基于软迭代的叠加训练序列信道估计方法

提出了一种基于软迭代的叠加训练序列信道估计方法.该方法将周期性训练序列与用户信息序列叠加后一起发送,通过软迭代方法,在接收端利用信道译码器输出的软信息来计算信息序列的一阶统计量,并将其反馈给信道估计器,用于消除观测量中来自未知信息的干扰,因此提高了信道的利用率和信道参数的估计精度.仿真结果表明,该方法有效地改善了信道估计性能,降低了接收机的误码率,提高了功率效率.     

MIMO系统中基于训练序列的半盲估计

在无线的MIMO(Multiple-input Multiple-output)通信系统中,应用半盲信道估计能提高系统带宽效率,降低计算复杂度.本文在分析比较了频率选择性MIMO信道下,基于训练序列的确定性最大似然估计和高斯最大似然估计两种半盲估计算法的基础上,给出了两种算法的Cramer-Rao Bound(CRB),得出了仿真结果,并将其与相应的CRB进行了比较.     

基于DDST的MIMO时频双选信道的信道估计

针对多输入多输出时频双选择性信道,提出了一种基于信息叠加训练序列和最小二乘相结合的信道估计方法.基于基扩展模型构建MIMO时频双衰落系统,采用DDST算法估计信道矩阵,对误码率进行分析.训练序列采用等幅度的周期指数序列,同时在基于叠加训练序列估计的基础上叠加一个基于信息的周期序列.实验表明,基于DDST的MIMO时频双选信道估计方法比传统的估计方法显著降低了信道估计的均方误差和误码率,并能保持较高的频带利用率.     

基于叠加训练序列的稀疏信道估计

对于稀疏多径衰落信道,提出了一种叠加训练序列和匹配跟踪算法相结合的信道估计方法.为了提高系统带宽效率,采用迭代的叠加训练估计信道响应,该方法将一低功率周期性的训练序列直接叠加于信息序列,利用接收数据的均值求得信道响应,不需要任何额外带宽资源.在许多无线通信环境中,信道呈现稀疏特性,利用该稀疏特性,采用匹配跟踪算法估计信道响应中的非0点,以此可以降低加性高斯白噪声引起的性能损失.通过计算机仿真表明,本文的方法可以达到很好信道估计性能.     

VMA-OFDM系统中多频偏和信道联合MLE算法

针对虚拟多天线正交频分复用(VMA-OFDM)系统目的节点中数据辅助的多频偏和信道参数估计问题进行了研究,设计了一种次优最大似然估计(MLE)算法.该算法在矩阵的求逆中采用了级数展开,从而使得算法的复杂度与基于最大似然准则估计算法相比显著减小,在算法的性能和复杂度之间进行折衷,解决了最大似然估计算法过于复杂而难以实现的问题.在算法的性能方面,理论分析和仿真结果表明,基于该算法的频偏和信道参数估计的均方误差逼近Cramer-Rao下界(CRB);在算法的效率方面,该算法允许各个中继节点同时发送训练序列,从而降低传输训练序列所占用的时间.     

快变信道下OFDM系统的判决反馈信道估计

为了改善OFDM系统在快变信道下的传输性能,文中提出一种利用叠加训练序列进行时域信道估计的方案.基于时变信道抽头系数的指数基插值模型,利用一个符号内的叠加周期训练序列建立线性表达式,并根据最小二乘准则求出插值模型的相应参数,由此构造对应的时域响应矩阵和频域均衡矩阵.为进一步改善估计和均衡性能,将所得的符号判决作为已知的训练序列进行迭代信道参数估计,从而能有效地改善信道估计的性能并消除载波间干扰.实验结果表明文中算法在时间-频率双选择性信道下具有较好的性能.     

