无线通信中信道建模中两个基扩展模型的比较

本文研究的是移动通信中信号传输问题。建立基扩展模型,给出最小二乘法拟合复指数基系数方法,通过仿真验证该模型在减少测试数据方面的效果。又建立了泛化复指数基扩展模型同样对信道进行估计,将两种方法从不同方面进行比较,得出各模型的优点。

OFDM系统中优化的泛化复指数基扩展模型

对正交频分复用系统中时间选择性信道的估计模型——泛化复指数基扩展模型(GCE-BEM)进行优化,根据多普勒频移的估计情况,提出了可以进行自适应系数调整的模型,通过选择固定系数或变化系数的GCE-BEM,在不增加计算复杂度的前提下能有效消除GCE-BEM模型的高频噪声的影响,可以减小信道的估计误差,提高了系统性能.

适应高速铁路场景的新型基扩展信道估计模型

时变信道估计是高速铁路无线通信系统的关键技术,通常利用基扩展模型来逼近时变信道并简化估计参数。经实践表明,现有基扩展模型并不能够满足高速铁路场景中信道估计精度的要求。因此,本文研究了高速铁路场景下快时变信道的信道估计方法,提出一种新型基扩展模型。与现有基扩展模型对比,新型基扩展模型通过挖掘历史测量数据,有效地利用了高速铁路在不同时刻经过同一地点的信道之间具有相关性的特点。基于Jakes模型和高架桥场景中的实测数据,对新型基扩展模型的信道估计性能进行仿真,验证了新型基扩展模型对时变信道的估计更为准确,能够较好应用到高速铁路场景中。

一种基于基扩展模型的OFDM频域快时变信道估计方法

现有的OFDM系统快时变信道估计方法均为时域估计方法,假定信道为整数倍采样信道,利用理想的等间隔均匀导频恢复信道时域响应函数,进而采用基扩展模型拟合并估计其时变特性。而实际的信道通常为非整数倍采样信道,频带内可用的导频也并非假定的理想模式。此时,恢复的信道时域响应出现能量泄漏,导致算法性能大大受限。本文提出一种频域快时变信道估计方法,利用信道频域时变传输函数辅助估计,从而估计得到信道频域响应矩阵。该方法在频域实现,性能不受信道时域响应能量泄露影响。仿真实验从误码率、均方误差两方面分别验证了该方法的有效性。

应用基扩展模型的混合信号单通道盲分离算法

针对传统最小均方误差逐幸存路径处理(LMS-PSP)单通道盲分离算法在时变信道下性能差的问题,提出一种基于基扩展模型逐幸存路径处理(BEM-PSP)的单通道盲分离算法。首先对接收到的部分混合信号进行LMS-PSP单通道盲分离,得到部分准确的信道冲激响应(CIR);然后结合时变信道下基于基扩展模型进行信道估计的思想,完成整个时间周期CIR的估计;最后采用Viterbi算法对混合信号进行序列估计,从而实现时变信道下混合信号的单通道盲分离。仿真结果表明,对于2路混合QPSK信号,在相同仿真条件下,BEM-PSP算法较LMS-PSP算法能降低50%的复杂度且能获得更好的性能,在20dB处的误码率可达4×10-2,而LMS-PSP单通道盲分离算法的误码率只能达到1×10-1,并且在同等过采样倍数下,该算法能获得更高的性能提升。

基于复指数基扩展模型的抑制Gibbs效应的时变无线信道估计

复指数基扩展模型(CE-BEM)具有计算简单、不依赖于信道统计特征等优点,广泛地应用于时变信道估计中.但是CE-BEM由于Gibbs效应存在较大模型误差,本文分析了CE-BEM的模型误差以及基线倾斜法对模型误差的影响,提出了一种抑制模型误差的信道估计方法,该方法利用时分复用导频的特征估计出区间上的斜率,再结合基线倾斜法推导了新的数据模型,并给出LS算法和LMMSE算法.最后通过计算机仿真研究表明:该方法在较高的多普勒频移扩展的情况下有效的降低了关键性采样CE-BEM和过采样CE-BEM信道估计的MSE值,特别是关键性采样CE-BEM改善明显.

