基于子空间分解的信道阶数估计算法

提出一种新的基于子空间分解的信道阶数估计算法.首先基于子空间分解,将观测向量自相关矩阵的几何子空间按照某一正整数La分解为"信号"子空间和"噪声"子空间,由"噪声"子空间构建了一个特殊矩阵Gv,提出了Gv特征分析定理,该定理表明当且仅当La等于信道阶数时,Gv奇异并有唯一的零特征值,并进行了详细的理论和实验证明;然后根据该定理,不断修正"噪声"子空间的大小,判定Gv的奇异性,完成信道阶数的估计.仿真证明该算法不但在低信噪比条件下具有很好的估计性能,而且当信道具有较小的初始和结尾系数时,也能达到很好的效果.

基于均衡代价函数的信道阶数盲估计算法

针对信道阶数估计问题,利用单输入多输出(Single-Input Multiple-Output,SIMO)有限冲激响应(Finite Impulse Response,FIR)信道的结构特点和输入/输出信号的统计特征,提出了一种基于均衡代价函数的信道阶数盲估计算法.首先计算了归一化最小二乘均衡(Normalized Least Squares Equalization,NLSE)代价函数在理想条件下的理论渐近值,并指出其拐点与信道阶数之间的对应关系.然后分析了NLSE代价函数在实际条件下的近似值.最后引入了拐点优化因子,提出了一种基于NLSE代价函数拐点检测的信道阶数估计算法.理论分析和仿真结果表明,在信噪比(Signal-toNoise Ratio,SNR)较低和信道首尾系数较小的情况下,该算法比现有其它方法具有更强的鲁棒性,可以获得更小的接收信号均衡误差.

利用盖尔圆定理的SIMO系统信道阶数盲估计

目前盲信道估计大多采用基于二阶统计量的估计方法,然而这一类方法的性能受到信道阶数估计准确度的严重影响。在低信噪比、存在明显首尾系数的信道条件下,大多数信道阶数估计方法的性能并不理想。本文针对这种情况,分析了接收信号自协方差矩阵的秩与信道阶数的关系。由于盖尔圆理论能够有效实现矩阵秩的估计,因此我们提出一种基于盖尔圆理论的信道阶数估计方法。该方法构造了一种改进的自适应判决门限,能够在不同的信道条件下具有更强的鲁棒性。通过仿真验证,本文所提方法在低信噪比和存在首尾系数的信道条件下,能获得较高的信道阶数估计准确率。

基于子空间投影的信道阶数盲估计算法

根据联合阶数估计最小二乘平滑算法(J-LSS)中投影误差矩阵的特点,利用其零空间向量形成的特殊矩阵的秩与信道阶数的关系,分别构造2个阶数估计代价函数。将2个代价函数归一化后联合构建成新的代价函数,新的代价函数较使用单一代价函数提升了在低信噪比下的辨识率。仿真结果表明,与传统算法相比,该算法在较低的信噪比和小样本观测数据条件下,有很好的估计性能。

基于改进信道矩阵迭代准则的信道阶数盲估计算法

针对单输入多输出(single-input multiple-output,SIMO)有限冲激响应(finite impulse response,FIR)信道,提出了一种新的信道阶数盲估计算法。首先利用子空间(subspace,SS)算法下过估计信道与其互质部分的结构关系,设计了一种新的信道矩阵迭代(channel matrix recursion,CMR)准则,并给出了CMR准则严格的理论证明。然后在此基础上建立了新的CMR代价函数,并提出了信道阶数估计算法。理论分析和仿真结果表明,该算法与现有其它算法相比性能更优,对噪声具有更强的鲁棒性。

基于基展开模型的时变信道阶数和径数盲估计

针对基展开模型的时变信道阶数和径数盲估计问题,采用了一种子空间投影算法来进行估计。该算法充分利用输入子空间和输出子空间具有的同构关系,将当前的观测数据投影到由过去和将来的观测数据所张成的子空间,其投影误差矩阵包含了时变信道的阶数和径数信息,进而可通过求投影误差矩阵的秩和范数来估计信道阶数和径数。仿真表明,与MDL、AIC和Liavas准则相比,该算法可在较低的信噪比下实现时变信道的阶数估计。

