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.

基于二阶循环统计量的盲均衡算法

提出一种新的基于循环二阶统计量的盲均衡算法。通过对信道输出信号进行过采样,建立单输入多输出信道模型。由于过采样等效信道矩阵具有特殊结构,使得仅仅根据零延迟时的协方差矩阵所包含的信息就能实现信道估计,根据不同延迟下的协方差矩阵也可求得不同时延的均衡器矩阵,然后用最小均方误差MMSE准则来优化均衡器得到最佳延迟协方差矩阵。仿真结果表明了该算法的有效性。

基于遗传算法的盲信道估计新算法

基于单输入多输出的信道模型,该文提出一种基于遗传算法的信道盲估计算法,该算法的特点是基于低阶统计量,计算速度快;并且把信道阶数作为染色体的一部分参与估计,从而能在信道阶数未知的条件下同时对信道阶数和参数进行估计。仿真结果表明该算法的性能优于现有的非迭代算法。