基于正交频分复用的线性最小均方误差信道估计改进算法

传统的线性最小均方误差(LMMSE)信道估计要求已知信道的统计特性,而实际应用中无线信道的统计特性往往是不可知的。针对无线信道的不确定性,根据时域信道上能量分布的稀疏性特点,在最小二乘(LS)算法的基础上提出了一种改进的LMMSE信道估计算法。该算法从当前信道置信度较高的频率响应出发,把相邻子载波信道估计误差的比值作为信道响应的加权系数,然后通过加权平均的方法计算出多径信道下的信道响应。该算法避免了繁琐的矩阵求逆与分解运算,能够有效降低算法复杂度。实验结果表明,所提算法总体性能优于LS算法及经过奇异值分解的线性最小均方误差(SVD-LMMSE)估计算法,且其误码率接近于传统的LMMSE算法。

正交频分复用系统一种基于线性最小均方误差信道估计的改进算法

线性最小均方误差(LMMSE)是OFDM系统中常用的一种信道估计算法。LMMSE信道估计需要无线信道的统计信息,在实际应用中很难实现。针对上述问题,提出了一种利用滑动窗口法改进的LMMSE算法。该算法利用最小平方(LS)估计结果通过滑动窗口获得计算所需的参数,与LMMSE算法相比,该算法计算相对容易,更加实用。在对估算精度要求不太高的场合,改进算法更具优势。仿真结果显示,改进算法的误码率性能接近理想条件时等价线性最小均方误差(ELMMSE)算法。

基于最小均方误差对数谱幅度估计的心音降噪算法

将基于最小均方误差对数谱幅度估计的语音增强算法用在心音降噪中,该方法基于统计模型方法将降噪归于统计框架中,通过对带噪心音信号进行最优幅度谱估计,最小化估计心音与干净心音的差异来去除噪声,恢复原始的信号。实验结果表明,本文算法有效改善了心音信号的时频特征,并在后续的心音分类算法中获得了更高的准确率。本文方法在心音降噪中表现优秀,对电子听诊器、心脏病自动检测技术的发展具有重要意义。

一种基于最小均方误差准则的联合多小区信道估计算法

信道估计的准确程度直接影响到联合检测算法的性能。传统的信道估计算法将其他小区用户的信号均作为白噪声来处理,因此影响了信道估计的准确性。该文提出基于最小均方误差准则的联合多小区信道估计算法,由于改变了信道估计矩阵的结构,将邻小区强干扰用户也作为可以检测的用户信号来处理,降低了信道估计中噪声功率。该算法不仅适用于多小区联合检测,也可用于单小区联合检测。与传统的Steiner信道估计算法相比,新算法在存在邻小区同频干扰的情况下,能够很大程度提高信道估计的精度,进而大幅提升TD-SCDMA系统的性能。

平坦MIMO信道中最小均方误差估计的一种改进方法

以平坦衰落条件下MIMO信道数学模型为基础,研究了最小均方误差估计算法,给出了详细的推导过程.由于最小均方误差估计算法比较复杂,导致其收敛速度比较慢,实际应用中受到了一定的限制.为了降低其复杂度,从数学的角度对算法进行了简化,减少了一次矩阵求逆运算.仿真中建立了一个MIMO系统,给出了估计性能曲线和收敛曲线.从理论分析和仿真结果来看,改进后的算法与之前的算法的估计性能差异不大,但收敛速度却明显提高了,达到了简化的目的.

一种基于最小均方误差的无线局域网信道估计算法

在基于IEEE 802.11b标准的无线局域网中,提出了一种基于最小均方误差的自适应信道估计算法。通过已知码片的训练,可快速准确地估计出系统信道参数。仿真结果表明,在典型的JTC-OfficeA多径信道模型下,该算法可保证良好的系统误码率性能,在信噪比为8dB时,误码率就已经小于10^(-4);此外,算法的估计误差仅需20-30个码片的训练就快速收敛,从而大幅降低了算法复杂度,是一种简单实用的算法,便于硬件实现。

CDMA系统中信道估计最小均方误差的研究

CDMA系统中信道估计的精确度一直是人们所关心的问题。本文在研究了理想维纳滤波器的基础上,给出了这个信道估计均方误差的下界,并从信息论的角度探讨了均方误差与信道参数的熵以及互信息量之间的关系,从而最终得到了信道估计中最大的互信息量。

