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。

一种水声通信Turbo均衡中的软迭代信道估计算法

Turbo均衡技术是水声相干通信克服信道多径、消除码间干扰(ISI)的有效工具。Turbo均衡实际使用时需要对时变、多径信道进行良好的估计。为了提高信道估计的效果,该文基于时变横向滤波和相位旋转信道模型,提出一种水声通信Turbo均衡中的软迭代信道估计算法。该算法采用快速自优化最小均方算法得到各数据符号处的横向滤波器系数矢量并与二阶锁相环联合优化计算。通过仿真比较,该算法明显优于硬迭代信道估计算法,且相位估计性能优于其他文献中的软迭代信道估计算法。在海上试验中,水声通信距离5 km,方向近似垂直,接收阵起伏周期10 s,起伏幅度5 m左右,在此情况下进行数据采集。将该算法用于对海试数据的单通道Turbo均衡处理,实现无误码输出,验证了所提算法在软迭代信道相位估计方面的优势。

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。

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。

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。

迭代异方差估计及其在多传感器数据融合中的应用

本文提出一种适应任意噪声分布的迭代渐近无偏估计异方差的方法,它能对多个不同测量噪声的方差进行估计.不同于传统的异方差估计算法,本文提出的迭代异方差估计,可在不损失估计精度和减少运算量的前提下,对多个不同的测量噪声方差进行捕获和跟踪.在多传感器数据融合中的应用结果表明:本文提出的方法具有估计稳定性好、运算简单和具有较强的鲁棒性等优点,仿真和实验的结果均证明了提出方法的有效性和可行性.

稀疏水声OFDM系统迭代LS自适应信道估计

为了消除水声OFDM系统中噪声对稀疏多径信道估计的影响,提出了基于阈值探测的迭代最小二乘自适应信道估计方法。该方法根据最小方差准则引入加权因子对误差平方进行加权求和,由此导出一个迭代方程进行自适应信道估计。该迭代方程具有计算复杂度低的优点,不会带来大的矩阵运算。在该方法基础上,提出基于阈值探测的稀疏信道估计方法,探测最有效信道抽头,消除噪声干扰的影响。最后讨论了不同训练符号长度对MSE性能的影响,给出了在一定训练符号长度、阈值等参数条件下改进算法的性能仿真,并对仿真结果进行了分析。

基于机载多通道雷达迭代超分辨估计的前视成像

波达角估计算法用于机载多通道雷达前视成像时可以突破瑞利极限,实现同一波束主瓣宽度内的多目标分辨,改善成像的方位向分辨率,然而天线波束覆盖有限且其快速扫描使得可用于协方差矩阵估计的数据样本缺乏,导致对目标位置和幅度估计出现误差。该文提出了一种基于单快拍迭代超分辨处理的多通道雷达前视成像算法,通过对单个空域快拍的迭代谱估计可获得目标的准确位置和幅度信息,再通过多个脉冲的非相干累积得到前视方位高分辨成像。仿真和实测数据处理结果表明,所提算法具有分辨多目标的能力,相较于传统前视成像算法显著提高了前视图像的方位分辨率,同时保证了点目标的精确重构和面目标的轮廓重构。

基于二维回波数据的距离-多普勒副瓣快速迭代抑制方法

针对距离-多普勒二维高副瓣严重影响强目标附近弱目标的高精度提取,现有方法对非网格目标提取效果不佳等问题,提出了一种基于二维回波数据的距离-多普勒副瓣快速迭代抑制算法。在迭代最小均方误差框架下,该方法基于网格化后的二维回波数据自适应地为每个距离-多普勒单元估计最佳权矢量,同时将同一距离门不同多普勒单元协方差矩阵的求逆转化为同一距离单元协方差矩阵的求逆,在不牺牲精度和检测性能的条件下大大降低了计算复杂度。仿真和实测数据验证了文中方法的有效性。

OFDM系统中抗非线性失真的迭代信道估计算法

针对OFDM系统中信号限幅滤波造成的信道估计性能下降,提出了一种基于梳状导频的迭代估计算法。该算法迭代估计信号中的非线性噪声,并据此补偿信号的非线性失真,提高信道再估计的性能。推导出了该算法在限幅预畸变系统中所能达到的理论均方误差下限,同时给出了初始信道估计的理论均方误差。仿真表明,该算法克服了由限幅滤波造成的性能瓶颈,且收敛速度快。与文献迭代信道估计算法相比,具有更强的抵抗峰均比抑制的能力。