多径信道阶数的盲检测方法

多径信道阶数的检测是通信系统中信道估计的首要步骤,其检测的准确度直接关系到系统的性能。该文利用OFDM信号的循环平稳特性以及接收信号周期自相关函数值的能量分布规律,借助信息论准则提出了一种盲信道阶数检测方法。基于OFDM系统的仿真结果表明与已有盲信道阶数检测方法相比,该方法具有更好的估计性能。

利用特征极值比的盲信道阶数估计方法

确定性辨识方法是盲信道辨识的主流方法,然而确定性方法性能受信道阶数估计的严重影响。本文针对大多数信道阶数估计算法在坏信道条件下失效问题,分析子空间方法中噪声子空间矢量构成特殊矩阵的奇异性与信道阶数之间的关系,对该特殊矩阵最大特征值最小特征值的变化情况进行对比分析,利用特征极值的比值来反映信号子空间到噪声子空间的变化情况,从而提出特征极值比定理。针对观测数据有限且含噪声的实际应用条件,提出一种盲信道阶数估计算法,该算法以不同信道阶数的特征极值比作为参数构造目标函数,得到在真实信道阶数处目标函数取全局最大值,同时对该算法进行了复杂度分析。最后针对两种常用仿真信道参数对算法进行了验证,结果表明,在短数据和低信噪比条件下,本文算法能以较高的估计概率得到好信道和坏信道的有效阶数。

两种改进的信道阶数估计算法

在传统有效秩检测准则的基础上,通过分析自相关矩阵特征值分解后的相邻三个特征值之间的约束关系,重新构造目标函数,得到了两种改进的有效秩检测准则,提高了对信道阶数的估计性能。仿真实验给出了算法在不同信噪比和信道下的估计性能,结果表明,改进的准则比原算法对信噪比的要求降低了10 dB左右。

一种不受信道阶数估计影响的SIMO直接盲均衡算法

针对单输入多输出(Single-Input-Multiple-Output,SIMO)模型提出一种不需要信道阶数估计的直接盲均衡算法。文章利用接收数据的截短协方差矩阵和信号子空间的关系设计一种零延迟均衡器,并通过信道矩阵和均衡器系数的合响应特性克服了算法相位偏转的问题,最后得到一种对信道阶数估计鲁棒并且没有相位偏转的盲均衡算法。该算法不同于一般子空间类算法,不需要直接对接收信号的协方差矩阵进行信号子空间和噪声子空间的分解,因此对信道阶数估计具有很强的鲁棒性。文章给出了算法的Batch实现过程,同时为更好适应一般时变信道环境和实现实时处理的要求,通过递归迭代得到算法的自适应实现过程。仿真实验表明该算法几乎不受信道阶数过估计或欠估计的影响,同时该算法具有良好的均方误差(Mean Square Error,MSE)和误符号率SER(Symbol Error Rate,SER)性能,并且具有很快的收敛速度。

低信噪比下非数据辅助的OFDM系统信道阶数和噪声方差的估计

在低信噪比情况下,该文提出一种新的针对正交频分复用(OFDM)系统信道阶数和噪声方差的非数据辅助(NDA)估计算法。算法中应用了一种新的基于联合极大几何均值(MGM)的代价函数。新的代价函数不仅利用了循环前缀(CP)冗余性,同时也利用了信道记忆性。对比只利用了CP的方法,该算法可以在低信噪比情况下更准确地估计信道阶数和噪声方差。仿真结果表明,在低信噪比情况下,该算法针对信道阶数的估计得到约10 d B的信噪比增益;同时,对噪声方差的估计,该算法显著提高了估计精度,抑制了信噪比20 d B以下估计性能恶化的现象。