一种面向多RIS的LMMSE信道估计方法

在智能超表面(Reconfigurable Intelligent Surface,RIS)辅助的无线通信系统中,信道状态信息(Channel Situation Information,CSI)是RIS反射相位矩阵优化的前提和基础。为了获得精准的CSI,针对多RIS辅助的多输入单输出(Multiple Input Single Output,MISO)通信系统,提出了一种训练序列优化和线性最小均方误差(Linear Minimum Mean Squared Error,LMMSE)方法相结合的信道估计方法。该方法使用LMMSE方法估计级联信道的CSI;在所得CSI的基础上,对RIS的反射矩阵和基站(Base Station,BS)发射的训练序列进行了联合优化,最小化原本信道估计的均方误差(Mean Squared Error,MSE),进一步提高了信道估计的精度。仿真结果验证了所提信道估计方法和双RIS联合训练反射矩阵与训练序列优化设计的有效性。与各种基准方法进行比较,具有更高的CSI估计精度。

改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计(MMSE)去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计(IMMSE)去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波(AM)代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE-AM的去噪算法。用IMMSE-AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。

基于线性最小均方误差估计的SAR图像降噪

针对合成孔径雷达(synthetic aperture radar,SAR)图像降噪过程中容易引起细节纹理信息损失的问题,该文结合SAR图像相干斑噪声的统计特性,提出了一种基于变换域系数线性最小均方误差(linear minimum mean-square error,LMMSE)估计的SAR图像降噪方法。首先通过SAR场景下的Kmeans聚类算法将相似图像块聚类;然后针对每一类相似图像块集合进行奇异值分解(singular value decomposition,SVD),得到同时包含图像块集合行列相关信息的含噪奇异值系数;为从含噪奇异值系数中更准确地估计出真实图像奇异值的系数,先通过加性独立信号噪声(additive signal-dependent noise,ASDN)模型将乘性噪声转化为加性噪声,再利用LMMSE准则对奇异值系数进行估计,最后将估计结果重构得到降噪后的图像块集合。实验结果表明,该方法充分利用相似图像块集合奇异值系数稀疏的特性,采用LMMSE准则估计奇异值系数,既保证了系数中噪声分量的去除又避免了图像纹理细节对应小系数的丢失,不仅去噪效果明显,同时能有效地保持图像纹理细节,具有良好的图像视觉效果。

基于最小均方误差的认知雷达估计波形设计方法

针对认知雷达在感知目标时,目标的散射特性可能是随机分布的,且雷达刚开机往往并不具备目标的相关信息,提出了一种基于最小均方误差(MMSE)准则的认知雷达估计波形设计方法。该方法首先构造观测数据和估计子的联合矩阵,接着通过最小后验期望损失估计公式求取估计子的估计值,然后计算估计值的均方误差(MSE),最后根据最小均方误差(MMSE)准则优化波形。仿真结果表明,通过该方法优化的波形,在估计性能上相对于传统的LFM信号具有明显的优势。

多小区广播干扰信道的加权均方误差最小化收发机设计算法

未来的第五代无线网络中,由于干扰问题的存在,阻碍了网络性能的提升,尤其是对于小区边缘的用户,其通信质量的需求不能得到满足。本文研究了基于加权均方误差优化的多小区多用户广播干扰信道的收发机算法设计。针对所需求解的优化问题,首先利用分层预编码的方法提出了一种广义干扰对齐的方案,然后提出了一种最小化加权均方误差的交替优化算法。所提算法的收敛性可以由单调有界理论保证。仿真结果表明:与传统的方案相比,所提方案可以有效的消除干扰,并且有效的提升系统的和速率性能。

机动目标状态估计的最小均方误差界

基于多项式模型的各种自适应滤波算法被广泛应用于机动目标跟踪领域,但尚没有统一的评估标准来衡量这些跟踪算法的优劣。由于存在确定的时变未知输入,机动目标的状态估计实际为有偏估计。基于状态估计均方误差最小的准则,推导了多项式模型滤波的最小均方误差界计算方法,获得了使状态估计均方误差最小的过程噪声方差变化规律。该方法给出了各种基于多项式模型的机动目标跟踪算法的估计均方误差下限,也为机动目标跟踪中最优过程噪声方差的设定提供了依据。仿真结果验证了算法的有效性。