基于基扩展模型的UKF-RTSS高可靠鲁棒V2V信道估计

车联网应用场景对无线通信在带宽、时延、可靠性方面提出了更高的需求,特别是车辆对车辆(Vehicle to Vehicle,V2V)场景。针对V2V高速移动场景,时/频域选择性衰落(双选衰落)和非平稳特性给信道估计带来的技术挑战,该文提出了一种基于基扩展模型(Basis Expansion Model,BEM)的UKF-RTSS(Unscented Kalman Filter-Rauch-Tung-Striebel Smoother)信道估计方法。该方法采用BEM拟合快时变信道,将信道参数的估计转化为基函数系数的估计;通过无迹卡尔曼滤波(UKF),联合估计数据处信道冲激响应与时域自相关系数,用于追踪快时变的信道响应。为了进一步提升信道估计的精度,引入RTSS对后向信道状态信息进行信道估计和插值,与UKF构成了“滤波和平滑”结构的UKF-RTSS联合估计器。系统仿真分析表明,在不同速度的快时变条件下,所提方法相比其他经典方法具有更高的信道估计精度和鲁棒性,特别适用于车联网下的无线通信场景。

一种基于加窗基扩展模型的OFDM信道估计算法

针对双选择衰落信道下OFDM系统中基于复指数基扩展模型(CE-BEM)的信道估计算法存在的不足,提出了一种基于加窗的基扩展模型信道估计算法。该算法通过时域加窗和去窗处理来减少CE-BEM存在的频谱泄露,并抑制多普勒频移对估计性能的影响;利用设计的导频方案,简化数学模型;再通过正交映射对估计的基扩展模型系数进行转换,从而进一步提高信道估计的精确度。同时采用归一化均方误差和误码率来衡量信道的估计性能,实验仿真表明,提出的算法在高速的移动环境下能有效提高估计性能。

基于基扩展模型的改进正则化正交匹配追踪V2X 快时变SC-FDMA信道估计

为了进一步提升车联万物(V2X)的通信性能,首先根据信道冲激响应的稀疏性建立了适用于高速移动场景的基扩展模型(BEM);其次,证明了BEM系数具有稀疏性,将信道估计问题转化为稀疏信号重构问题,进而提出基于BEM的改进正则化正交匹配追踪(iROMP)迭代稀疏信道估计算法(简称为BEM-iROMP算法)。所提算法通过iROMP获取BEM系数,利用反馈结果不断迭代以达到最优信道估计。仿真结果表明,与最小二乘法、线性最小均方误差和BEM-LS信道估计算法相比,所提算法能够有效提高V2X快时变信道下单载波频分多址系统的归一化均方误差和误码率性能。

基于椭球基扩展模型的OFDM快变信道估计仿真

在无线正交频分复用(OrthogonalFrequencyDivisionMultiplexing,OFDM)系统中,快速时变信道带来的子载波间干扰(intercarrier interference,ICI)影响子载波间的正交性,严重恶化系统性能。由于信道在一个OFDM符号期间内就发生变化,导致信道的频域矩阵不再具有对角性,给信道估计带来新的挑战。为解决上述问题,针对快变信道情况下,利用椭球基扩展信道模型,采用频域插入优化的梳状导频的方法,基于改进的线性最小均方误差估计器(LMMSE)对快变信道进行估计,仿真结果表明,方法能够对快变信道进行准确估计,为信道均衡提供了良好的性能。

一种余数系统基扩展算法及VLSI实现

基扩展是余数系统(RNS)在数字信号处理(DSP)系统中应用的关键问题之一。该文提出了一种新型基扩展算法,实现基为{2 1,2,2 1}n n n-+的余数系统到基为2 2 2{2 1,2,2 1}n n n-+的余数系统的动态范围扩展。给出其VLSI实现结构,并基于{2 1,2,2 1}n n n-+的特性对该结构进行了优化,使该实现结构仅由普通二进制加法器和模加法器构成。基于单位门模型和ASIC的性能对比分析结果表明,在实现相同动态范围扩展时,该算法具有良好的VLSI实现性能。

基于分数倍基扩展模型的双选信道估计方法

通过分析复指数基扩展模型(BEM)与多普勒扩展频谱之间的关系,提出一种基于分数倍基扩展模型的双选信道估计方法。当接收机能够获得最大多普勒频率值时(可以通过自身运动速度等计算或者作相应估计),通过相应调整BEM基频率为原来的1/K倍,信道估计的均方误差性能得到明显改善。另外,还提出了重叠利用训练符号的改进算法,研究表明改进算法可以进一步提高信道估计的质量。

时变OFDM系统中基于基扩展模型的物理层认证

基于信道信息的物理层认证是一种对传统认证技术的有效补充和增强,实质上是利用了丰富的无线信道资源。提出一种适合解决时变情况下的物理层认证方法。在时变信道中,可分径的各个抽样值在块传输时间内存在相关性,基于基扩展模型的信道探测方法采用变化的相互正交的基函数结合不变的基系数来逼近该可分径的状态。因此,基于基扩展模型的信道探测方法的物理层认证算法能有效提高时变环境下认证准确率。通过在OFDM系统中进行的仿真实验,证明该认证方法的有效性,且相对于传统的LS信道探测的物理层认证,获得2~4 d B性能提升。

