采用FFT方法的抗阶数过估计信道盲辨识算法

针对二阶统计量信道盲辨识算法在小样本观测数据条件下性能恶化且对信道阶数误差敏感的问题,本文首先提出一种改进的基于FFT变换的信道盲辨识算法(FFT-MCR),该算法充分利用MCR算法只需最小冗余度信息求解信道向量的特性,有效地降低了原算法(BI-FFT)的计算复杂度且性能相当。研究表明FFT-MCR算法在信道阶数过估计情况下额外引入的公零点具有单位圆聚集性,同时提出一种具有较强阶数鲁棒性的盲辨识算法(R-FFT-MCR),算法通过聚类的思想搜索单位圆周围的公零点并将其移除,实现准确的信道估计。理论分析与仿真实验验证了所提算法的有效性。

一种新颖的基于信道近零点分布的盲辨识算法

研究子空间算法在阶数过估计时的信道零点分布,发现在有噪情况下额外引入的"公共零点"呈单位圆聚集性,并给出相关的理论分析。基于此,提出一种简单新颖的基于信道近零点分布的盲辨识算法。结合同样基于子空间的NECOE改进算法所得到的过估计信息,从估计的信道零点中移除"公共零点",从而实现正确的信道估计。仿真验证了该算法在较低信噪比情况下性能良好,复杂度低。

基于信道相关性的半盲信道辨识算法

针对全盲信道辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题,本文基于信道的CR相关性提出一种简单有效的半盲信道辨识算法。算法通过输出数据构造相关矩阵W,根据相关矩阵W与信道向量的正交性构造约束方程,并利用少量已知符号和改进的最小二乘(Modified least square,MLS)准则建立额外的约束,通过最小二乘法求得信道响应的闭式解。该算法有效地克服了全盲信道辨识算法的诸多局限性,避免了传统半盲方法面临的最优加权选择问题,算法复杂度较低且性能稳定,对信道噪声及信道阶数具有较强的鲁棒性。仿真实验验证了所提算法的有效性与优越性。

一种改进的基于样本排序的信道阶数估计算法

信道阶数估计是多数信道盲辨识算法的前端步骤,文章对原有的基于一阶统计量的信道阶数估计算法进行了改进。改进算法仅仅通过对接收样本数据进行排序,建立连续的样本次序对二维空间,利用阶数欠估计时的特定图形结构对信道阶数进行有效的估计,提高了原算法的准确性,并将其扩展应用于SIMO模型中,与其它基于二阶统计量的同类算法相比大大降低了计算复杂度。仿真实验证明,改进算法在较低信噪比且有限样本数据的条件下,性能依然良好,简单实用。

采用奇异值分解方法的半盲信道辨识算法

针对全盲信道辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题,提出一种半盲信道辨识算法。通过奇异值分解将信道矩阵分解为同维矩阵与酉矩阵乘积的形式,分别利用接收数据和已知符号求解同维矩阵与酉矩阵,最终得到信道矩阵的闭式解。该算法有效地克服了全盲信道辨识算法的诸多局限性,避免了传统半盲方法面临的最优加权选择问题,性能稳定,且对信道噪声与信道阶数都具有较强的鲁棒性。仿真实验验证了所提算法的有效性与优越性。