基于最小均方误差估计和稀疏性先验的图像去噪

提出一种基于稀疏表达理论和最小均方误差估计的图像去噪算法,主要内容包括:在贝叶斯复原框架下,根据图像在冗余字典下的稀疏表达模型,建立原始图像表达系数的最小均方误差复原方程;利用随机正交匹配追踪算法,研究复原方程的数值求解算法,对图像表达系数进行近似求解,进而对原始图像进行恢复.对一组标准测试图像的仿真实验表明,提出的算法能够较好地去除图像中的噪声,并且复原图像具有较好的主观视觉质量和较高的峰值信噪比客观评价指标.

基于非理想信道状态信息的最小化均方误差非线性收发机设计

在多输入多输出系统中,当收发端已知非理想信道状态信息时,提出了一种基于最小化均方误差准则的非线性收发机设计方法,其结构基于汤姆林森-哈拉希玛预编码(THP).首先研究了收发信号的均方误差表达式,并将其转换为预编码矩阵的函数;然后,通过最优化及矩阵论方法最小化均方误差的下界,求解最优预编码矩阵以及下界的闭式解,进而获得整个非线性收发机矩阵.仿真结果表明,该方法性能优于现有的线性收发机设计和经典的THP收发机设计.

一种改进的低压电力线正交频分复用载波通信的最小均方信道估计算法

研究分析了正交频分复用(OFDM)通信中的最小均方(LMS)自适应信道估计算法,提出了一种改进的变步长LMS信道估计算法。该算法根据εm(k)、εm-1(k)自相关的时间平均估计及其均方误差(MSE),实现了对LMS算法步长的调整。仿真试验结果表明采用改进后的LMS信道估计算法的OFDM系统误码率明显降低,MSE降低了1/10,提高了算法的信道跟踪性能,且运算复杂度小,更适用于低压电力线OFDM通信系统。

Ames试验剂量反应关系的最小均方误差估计方法

Ａｍｃｓ试验中剂量反应关系常受到毒性作用的影响，为在剂量反应关系统计分析中消除或减少毒性作用的影响，目前常采用适应（ａｄａｐｔｉｖｅ）法。本文采用对有毒性作用的剂量组数据适当加权的方法，使估计的剂量反应关系具有最小的均方误差。我们采用随机模拟的方法在不同的毒性作用的强度下对其与适应法进行了比较。结果表明：对于多数情况，本文的方法优于适应法。本文方法容易在计算机上实现，可以作为适应法的补充。

反射系数的线性最小均方误差估计

从地震记录信号中获取反射系数对岩性分析和寻找储油(气)地层构造是非常重要的,本文对非白噪型反射系数的反褶积模型方法进行了探讨,给出了一个获取反射系数的估计方法.

基于最小均方误差估计的RFID室内定位算法

近年来基于射频识别(RFID)的室内定位技术得到了大量的关注及广泛的应用。由于无法利用目标标签的先验信息,现有的基于极大似然估计的室内定位算法性能存在进一步提高的可能。文中提出使用标签位置分布统计特性作为先验信息来提高定位精度,将基于到达时间(TOA)的二步加权最小二乘法从极大似然估计扩展到最小均方误差估计,并推导了基于最小均方误差估计的TOA定位方法的克拉美罗下界(CRLB)和理论方差。理论分析和仿真结果都表明该算法优于极大似然估计定位算法。

基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

针对低信噪比(SNR)环境下传统方法对声信号降噪的局限性,提出了一种联合自适应阈值活动语音检测(VAD)算法和最小均方误差对数谱幅度估计(MMSE-LSA)的实时降噪算法。首先,在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计,对得到的背景噪声进行实时更新并保存;然后,将实时更新的背景噪声作为MMSE-LSA的参考噪声,并对噪声幅度谱进行自适应更新,最后进行降噪处理。通过在真实场景中对四类声信号进行实验,结果表明,该算法在保证对低SNR声信号的实时处理的情况下,相较于传统MMSE-LSA算法,降噪信号的SNR能够提高10~15 dB,且不存在信号过减的情况,可应用于实际工程。