基于稀疏贝叶斯学习的GFDM系统联合迭代信道估计与符号检测

针对当前广义频分复用(Generalized Frequency Division Multiplexing,GFDM)系统时变信道估计精度低的问题,提出基于稀疏贝叶斯学习的GFDM系统联合信道估计与符号检测算法.具体地,采用无干扰导频插入的GFDM多重响应信号模型,在稀疏贝叶斯学习框架下,结合期望最大化算法(Expectation-Maximization,EM)和卡尔曼滤波与平滑算法实现块时变信道的最大似然估计;基于信道状态信息的估计值进行GFDM符号检测,并通过信道估计与符号检测的迭代处理逐步提高信道估计与符号检测的精度.仿真结果表明,所提算法能够获得接近完美信道状态信息条件下的误码率性能,且具有收敛速度快、对多普勒频移鲁棒性高等优点.

Blind CFO estimation algorithm for OFDM systems by using generalized precoding and trilinear model

This paper discusses the blind carrier frequency offset （CFO） estimation for orthogonal frequency division multiplexing （OFDM） systems by utilizing trilinear decomposition and genera- lized preceding. Firstly, the generalized precoding is employed to obtain multiple covariance matrices which are requisite for the trilinear model, and then a novel CFO estimation algorithm is proposed for the OFDM system. Compared with both the joint diagonalizer and estimation of signal parameters via rotational invariant technique （ESPRIT）, the proposed algorithm enjoys a better CFO estimation performance. Furthermore, the proposed algorithm can work well without virtual carriers. Simulation results illustrate the performance of this algorithm,

基于多参数可变滤波器的GFDM性能研究

作为适用于5G/B5G场景的多载波调制方案之一,广义频分复用(generalized frequency division multiplexing,GFDM)波形具有灵活的时频资源分布。为了进一步降低GFDM系统的带外功率泄露,提出了一种基于多参数可变的GFDM原型滤波器,通过多参数的灵活配置实现了更好的带外功率抑制能力,以及带外功率抑制效能的精确控制,同时推导了带有多参数可变滤波器的GFDM系统在频率选择性衰落信道下的理论误码率(bit error rate,BER)表达式。此外,为了进一步提升GFDM系统在复杂信道场景下的BER性能,提出了适用于多参数GFDM波形的消息传递(message passing,MP)接收机,根据等效信道矩阵给出了MP接收算法的数学模型。仿真结果表明,MP接收机可有效提升GFDM波形在复杂信道下的BER性能,同时基于多参数可变滤波器的GFDM系统在有效抑制带外功率的同时,与传统升余弦(raised cosine,RC)滤波器相比,在应用MP接收机时仅有很小的BER性能损失。

广义频分复用系统峰均功率比抑制算法

为了降低广义频分复用系统存在着多载波系统中固有的高峰均功率比问题,本文提出了一种适用于广义频分复用系统的子载波抑制高峰均功率比算法。该算法以限幅法为基础,降低了系统的高峰均功率比,但与限幅法不同的是,该算法几乎不会对带外性能及误码率性能造成影响。由于子载波抑制高峰均功率比算法的峰均功率比抑制性能略差于限幅法,因此本文进一步提出将部分序列传输与子载波抑制高峰均功率比结合来进一步抑制系统高峰均功率比的算法。仿真表明:本文提出的算法的高峰均功率比抑制性能与限幅法相同,且不会对系统的带外与误码率性能造成影响。

一种改进的GFDM时频同步算法

针对广义频分复用(GFDM)系统对符号定时同步要求较高的问题,提出了一种新的基于前缀码的同步算法。在接收端,在获取粗略定时信息的基础上,利用前缀码前后两部分的相位差实现载波频偏估计,并对接收序列的频率偏移进行纠正,然后通过纠正后序列与已知发射前缀的互相关函数实现精确的符号定时估计。由于该前缀码具有共轭对称的特性,使其避免了"平顶效应"的出现。结合5G中低时延高可靠场景,在频率选择性信道中对其进行仿真,并通过均方误差对其性能进行了评估。理论分析及仿真结果表明,该算法相对于原算法具有更好的定时同步性能和更低的复杂度,提升了GFDM系统的整体性能。

