用串行干扰消除算法提高同频组网信道估计精度

为降低TD-SCDMA系统同频组网时邻区干扰对信道估计精度的影响,提出了一种逐个邻区串行干扰消除的信道估计算法.算法先消除本小区用户的信号,然后依次对每个邻区进行信道估计,重构其中的强干扰用户信号,再逐个从接收训练序列中加以消除,最后用串行消除各个邻区干扰后的接收训练序列对本小区用户进行信道估计.仿真结果表明,采用串行干扰消除的信道估计方法信道估计误差较低,将其用于上行链路的联合检测接收机,解调性能约提升2 dB.因此,所提出的信道估计算法,可有效消除邻区强干扰用户对信道估计精度的影响,从而提高了同频组网时系统的性能.     

基于相位旋转的Femto系统干扰检测算法

为消除Femto系统中导频信号对同道干扰检测精度的影响,提出了差分相位旋转干扰检测(DPRID)算法.该算法利用导频信号2-范数相等的特点,对导频信号的接收信号进行相位旋转,使得多个导频信号的接收信号相同,然后充分利用干扰加噪声均值为零的特点估计频域信道,从接收信号中消除导频信号的贡献,从而直接估计同道干扰加噪声的能量...     

最小平方OFDM信道估计与信号检测的联合迭代算法

提出一种基于正交频分复用(OFDM)的联合最小平方(LS)信道估计与信号检测迭代算法.与一般的LS信道估计相比,该算法可大大提高估计的精度,而且通过时域低通滤波可有效地抑制加性白高斯噪声(AWGN)和载波间干扰(ICI)的影响,使OFDM系统在移动条件下很好地工作,并能给出很精确的信号检测结果.仿真结果表明,该算法具有很好的均方误差和误比特率性能.     

认知无线电空闲频谱的联合检测算法

为了提高认知无线电中感知用户对主用户(弱信号)的检测性能,提出了一种多个感知用户合作的分布式优化联合检测算法.该算法在知道主用户信号和噪声的概率分布的条件下,通过最优化理论中的逐步二次规划法,联合求解检测系统的最优融合准则和各感知用户的最优判决门限,使系统联合检测概率取极大值.该算法不受接收机检测方式的限制,数值求解收敛速度快.仿真结果表明,感知用户为5个、融合中心虚警概率为0.1、相关符号累积为255次、不同融合准则下各感知用户信噪比相同时,与最好的固定融合准则检测算法相比,该算法使联合检测概率在高斯白噪声信道和平坦瑞利衰落信道中分别提高了13%和5%.     

GGE单天线干扰消除中信道估计技术研究

分析了GGE下行链路和相应的单天线干扰消除技术,设计了LMS自适应信道估计的方法,以此提高线性滤波的性能和系统干扰抑制的能力.为应对多小区异步干扰,所研究的LMS自适应信道估计添加了自适应遍历方向判断算法,以便扩展信道估计的适用范围,提高异步多小区自适应信道估计的性能.     

多蜂窝MISO通信系统中干扰消除策略研究

针对部分信道状态信息下的小区间干扰消除问题,通过使用2个独立的随机矢量量化(RVQ)码本分别量化期望信道和干扰信道,首次分析了2个小区MISO有限反馈系统模型下3种波束形成传输策略(特征波束形成、迫零波束形成、最大化信漏噪比)和速率性能,并根据用户在小区中的位置和小区边缘的平均信噪比,研究了基站最优的波束形成传输策略选择.仿真结果表明:当用户噪声受限时,相邻小区基站应选择特征波束形成传输策略;当用户干扰受限时,相邻小区基站应选择最大化信漏噪比传输策略.     