一种新的多址信道有效阶数估计算法

针对多用户正交频分复用/空分多址(OFDM/SDMA)系统上行链路多址信道,基于噪声信道提出了一种新的信道有效阶数和信道冲激响应联合估计算法。该算法以最大似然为目标函数,构建了基于差分进化并行搜索信道有效阶数并进行信道冲激响应估计的联合框架。算法引入赤池信息量准则作为搜索阶数最优的评判函数,以提高信道有效阶数和信道冲激响应的估计精度。仿真验证了所提算法的有效性和可靠性,结果表明引入赤池信息量准则(AIC)在降低有效信道阶数估计误差的同时提高了时域最大似然信道估计器的性能。特别地,在误码率为10-5时,所提算法能够获得约1.5 dB的性能增益。

OFDM系统中信道有效阶数的估计

信道估计是无线通信的关键技术之一，知道信道长度可以提高信道估计的精度．本文针对基于OFDM调制技术的无线通信系统中LS信道估计算法时域结果的构成特点，结合无线信道冲激响应在时域为有限冲激响应的特点，提出对LS信道估计算法的时域结果进行能量检测，并进行逆向搜索以获得信道有效阶数估计的算法．同时从检测概率角度给出了检测门限．最后给出了计算机仿真结果．理论分析和计算机仿真表明此算法能够很好地得到信道有效阶数估计结果．

基于帧数据处理技术的短波信道自适应均衡研究

短波信道是一类时变衰落信道,受电离层影响,通信不稳定。目前普遍采用发送训练序列的方式,探测信道特性,实现短波信道均衡。基于帧数据处理技术,先进行信道辨识,在消除码间干扰的基础上,对用户数据进行估计的自适应均衡技术,实现短波信道均衡。从算法收敛、数据星座图映射方面进行了仿真,分析说明了该技术对短波信道均衡是有效的。并在此基础上,指出可从信道阶数估计、信道跟踪算法、信道初始状态估计等方面对该技术进行改进,以提高短波信道均衡的效果。

一种新颖的抗阶数过估计的增强子空间盲辨识算法

研究了子空间盲辨识算法在信道阶数过估计时失效的问题,提出一种新的鲁棒性强的增强算法。首先针对过估计模型,提出了"加权矩阵定理",理论证明通过构造一个加权矩阵来修正子空间算法,可消除阶数过估计的影响;然后,给出一种用指数序列构造近似的加权矩阵的增强算法。与子空间盲辨识算法相比,增强算法复杂度相当,对阶数过估计鲁棒性强。仿真实验验证了该算法的有效性。

一种基于矩阵外积分解的信道盲辨识与盲均衡算法

本文提出了一种鲁棒性较好的信道盲辨识和盲均衡算法。在仅需知道信道阶数上界的条件下,首先采用改进的信道阶数估计算法对信道阶数进行精确估计,与现有算法相比,所需信噪比降低、对信道的适应性提高;然后,在矩阵外积分解算法的基础上,加入特征值扰动分析,提高了信道盲辨识和盲均衡性能。仿真结果证明了算法的有效性。

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。

基于信道模型过估计的最小噪声子空间盲辨识(英文)

研究基于信道模型过估计的盲系统辨识问题.采用最小噪声子空间方法,提出了一种通信信道盲辨识算法.与现有算法比较,提出的算法减少了辨识过程的计算量,提高了辨识精度,并对信道阶数过估计具有鲁棒性.仿真结果表明,在信道阶数过估计时,提出的算法仍能给出较好的参数辨识效果.

对信道过模型具有鲁棒性的基于线性组合-子空间法的信道盲辨识

当信道被过估计时,用标准子空间法可得到多个线性独立的信道估计,而真正的信道向量处在这些线性独立解所张成的范空间内.通过引入约束条件,信道向量可以被唯一确定.在快速收敛的同时,对信道过估计具有很高的鲁棒性.

基于最佳相关序列的MIMO-OFDM系统信道估计

基于序列相关性提出了一种多输入多输出-正交频分复用(MIMO-OFDM)系统的时域信道估计方法。通过在OFDM符号间插入一种具有最佳相关性的实训练序列,在接收端将接收序列与训练序列作相关运算,得到信道的时域冲激响应。并通过信道阶数估计,进一步提高算法估计性能。理论分析和实验仿真结果均表明,与现有方法相比,本文方法具有更高的系统传输效率和更高的估计性能。