基于压缩感知追踪算法的低计算量分组稀疏均衡方案

在广义频分复用(Generalized Frequency Division Multiplexing,GFDM)系统中,为了应对复杂的信道带来的符号间干扰,基于信道的稀疏特性,使用广义记忆多项式(Generalized Memory Polynomial,GMP)模型对均衡器输入信号进行非线性建模,进而提出了一种基于压缩感知追踪算法和分组数据模式的低计算量分组稀疏均衡方案。该方案中,为了适应复杂变化的信道,均衡过程中采用了分组数据模式,此外,利用分块矩阵求逆的原理,摒弃了复杂的矩阵求逆运算,在每步的循环中使用矩阵乘法进行迭代计算的方式对正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法及双正交匹配追踪(Double OMP,DOMP)算法进行了改进。仿真结果表明,此分组数据模式有效地改善了均衡效果,同时提出的改进算法在保证误符号率性能的前提下明显地降低了计算量,提升了运算速度。

基于GFDM的空口波形实现及干扰抑制

广义频分复用(GFDM)具有比正交频分复用(OFDM)更低的峰均功率比(PAPR)和带外频谱泄露。因为本身固有的子载波间干扰(ICI),传统GFDM解调具有较高复杂度。本文基于导频子载波,提出一种适用于卫星通信的数据辅助干扰消除GFDM接收算法,消除了匹配滤波(MF)接收中的子载波干扰,降低了误符号率(SER)。仿真结果与复杂度分析表明,本文所提算法优于传统串行干扰消除匹配滤波算法,有助于促进GFDM在天地一体化通信系统中的应用。

基于MBER的联合预编码与空时编码GFDM功率分配策略

为改善频率选择性衰落信道上广义频分复用(GFDM)系统的误比特率和频带利用率性能,基于最小误比特率(MBER)准则,提出一种联合预编码和空时编码(STC)的GFDM系统及其相应的功率分配策略,可将该功率分配策略的优化目标由MBER转化为最小化其噪声增强因子,并推导了联合预编码与空时编码GFDM系统的功率分配、误比特率和频带利用率性能解析表达式。数值计算和仿真结果表明,与预编码STC-GFDM系统相比,基于MBER准则的预编码STC-GFDM系统的误码性能在误比特率为10^(−3)时改善约0.4 dB,频带利用率性能在信噪比为12 dB时提高约0.24 bit/(s·Hz)。

MIMO-GFDM系统中低复杂度动态禁忌搜索检测算法的改进

针对多输入多输出的广义频分复用(MIMO-GFDM)系统的等效信道矩阵维度极大,传统的MIMO检测算法复杂度高且性能不佳的问题,将大规模MIMO系统中的动态禁忌搜索(RTS)检测算法运用到MIMO-GFDM系统中,并解决了RTS算法初始值的求解复杂度高的问题。首先利用最小均方误差(MMSE)检测算法所用到矩阵的正定对称性将矩阵Cholesky分解,并结合Sherman-Morrison公式迭代计算初始值,降低了初始值求逆的高复杂度;然后以改进的MMSE检测结果作为RTS算法的初始值,从初始值逐步全局搜索最优解;最后通过仿真,对不同算法的迭代次数和误码率(BER)性能进行了研究。理论分析与仿真结果表明:在MIMO-GFDM中,所提改进RTS信号检测算法误码率远低于传统信号检测算法。在4QAM时,RTS算法大约有低于MMSE检测6 dB的信噪比性能增益(误码率在10^(-3)时);在16QAM时,RTS算法大约有低于MMSE检测4 dB的信噪比性能增益(误码率在10^(-2)时)。与传统RTS算法性相比,所提改进算法在不影响误码率性能的同时降低了算法复杂度。

降低GFDM峰均功率比的低复杂度算法

为降低广义频分复用(GFDM)系统的峰均功率比(PAPR)、实现复杂度,提出了基于T变换和选择性映射(SLM)的TSLM算法,该算法的设计思想是利用SLM算法增加GFDM时域备选信号的数量以降低其PAPR,利用T变换实现串联的沃尔什-哈达玛变换和离散傅里叶反变换以降低GFDM系统的复杂度。为进一步降低GFDM系统的PAPR,提出了将TSLM算法和转换向量(CV)相结合的TCSLM算法,利用CV向量进一步增加GFDM时域备选信号的数量。结果表明,在子载波数为64、子符号数为3、相位序列数为2时,与SLM算法相比,TSLM算法和TCSLM算法的实现复杂度分别降低约21.9%和60.9%;在互补累计分布函数(CCDF)为10^(−3)时,TSLM算法和TCSLM算法的PAPR分别降低约0.6 dB和1 dB;在误比特率为10^(−3)时TSLM算法和TCSLM算法的误码性能均改善约2 dB。