基于空子载波的信噪比估计算法

为了解决传统信噪比估计算法在多径信道下性能显著降低且复杂度较高的问题,提出一种基于空子载波的高性能信噪比估计算法.该算法联合数据辅助和非数据辅助的方法,利用空子载波进行噪声能量的估计,通过接收信号估计噪声与发送信号的能量之和.该算法不但能够在高斯信道下取得较好性能,而且可以提高系统在多径信道下的性能,对多普勒频移和信道时延扩展均不敏感.实验结果表明:与4种传统算法相比,该算法在多径信道下性能提升93.3%,并且具有较低的复杂度.     

一种基于基站协同的波束形成算法

将MIMO和波束形成相结合,可以有效地消除用户间的干扰,在多小区环境下,用户还受到来自小区内的同频干扰(CCI)。针对小区用户受到的CCI,改进了基于信号漏损比的波束形成算法,将其应用于多小区环境。该算法考虑小区内用户所受同频干扰影响的差异,根据用户信号功率、漏损给本小区内用户的干扰功率和临近小区用户的干扰功率重新定义信号漏损比。按照用户信号漏损比最大化的原则,利用基站协同,多小区联合选择波束形成矢量,并对该算法在不同条件下进行了仿真分析,结果表明该算法降低了多小区覆盖的用户的误比特率。     

一种基于基站协同的波束形成算法

将MIMO和波束形成相结合,可以有效地消除用户间的干扰,在多小区环境下,用户还受到来自小区内的同频干扰（CCI）。针对小区用户受到的CCI,改进了基于信号漏损比的波束形成算法,将其应用于多小区环境。该算法考虑小区内用户所受同频干扰影响的差异,根据用户信号功率、漏损给本小区内用户的干扰功率和临近小区用户的干扰功率重新定义信号漏损比。按照用户信号漏损比最大化的原则,利用基站协同,多小区联合选择波束形成矢量,并对该算法在不同条件下进行了仿真分析,结果表明该算法降低了多小区覆盖的用户的误比特率。     

盲自适应分组多用户检测

直接序列码分多址分组多用户检测中,干扰用户包括小区分组外用户及相邻小区用户.首先利用子空间投影方法,在所有干扰用户中识别出相邻小区用户,然后对小区内用户进行多用户检测,并通过子空间跟踪方法实现自适应.既保证了性能,又降低了计算复杂度.仿真结果表明算法是实用的.     

基于因子图的迭代信道估计与译码算法

针对频率平坦-时间选择性瑞利衰落信道下的数据检测问题,提出一种基于因子图与消息传递的联合迭代信道估计、符号检测与译码算法.对信息符号与信道系数的联合后验概率分布建立因子图模型,应用和积算法进行迭代消息传递,计算信息符号与信道系数的边缘概率分布.其中利用高斯参数化近似信道系数的连续概率密度函数,并结合前向-后向递归算法对信道系数进行迭代估计.仿真结果表明,在归一化多普勒频移分别为0.005和0.020的衰落信道下,该算法的误码性能与信道估计精度均优于传统的信道估计与译码算法.      

一种TD-SCDMA下行链路信道估计的快速算法

以信道估计为基础的联合检测是TD＿SCDMA系统采用的关键技术之一,它能有效地消除多址干扰(MAI)和符号间干扰(ISI)从而提高系统容量.本文在分析TD＿SCDMA系统下行链路基带离散时间传输模型的基础上,提出了一种下行链路信道估计的快速算法,并结合终端联合检测算法进行了计算机仿真.结果表明该算法在提供同样信道估计性能的同时,计算量降低了近3阶.     

角度域和时延域联合稀疏信道估计

针对多输入多输出(MIMO)系统在双选信道下信道估计问题,以及挖掘信道在时延域和角度域的联合稀疏特性,提出了一种新的基于压缩感知的联合稀疏信道估计方案.首先,基于基扩展模型,将信道估计建模为结构化压缩感知问题,随后基于压缩感知模型,提出了两种新的贪婪算法,有效地恢复了时变信道参数.其中两步同时正交匹配追踪(TS-SOMP)算法先在时延域中找到所有非零抽头位置,然后估计非零角度域系数.两环同时正交匹配追踪(TLSOMP)算法包括内外两个循环,在外部循环中找到一个非零抽头位置后,即可直接在内部循环求解非零角度域系数.最后,给出了归一化均方误差(NMSE)的仿真曲线,验证了本算法的有效性.     