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。     

双选择信道下叠加训练OFDM系统的迭代信道估计与均衡

在频率和时间双选择性信道下,时域冲击响应将会在一个OFDM符号时间内发生变化,导致OFDM系统出现严重的子载波间干扰。本文提出一种在双选择性信道下利用叠加训练序列进行迭代信道估计和均衡的方案。在假设时域信道抽头系数服从指数基扩展参数模型以后,利用在一个符号内的已知叠加周期训练序列建立线性模型,并基于最小二乘准则求出信道参数模型的各个抽头参数,从而构造出对应的时域信道响应矩阵和频域均衡矩阵。为进一步改善估计和均衡性能,将所得的符号判决作为已知的训练序列进行迭代估计和均衡,从而能有效地增强信道估计的性能并消除ICI干扰。实验结果表明本文算法在时间－频率双选择性信道下具有较好的性能。     

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。     

基于零相关区序列的MIMO-OFDM信道估计

针对传统的基于隐训练序列的信道估计性能受直流偏移的影响严重,且去除直流偏移非常复杂的问题,提出了一种基于零相关区训练序列的MIMO-OFDM信道估计方法.该估计方法采用具有平衡性的零相关区序列作为训练序列叠加在数据信息上,利用接收数据的一阶统计特性进行估计.序列的平衡性使得接收端直流偏移的作用为零,从根本上解决了直流偏移的问题;零相关区序列良好的相关性也使得该估计方法实现起来非常简单.仿真结果表明了该方法的有效性.     

基于新序列的OFDM定时估计改进算法

定时估计是准确实现OFDM（orthogonal frequency division multiplexing）系统同步的关键技术之一.实际应用中,为了提高系统对多径时延扩展的抵抗能力,还应尽量减少符号的定时同步误差.为了提高符号定时部分的估计精度,提出了改进算法.算法中设计了一种具有良好自相关特性的新训练序列,结合新序列的数据结构,算法由粗估计和细估计2部分完成.Matlab仿真表明,与传统算法相比,在高斯噪声和多径信道的影响下,所提出的算法具有较小的均方误差,抗干扰能力强的特点,并为频率偏移估计打下了良好的基础.     

一种基于PN序列的OFDM时域信道估计方法

提出了一种基于PN序列的OFDM时域信道估计方法,在时域OFDM符号中插入PN序列作为训练序列,将其与对应的接收序列作圆周相关处理,并通过迭代逐次检测出信道各径参数,进而获得信道频率响应估计.仿真结果表明,在相同的信噪比和信道利用率条件下,提出的方法比频域梳状导频估计方法具有更高的信道估计精度.     

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.     

16QAM-OFDM系统的迭代信道估计

传统的OFDM信道估计器和译码器分开进行,信道估计的可靠性不高.针对16QAM高效调制的OFDM系统,提出了一种基于Turbo译码的迭代信道估计方案.在迭代过程中利用译码器产生的可靠信息来改善信道估计的精度;同时推导了16QAM软去映射、校验比特译码和符号重构算法的数学过程.为了防止由于译码器判决不准造成的误差传播,提出了一种基于门限控制的迭代估计算法.仿真结果表明,该算法可有效改善系统的整体性能.     

OFDM系统中最优导频序列的设计方案

在正交频分复用(OFDM)系统中,接收信号易受频率选择性衰落信道的影响产生失真,准确的信道估计变得必不可少。考虑到无线信道的内在稀疏性、压缩感知技术挖掘信道稀疏特征的有效性,研究了基于压缩感知技术的OFDM稀疏信道估计。针对导频位置影响信道估计性能的问题,提出了一种反馈型的导频优化算法,该算法基于离散傅里叶变换(DFT)子矩阵中各个列之间互相干性最小的原则,同时结合信道状态信息的反馈机制,实现了对导频序列的联合优化。仿真结果表明,与当前的随机优化算法、传统最小二乘信道估计相比,该优化方法有效降低干扰和噪声对信道估计的影响,从而改善了信道估计的性能。     

一种基于PN序列的上行多用户OFDM系统载波频偏估计算法

针对多用户正交频分复用(OFDM) 系统上行链路中的载波频偏估计问题, 提出一种基于伪噪声(PN)序列的载波频偏(CFO)估计算法。该算法将不同相位的PN序列作为各个用户的训练序列, 利用训练序列良好的自相关性估计出存在CFO 情形下不同用户的信道参数, 再根据两个训练周期内信道参数的相位变化获得各用户的CFO估值。理论分析和仿真结果表明本算法具有优 良的估计性能。