面向B5G/6G的GFDM信号高精度测距与定位研究

广义频分复用(Generalized Frequency Division Multiplexing,GFDM)技术是在正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术基础上发展而来的一种新的多载波调制技术,其特点是子载波非正交以及具有灵活的时频资源配置.GFDM作为目前研究的主流波形,有望成为B5G(Beyond Fifth-Generation)或者6G(Sixth-Generation)时代移动通信技术的新的波形设计.本文提出了基于GFDM信号的高精度载波测距方法,其主要包括GFDM信号粗同步、导频检测、多径提取、首径获取、延迟跟踪和载波相位测距等步骤.在此基础上,利用GFDM信号测距信息进行了室内定位性能评估.在典型室内会议场景下搭建了实测平台并对上述方法进行了验证.测试结果表明,通过所提方法,利用GFDM信号测距精度达到1.1 m(95%),定位精度优于2 m,相比于相同带宽的OFDM信号测距性能提高了21%.本文研究将为下一代移动通信室内定位技术提供有益参考.

基于预编码联合压扩算法降低GFDM系统PAPR的研究

广义频分复用(Generalized Frequency Division Multiplex,GFDM)即将成为未来5G多载波调制系统的备选方案,针对其峰均功率比(Peak-to-Average Power Ratio,PAPR)较高的缺点,提出了一种基于DHT预编码矩阵的Cos分布非线性压扩抑制PAPR的联合算法。利用DHT预编码技术,通过预编码矩阵乘法操作对频域信号进行处理,降低同一时隙不同载波间符号的非周期自相关性,避免了子载波调制数据时相位的一致性,能够消除GFDM调制阶段的自干扰与信道干扰,降低GFDM信号系统的瞬时功率,PAPR得到抑制。为了达到更优的抑制效果且对系统误码率(Bit Error Rate,BER)影响较小,对预编码后的序列进行Cos非线性压扩以降低各信号的幅值。理论分析和仿真结果表明,提出的算法比仅采用DHT预编码或压扩法具有更低的PAPR,抑制效果更明显。

GFDM系统中基于扩展卡尔曼滤波的ICI消除

针对广义频分复用(GFDM)系统中由于载波频偏(CFO)的存在而产生的载波间干扰(ICI)效应,提出了一种基于扩展卡尔曼滤波的ICI消除算法。通过获取上一状态的频偏最优化估计值及其协方差,进行当前频偏状态预测,利用受到ICI影响的接收数据符号和频偏估计量计算出频偏校正值。通过仿真测试,在信噪比较大的情况下,改善了系统的误码率,最佳性能达到均方误差(MSE)为10-4的精度。将扩展卡尔曼滤波方法与标准GFDM、自消除方法相比较,在频谱较大的场景下,误码率性能具有明显的优势。

GFDM中基于高阶长短时记忆神经网络的自适应均衡器

在广义频分复用系统(GFDM)中,为解决5G网络下车载移动通信在Sub-6 GHz频段信道中信号严重失真的问题,提出一种基于高阶长短时记忆神经网络(HO-LSTM)结构的自适应均衡器。HO-LSTM自适应均衡器在传统高阶前馈神经网络(HO-FNN)的基础上,采用复杂度更低的广义记忆多项式模型(GMP)代替Volterra模型,并引入LSTM神经网络使其更适用于复杂非线性模型的预测。结果表明,相比于传统HO-FNN均衡器和LSTM均衡器,所提出的HO-LSTM均衡器的均衡效果显著提升,系统性能也得到进一步改善。

基于生成对抗网络的OFDM信号生成

提出了一种基于图样−星座双判别器生成对抗网络(Pattern-Constellation dual GAN)的正交频分复用(OFDM)信号生成方案。首先,使用快速傅里叶变换(FFT)对时域OFDM信号进行预处理,得到的频域符号向量被拼接为二维数据矩阵,用于GAN的训练和测试。为保证生成的信号具有协议要求的子载波结构和调制方式,设计了双判别器GAN:生成器生成时频二维图样以欺骗两个判别器,而两个判别器分别从子载波结构和调制符号的星座密度两个方面区分生成的图样和真实图样。最后,以Wi-Fi 802.11a协议为例验证了该方案的有效性。

