopping orthogonal frequency division multiplexing, FH-OFDM)系统进行战时通信时存在的高误码率(bit error rate, BER)问题,对定时偏差(timing offset, TO)、载波频率偏差（carrier frequency offset, CFO）和采样率偏差(sampling frequency offset, SFO)进行综合考虑,提出一种导频辅助的联合同步和信道估计算法。在时域中分别对TO和子载波干扰项进行预先补偿。使用线性误差函数来配合递归最小二乘法对信道冲激响应、CFO和SFO进行估计。采用改进的极大似然算法对迭代参数的初始值进行估计,提高了估计的准确度。分析并给出FH OFDW系统频谱效率的权衡标准。仿真结果表明,该系统工作在1 000 hop/s时,该算法的估计均方差和BER均优于传统的算法。     

多频带OFDM超宽带系统同步及信道估计算法

针对标准多频带正交频分复用超宽带系统,基于前导训练序列研究其同步及信道估计算法。相关检测用取中点来减小粗定时误差范围。细定时利用系统零保护间隔的特点找相邻窗口最小能量比,对频偏不敏感且抗多径干扰。对定时位置进行修正,避免了信息数据的丢失及符号间串扰。采用基带数字域跳频解跳的机制,使载波频偏的影响归结为与单频带系统一致,简化了同步算法。仿真表明,在较恶劣的信道条件下,残余定时误差仍很小,并由信道估计及均衡有效的吸收,频率同步及系统差错性能良好。     

利用时域相关的MIMO-OFDM信道估计算法

提出了一种适用于多入多出正交频分复用(MIMO-OFDM)系统的信道估计算法,详细说明了导频符号的特殊设计算法以及信道估计算法的原理,并对该算法的均方误差性能以及复杂度进行分析;该算法能够在信道多径时延信息准确已知或不准确时带来良好的估计精度,从而保证系统性能。将该算法应用于超三代-时分双工(B3G-TDD)系统中并在室外和室内环境下仿真,均方误差和系统误码率性能结果说明了该算法的有效性;该算法能够大大增强系统的鲁棒性。     

用于有虚载波OFDM系统的信道估计算法

提出了一种适用于有虚载波的正交频分复用系统的改进信道估计算法。由于传统的信道估计器无法估计虚载波处的信道传输函数,从而逆离散傅里叶变换导致信道能量泄漏,使得时域滤波方法不能直接应用。为了解决这个问题,利用信道冲激响应的有限性,推导了以最小二乘法(least square, LS)来估计虚载波处的信道传输函数。进一步观察信号子空间和噪声子空间中噪声的相关性,使用最大后验概率准则估计出信号子空间的噪声并消除其带来的估计误差。该算法不仅可在训练模式下应用,也可推广应用于基于判决反馈的跟踪模式。仿真结果表明,改进算法无误符号率平台效应,且其误符号率较传统LS算法有2 dB的信噪比增益。     

一种基于导频的OFDM系统信道估计方法

提出一种使用矩形导频图案的OFDM信道估计方法。接收端首先在频率方向估计信道,然后在时间方向插值。该方法仅需累加和少量乘法运算就能估计出信道冲激响应,复杂度低,实时性高。在未编码16QAM-OFDM系统中,通过仿真将提出的方法与线性、cubic和MMSE插值法进行均方误差和误比特率的比较。结果表明该方法性能优于前两者,接近后者。     

低复杂度无线OFDM自适应信道估计算法

提出了一种基于传输信道状态检测的低复杂度无线OFDM系统自适应信道估计算法,利用导频子载波在时频方向对当前信道状态进行统计检测,动态跟踪信道参数的变化特征,自适应选择当前条件下的最优内插滤波系数;同时简化传输信道先验统计信息求解,以此作为滤波系数选择的依据.仿真结果表明,在低复杂度条件下可以获知当前信道模型化参数近似统计信息,利用较少的计算资源就能获得较好的自适应性能;从而有效克服了二维Wiener滤波器实现复杂度高,以及传统信道估计按照最恶劣信道情况上限进行设计所导致的非匹配性估计性能损失.     

