基展开模型下的时变信道半盲均衡算法

提出了一种针对时变信道的全新半盲均衡算法。时变信道由经典的复指数基展开模型描述,相应地,算法基于该模型专用的时变线性均衡器设计。盲均衡算法由联合独立分量分析和软判决引导的代价函数构建,并采用牛顿迭代的方式工作,以更好消除码间干扰。除此之外,复指数基展开模型的特殊结构经充分利用大大简化了牛顿迭代计算。有限的训练符号用于初始化均衡器系数和判断迭代是否继续。与现有的时变信道处理算法相比,本文算法较好地兼顾了均衡效果和信道利用率,具有均衡效果好,抗噪声能力强等优点。仿真验证了算法的有效性。

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。

基于最小二乘平滑算法的时变信道盲辨识

针对基展开模型的时变信道盲辨识问题,提出了联合阶数估计的最小二乘平滑算法。该算法充分利用其投影误差矩阵包含的时变信道阶数和系数信息,在信道辨识前先进行阶数精确估计,克服了该子空间类盲辨识方法对信道阶数敏感的缺点,改善了辨识效果;与线性预测类方法相比,该方法不需要知道输入信号的统计特性。理论推导和仿真结果验证了该算法的有效性。

时变信道复指数基频率盲估计

在基于基展开模型的时变信道盲辨识中,可通过估计复指数基频率将时变信道的盲辨识问题转换为线性时不变信道的盲辨识问题。为了更准确地实现复指数基频率的盲估计,针对两种不同输入条件下的观测数据,分别提出了利用特定二阶循环矩和四阶循环累积量方法来进行估计。特定二阶循环矩方法比传统方法更容易提取基频率分量;四阶循环累积量方法比四阶循环矩方法具有更好的抗噪声性能。理论和仿真分析证明了这两种算法的有效性。

CDMA时变色散信道的快速半盲辨识方法

利用CDMA时变色散信道的离散正则模型,给出了一种新的信道快速盲辨识算法,首先使用时-频解相关RAKE接收机消除了多址干扰的影响,然后再利用解相关处理后信号的一阶统计量,实现对信道的辨识。和基于二阶统计量以及高阶统计量的盲辨识算法相比,该算法仅需要少量的导频符号,就可实现对信道的估计,具有更低的计算复杂度和更好的抗噪性能。仿真结果证明了算法的有效性。

高速移动环境下信道估计的性能分析

高速移动中,多普勒频移导致的多普勒扩展会破坏OFDM信道中子信道之间的正交性,引起载波干扰,使得时变信道估计算法变得十分复杂。基函数展开模型通过采用确知的少量基函数来近似时变信道,从而简化了信道估计复杂度。在常见的3种基函数展开模型的基础上,分析了子载波间干扰、模型参数以及移动速率对基函数信道估计算法性能的影响,并进行了仿真验证。