复杂环境下基于噪声匹配的最大多普勒频移估计

本文针对城市复杂信道环境下的最大多普勒频移估计需求,根据莱斯衰落信道中电平通过率（LCR）算法的理论推导,提出了一种基于噪声匹配的最大多普勒频移估计算法.所提算法通过对接收信号进行低通滤波处理,实现干扰噪声与多普勒检测器之间的匹配,从而有效提高最大多普勒频移的估计性能.而且基于莱斯衰落信道下最佳滤波比值的分析和推导,得到关于所提算法估计误差的两个重要推理.蒙特卡罗仿真结果表明：在低信噪比（SNR〈0dB）的典型城市环境下,相比于现有的对数包络（LE）算法和修正自相关函数（MCOV）算法,所提算法提高了估计性能2~5dB,从而保证了最大多普勒频移的准确估计和移动通信系统的接收性能.

MIMO系统中基于野值剔除的最大多普勒频移估计

针对多入多出(MIMO)系统中的最大多普勒频移估计,运用单因素试验的方差分析法对多组估计值进行建模和假设检验,提出了基于最大距离判决和置换均值原则的野值剔除方法.研究表明,该方法可以有效检测并删除估计值中的不合理数据,提高MIMO系统中最大多普勒频移估计的精度.

OFDM系统中基于频率响应包络PSD的最大多普勒频移盲估计算法

提出了一种基于正交频分复用系统的最大多普勒频移盲估计算法.利用恒包络调制的子载波,在接收端获得这些子载波的幅值后按经典周期图法估计其功率谱密度(PSD)的幅值.最大多普勒频移通过获取功率谱密度的分界点位置得到.不同于传统的功率谱密度方法,本算法不需要信道响应的估计值,并且估计精度也有所提高.仿真结果表明,本算法有较好的鲁棒性,在大范围内的多普勒频移下都能保持高估计精度.