引入阈值和判决指导的DFT信道估计算法

针对传统的基于离散傅里叶变换（discrete Fourier transform, DFT）的信道估计算法中滤噪性能不够理想的问题,提出了一种在正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中引入阈值和判决指导的DFT信道估计算法,采用阈值法对噪声进行两次降噪处理。仿真结果表明,该算法在高信噪比和低信噪比下均可提高信道估计的性能,其归一化均方误差(normalized mean square error, NMSE)指标优于传统算法。     

OFDM水声通信中基于压缩传感的稀疏信道估计

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)水声通信中常规的最小均方（least square, LS）信道估计方法需要大量训练导频且得不到较高估计精度的问题,提出了一种基于压缩传感原理的OFDM稀疏水声信道估计方法。该方法首先以正交短时傅里叶基构成的训练波形为OFDM的导频来“感知”信道,然后利用压缩传感技术的稀疏重构算法来对信道进行重构。〖JP2〗基于实测水声信道的仿真结果表明,在相同估计精度前提下,基于压缩传感的信道估计方法较常规的LS算法所需训练导频数得到大幅度减小,传输效率得以提高,且对噪声的鲁棒性增强,较好地适应了双扩展稀疏水声信道,尤其适用于动平台OFDM水声通信系统。     

单通道混合信号的深度联合分离译码算法

针对采用低密度奇偶校验(low density parity check, LDPC)码编码的单通道同频混合信号,提出一种深度联合分离译码算法。采用了Gibbs分离过程中的逐符号分离步骤和译码过程中的逐符号译码步骤之间交替更改变量节点似然软信息的方式,在初期译码步骤输出的软信息模值较小,便于分离步骤对译码步骤的结果及时进行纠正,降低整体误比特率,软信息达到译码门限后开始发挥译码作用并最终和分离步骤达到一致收敛。仿真结果表明,本文提出的深度联合算法能够有效避免传统迭代分离译码算法由于分离过程的误比特率超出软输入软输出(soft input soft output, SISO)译码器纠错能力范围导致算法无法收敛的现象,降低联合分离译码算法的门限并提升整体性能,对于8PSK调制的混合信号在误比特率为10^-3时有1 dB的性能改善^。     

频率选择信道下STBC-OFDM信号盲识别

针对多输入单输出(multiple input single output, MISO)通信系统的空时分组编码正交频分复用(space-time block codes-orthogonal frequency-division multiplexing,STBC-OFDM)信号盲识别问题,提出了一种基于四阶统计量的盲识别算法。该方法首先对MISO通信系统的STBC-OFDM信号进行建模;然后利用STBC-OFDM信号编码矩阵的相关性,构造了不同时延向量下接收信号OFDM块的时延四阶矩作为特征函数;最后通过时延四阶矩理论值与实验值的最小欧式距离盲识别发射端STBC-OFDM信号的编码方式。该方法不需要信道系数、噪声信息和调制信息等先验信息,适合非合作通信场合。仿真结果表明,所提出的算法即使在低信噪比(SNR=0 dB)下识别效果接近100%,且对载波频偏、时间同步偏差和多普勒频移不敏感,实用性较强。     

卫星通信中低复杂度联合迭代译码算法及仿真

首先阐述以可靠度作为度量的低密度奇偶校验码(low-density parity check code, LDPC)译码算法,然后提出低复杂度的连续相位调制(continuous phase modulation,CPM)软解调算法,该软解调算法不依赖于噪声方差,避免了信道噪声方差估计不准确对解调性能带来的影响,最后提出一种低复杂度的联合迭代译码算法,该算法以符号/比特的可靠度作为内外译码器之间的迭代信息,具有简单、易于工程实现等优点。仿真结果表明,新的软解调算法的性能与概率域下的解调算法几乎没有差异;在总迭代次数相同的情况下,采用低复杂度联合迭代的性能相比于未采用联合迭代的性能有约0.75 dB的增益。     