MIMO系统中信道估计与序列联合检测

提出了MIMO系统中基于EM(Expectation Maximization)-SD(Sphere Decoding)相结合的信道估计和检测的联合处理算法。在采用EM-SD算法进行联合处理时,首先通过观测数据、训练序列及以前估计的符号对信道信息进行更新,随后把更新后的信道信息及观测数据重新送入SD算法中进行最小距离搜索,从而可以估计发送符号。仿真显示:这种联合估计及检测算法的性能属于次优算法,但是其复杂度会随着搜索而下降。在比较少的迭代次数下,可以获得理想的信道估计和检测结果。     

基于SP-LCCMA的STBC MC-CDMA系统盲信道估计

研究了空时编码多栽波码分多址系统(STBC MC-CDMA)盲信道估计技术.根据信道位于信号子空间的特点,提出基于信号子空间投影线性约束恒模算法(SP-LCCMA)的盲信道估计,避免了噪声子空间信道估计的缺点,将估计信道应用于STBC MC-CDMA系统多用户检测.仿真结果表明,提出算法的收敛速度和信干噪比(SINR)性能优于一般恒模算法.     

一种基于调制估计的增强型干扰消除检测算法

在增强型长期演进(long term evolution-advanced,LTE-Advanced)多用户多输入多输出(multiuser multi-inpat multi-output,MU-MIMO)系统中,由于发射端的信道状态信息(channel state information,CSI)不明确,用户设备(user equipment,UE)会受到较大的残余多用户干扰?忽略干扰的检测算法在此情况下的检测性能不佳,考虑了一种干扰感知检测算法?为了对目标层和干扰层执行联合检测,UE需要获取详细的干扰调制信息?提出了一种基于调制估计的联合检测算法作为LTE-A的下行MU-MIMO增强型干扰消除检测算法?仿真结果表明,该算法能够提供约0.5~2dB的显著增益?     

非理想信道下的分布式认知多小区波束形成

针对非理想信道下的波束形成问题,将传统稳健波束形成设计推广至认知多小区,在认知干扰和认知用户速率约束下,构造基于最小化认知系统总功率准则的优化问题.通过半定松弛及S-Procedure算法将其转化为凸优化问题,并采用Primal分解将该凸优化问题分解为一组独立的子问题,从而实现了分布式求解,在降低复杂度的同时减少所需的反馈信息.仿真结果表明:算法不仅对信道误差稳健,而且收敛速度很快.     

一种宽带无线接入系统的小区搜索算法

该文提出一种新的基于OFDMA的宽带无线接入系统的小区搜索算法.该算法采用新的分级同步序列取代原有的前导序列(preamble),来完成符号定时、频偏估计和小区识别.分析了同步序列结构,给出了具体的小区搜索算法.仿真结果表明,在AWGN和TU信道下,该算法不仅增加了可识别小区数目,而且改善了原有前导训练序列的相关性能,提高了小区搜索的可靠性和有效性.     

改进的自适应最优低秩信道估计算法

针对正交频分复用系统中线性最小均方误差(LMMSE)信道估计算法计算复杂度高,且存在当信道的统计特性与先验知识不匹配时估计性能恶化的问题,利用信道频域冲激响应的移动平均自相关函数,结合子空间分解、跟踪和序列正交原理,提出一种改进的自适应最优低秩信道估计算法.对比文中算法和LMMSE算法、LS算法和联合AIC(akaike criterion)秩估计准则的自适应低秩信道估计算法,结果表明:文中算法的秩估计更为精确;在插入导频数量较少的情况下,改进的信道估计算法能获得更高的信噪比性能增益.