基于稀疏矩阵的GFDM系统低复杂度算法

针对广义频分复用(GFDM)系统复杂度偏高,不能灵活应对未来通信系统多种应用场景的问题,提出了基于稀疏矩阵的GFDM低复杂度调制解调算法。首先,分析GFDM的系统模型,得到2种不同的调制结构;然后,分别对2种调制结构进行不同的预处理,使调制矩阵表现出不同的稀疏性;再对稀疏矩阵重新排列,得到不同的块对角矩阵;最后,利用块对角矩阵的特殊性质,可有效降低GFDM系统的计算复杂度。仿真实验结果表明,在大量窄带子载波或少量宽带子载波场景下,2种低复杂度算法不仅能取得较好的复杂度性能,还能突显GFDM灵活时频结构的优势。

广义频分复用通信系统抑制干扰技术

针对采用GFDM(Generalized Frequency Division Multiplex)多载波调制的移动通信系统中,非正交性引起的ICI(Inter Carrier Interference)、OOBE(Out of Band Emission)问题,以及在衰落信道条件下存在的时域、频域选择性衰落问题,提出了根据干扰信号能量预估值来调整原型滤波器参数以降低干扰的方法.在此基础上,采用结合了压缩感知的低复杂度预编码算法,在降低计算复杂度的同时能进一步提高频谱效率.使用Matlab软件搭建模型验证上述方法,仿真结果表明,采用上述降低干扰的方法可以将GFDM系统BER(Bit Error Rate)控制在较低水平.

一种α稳定分布噪声下OFDM信号调制识别与参数估计算法

正交频分复用(OFDM,Orthogonal Frequency Division Multiple)信号的调制识别与参数估计是非协作通信领域的重要研究内容.为了解决α稳定分布噪声下OFDM信号调制识别与参数估计困难的问题,提出一种广义循环平稳的盲处理算法.该算法首先对接收信号进行非线性变换,推导出接收信号的广义循环自相关函数表达式,分析了单载波调制信号与OFDM信号的广义循环自相关函数特性,并给出了OFDM信号的广义循环自相关函数与待估参数之间的关系.然后,基于分析结论,利用广义循环自相关函数构造调制识别特征完成OFDM信号与单载波信号的调制方式自动分类;最后,针对OFDM信号的调制参数估计问题,提出了一种基于广义循环自相关函数的调制参数估计算法.理论分析与仿真结果表明,在α稳定分布噪声环境下,该算法可以有效实现OFDM信号调制识别与参数估计,且算法不依赖接收信号的先验信息,可以直接对中频接收信号进行处理.

基于深度学习的广义频分复用系统时频双选择信道估计

广义频分复用(GFDM)系统存在固有的子载波间干扰和子符号间干扰,在时频双选择信道下,会产生严重的导频污染现象,使基于导频的信道估计性能显著下降。为此,提出一种基于深度学习的GFDM系统信道估计框架,将离散导频位置处最小二乘信道估计值构成低分辨图像作为网络输入,利用深度残差网络恢复信道时频响应的高分辨图像,实现GFDM系统的信道估计。设计了基于深度残差网络的GFDM时频双选择信道估计算法的仿真系统,通过离线训练获得深度残差网络的最优参数。仿真结果表明,所提算法能够得到接近于最小均方误差信道估计的精度和误码率性能,并具有稳健的多普勒频移泛化能力。

广义频分复用与正交频分复用的比较

广义频分复用是德国5GNOW项目组提出的一种5G物理层解决方案,采用的是非矩形脉冲成型。首先对GFDM基本模型进行研究,指出其本质是DFT滤波器组,然后分别用DFT滤波器组实现OFDM和GFDM多载波调制系统,分析三者间的联系与区别,突出循环卷积降低GFDM计算复杂度的特点。从CP加入方式和原型滤波器两个方面对GFDM和OFDM进行比较,指出GFDM使用更少的CP,提高了频谱效率。最后通过实验仿真,对二者的原型滤波器频域响应性能和SER性能进行比较,强调非矩形滤波器有更好的频域响应性能,GFDM的SER性能较差是因为放弃了子载波的严格正交条件,导致子载波间干扰增大。