LDPC码最优化译码算法

为了提高离散高斯信道下二进制低密度奇偶校验码（low-density parity-check code, LDPC）最优化译码算法的性能和效率,提出了一种改进的LDPC码最优化译码算法。首先,通过理论分析和数学推导,构建了译码问题的数学模型;然后,论证并给出了针对该模型的最优化译码算法;最后,基于VC6.0平台进行了译码的性能和效率仿真并与其他算法进行比较。仿真结果表明,在误码率性能和译码效率上,新算法优于改进前的算法;在误码率性能上,新算法也优于常用的最小和译码算法。仿真结果与理论分析吻合。     

空时频分组码的设计和GLRT解码算法

基于多输入多输出(MIMO)天线和正交频分多路复用(OFDM),提出了空时频分组编码方法,发射端的编码和接收端的解码都不需要信道状态信息(CSI)。利用广义似然比检验(GLRT)解码算法,导出了成对符号错误概率(PEP)上限和码的设计准则。分析表明,在频率选择性MIMO信道中,这种码能充分利用空间分集和频率分集,而且只有较低的编解码复杂性。仿真结果证实,在频率选择性MIMO信道中,提出的非相干空时频码相对空时分组码性能有很大提高。     

LDPC码的高效译码算法研究

对于LDPC码的译码算法即和积算法,目前的简化算法多在对数域中进行。提出了一种新的基于差分的译码算法,其主要思想是：在LDPC码的二部图上所传递的消息是概率的差分值,而对于校验节点和消息节点的更新都是在特定的加法域中进行。针对校验节点的更新,还可以选择若干个绝对值最小的差分值进行运算,以进一步降低复杂度。与传统的基于对数似然比的译码方法相比,该算法的计算复杂度有很大降低,而译码性能和收敛速度没有明显损失。     

A simplified decoding algorithm for multi-CRC polar codes

Polar codes represent one of the major breakthroughs in 5G standard,and have been proven to be able to achieve the symmetric capacity of binary-input discrete memoryless channels using the successive cancellation list(SCL)decoding algorithm.However,the SCL algorithm suffers from a large amount of memory overhead.This paper proposes an adaptive simplified decoding algorithm for multiple cyclic redundancy check(CRC)polar codes.Simulation results show that the proposed method can reduce the decoding complexity and memory space.It can also acquire the performance gain in the low signal to noise ratio region.     

LDPC码混合加权比特翻转译码算法

为了减少比特翻转算法中环路振荡引起的误码,提出了一种低密度奇偶校验（low-density parity-check, LDPC)码并行混合加权比特翻转译码算法。该算法采用多比特翻转方式,当出现环路振荡时,加入一随机扰动改变目标函数来减少由于环路振荡引起的误码,同时从数学角度分析了其误码产生的原因。仿真表明,与原有的比特翻转算法相比,该算法以较低的复杂度获取了误码率性能的改善和收敛特性的提高。     

基于WBP-CNN算法的LDPC译码

针对低密度奇偶校验(low density parity check, LDPC)码在相关噪声条件下译码误比特率上升的问题,结合传统译码算法与卷积神经网络(convolutional neural network, CNN)设计了新的译码器。该译码器在置信传播(belief propagation, BP)算法中引入加权比特翻转(weighted bit-flipping, WBF)算法,生成加权BP(weighted BP,WBP)结构以解决码字临界处误比特率较高的问题。然后通过CNN降低噪声,在WBP和CNN之间迭代处理接收信号,使信号估计值不断逼近真实值以降低相关噪声的影响。通过仿真发现,与BP算法相比,所提算法能够有效降低相关噪声条件下LDPC译码的误比特率。     

基于WBP-CNN算法的LDPC译码

针对低密度奇偶校验(low density parity check, LDPC)码在相关噪声条件下译码误比特率上升的问题,结合传统译码算法与卷积神经网络(convolutional neural network, CNN)设计了新的译码器。该译码器在置信传播(belief propagation, BP)算法中引入加权比特翻转(weighted bit-flipping, WBF)算法,生成加权BP(weighted BP,WBP)结构以解决码字临界处误比特率较高的问题。然后通过CNN降低噪声,在WBP和CNN之间迭代处理接收信号,使信号估计值不断逼近真实值以降低相关噪声的影响。通过仿真发现,与BP算法相比,所提算法能够有效降低相关噪声条件下LDPC译码的误比特率。