基于基扩展模型的高移动性信道估计方法

针对铁路长期演进(LTE-R)通信系统,开展高移动性信道估计研究。通过引入基扩展模型,将LTE-R系统的信道冲激响应拟合为若干基函数与系数乘积和的形式。通过对基函数系数的估计,实现对快速时变信道进行近似。通过仿真对多项式基扩展模型、复指数基扩展模型、泛化复指数基扩展模型和优化泛化复指数基扩展模型进行性能对比。仿真结果表明,优化泛化复指数基扩展模型具有最低的归一化均方误差。此外,对于优化泛化复指数基扩展模型,分别探讨了不同移动速度、不同基函数个数和不同调制方式下的估计性能。仿真结果显示,在较高移动速度、较少基函数个数及较高阶调制方式下,优化泛化复指数基扩展模型仍然具有较低的归一化均方误差。

IEEE802.16e系统中基于基扩展模型的快速时变信道估计

随着通信要求的不断提高,正交频分多址系统逐渐向快移动速度、多子载波数、高载波频率的方向发展,因此对快速时变信道进行估计及均衡的算法越来越受到广大研究人员的重视。针对IEEE 802.16e系统,采用基于基扩展模型估计其快速时变信道,使得接收机可以在计算复杂度相对较低的情况下更为准确地估计信道,克服了传统信道估计算法估计性能差和计算复杂度较高的缺点。仿真结果表明,基扩展模型信道估计算法性能明显优于传统的LS信道估计。

基扩展模型下基于LSTM神经网络的时变信道预测方法

针对高速移动正交频分复用系统,提出了一种基扩展模型(basis expansion model,BEM)下基于长短期记忆(long short-term memory,LSTM)神经网络的时变信道预测方法。为了降低传统BEM的建模误差,根据高速移动环境中不同列车在相同位置处的无线信道具有强相关性的特点,首先基于历史时刻的信道状态信息获取最优的基函数,并利用该基函数对信道进行建模。然后,通过LSTM神经网络对信道基系数进行线下训练与线上预测来获取未来时刻信道信息,大大降低了计算复杂度。在线下训练中,将网络的逼近目标设置为信道估计值,而不是理想的信道信息,以增强预测模型的实用性。仿真结果表明,相比现有方法,新方法的计算复杂度较低,且预测精度较高。

基扩展模型下基于深度学习的双选信道估计方法

针对OFDM系统在高速移动环境下信道的双选衰落和非平稳特性导致下行链路信道估计性能受限的问题,提出一种基于基扩展模型(BEM)并结合深度学习(DL)的信道估计方法;针对高速移动环境信道的双选衰落特性,使用BEM对信道进行建模,把估计大量的信道冲激响应转变为估计少量的基系数,减少了待估参数,有效降低了估计复杂度;针对高速移动环境信道非平稳特性,建立了深度神经网络,通过离线训练使其学习到双选信道的变化特征,提高了信道估计的准确度;仿真结果表明,在高速移动环境下,与传统的方法相比,所提信道估计方法性能提升明显。

基扩展算法在信道参数估计中的应用

针对如何减少信道参数估计所需要的已知数据,文中在基于扩展算法的基础上,采用复指数基函数,通过获取部分信道响应数据来计算得到其他信道数据,从而减少信道的实际测量次数。重点研究了基扩展算法在不同基函数阶数和不同传输符号块采样点数的情况下,模型准确度的变化,给出了要使模型具有佳性能的参数设定方案。

基于基扩展模型的LTE-R信道估计算法

针对LTE-R通信系统,对快时变信道估计问题进行了研究。采用基扩展模型对高速铁路通信环境的快时变信道进行拟合,将信道冲激响应建模为基函数与系数相乘形式。通过理论推导,得到最优基函数系数。仿真结果表明,泛化复指数基扩展模型比多项式基扩展模型和复指数基扩展模型具有更好的均方误差性能。此外,随着基函数个数的增加,复指数基扩展模型的均方误差逐渐减小。在信道衰落较严重时,三种基扩展模型均表现出较好的性能。

OFDM系统中基于基扩展模型的快时变信道估计算法

信道估计是正交频分复用(orthogonal frequency division multiplexing,OFDM)的关键技术。随着移动端速度的提高,信道会发生快速变化产生频率选择性衰落,针对此种情况,通过对传统信道估计算法搭建OFDM系统级仿真链路的基础上对不同的基扩展模型(basis expansion model,BEM)研究,针对复指数基扩展模型(complex exponential-BEM,CE-BEM)的部分基函数频率过高会产生较大误差的缺点,提出一种修正基函数系数的方法有效地去除了频率过高的基函数,通过仿真对信噪比和多普勒频移对模型均方误差性能的影响进行分析,结果表明提出算法能在不增加复杂度的前提下均方误差性能较CE-BEM低4~5dB,有效地提高了拟合性能。