最小均方信道均衡的UWB测距方法研究

针对超宽带(UWB)信号在室内复杂环境下,易受多径及噪声等因素的干扰,造成接收端波形发生畸变,相关接收机相关峰峰值对应的时延值存在偏差,进而影响信号到达时间估计(TOA)算法测距精度的问题,提出了一种在相关接收前的基于最小均方(LMS)算法的信道均衡技术,使用LMS均衡器对UWB接收信号进行处理,以减少多径和噪声对信号的干扰,恢复原始发送信号,实现在复杂环境下相关接收机进行准确的相关接收,获得高精度的时间测量值,提高TOA测距算法的测距精度。实验结果显示,采用LMS信道均衡技术后的TOA测距精度能够达到厘米级,相比于仅采用相关接收的测距精度至少提高了50.8%,能够获得更高、更稳定的测距精度,满足高精度定位的需求。

Turbo编码MIMO-OFDM系统中的EM迭代信道估计

该文对频率选择性衰落信道条件下的Turbo编码多入多出正交频分复用(MIMO-OFDM)系统的信道估计进 行了研究,提出了一种将Turbo迭代译码与EM迭代信道估计相结合的方法。采用该方法的EM迭代信道估计性能 得到了明显提高,且适合于非常恶劣的信道环境。另外,通过仿真可知,利用EM迭代信道估计算法的系统性能优 于利用简化的最小二乘(LS)信道估计算法所获得的系统性能。

智能天线中一种迭代的联合信道估计与符号检测算法

在传统的二维RAKE接收机中 ,通常使用导频信道来估计信道矢量 ,进而求取加权系数 ,用于业务信道符号序列的检测 .当导频功率较低时 ,信道估计误差较大 ,系统性能较差 .本文提出了一种新的算法 ,先利用导频进行信道矢量的初始估计 ,然后用带投影的迭代最小二乘法 ,进行信道和符号序列的联合估计 ,该算法具有计算复杂度低 ,收敛速度快的特点 .仿真结果表明 :与传统二维RAKE接收机相比 ,该算法使系统的误码性能得到了有效改善 .

基于稀疏角域的6G信道估计智能反射面算法

智能反射面(Reconfigurable Intelligent Surface,RIS)有着操纵性强、能耗低、方便部署等优势,已成为6G(第六代移动通信)的关键技术。研究了关于智能反射面的信道估计算法,对于传统算法在传播时路径会因角度原因发生偏移的情况,采用了Tucker分解的稀疏角度域高阶奇异值分解(High Order Singular Value Decomposition,HOSVD)信道估计算法来解决路径偏移的问题。为了验证所提出算法的鲁棒性,对比了传统的交替最小二乘法信道估计算法,可以得到不管是在用户数量、传播的路径偏移上都能取得比传统的信道估计算法更好的归一化最小均方误差(Normalized Mean Squared Error,NMSE)效果。

基于MAP算法的OFDM系统迭代信道估计

提出一种运用在OFDM系统中的迭代最大后验概率信道估计方法。译码器利用信道估计值形成译码模块的软信息,通过交织,反馈到信道估计模块中,使外信息在信道估计模块和译码模块之间循环迭代。信道估计模块中采用线性最小均方误差算法对信道参数进行估计。通过信道估计模块和译码器之间软信息的循环迭代,充分利用有效的外信息,降低误码率,提高OFDM系统的性能。

OFDM水声通信线性最小均方误差算法信道均衡

正交频分复用在高速水声通信中的应用越来越广泛。水声信道是多径、高噪声的衰落信道。由于信道条件差,容易产生码间干扰,信道均衡技术是提高通信系统性能的重要技术。提出了线性最小均方估计在水声通信系统中应用的方案,研究了实际通信中利用调频信号如何确定信号的平均多径时延、最大多径时延,比较了不同调频信号测量信道的性能。该方案基于导频辅助均衡方法,利用调频信号测量信道,获得的信道统计信息,计算信道的自相关矩阵。从而根据线性最小均方误差算法进行信道均衡。通过仿真和湖试进行验证,结果表明该方案效果较好,对系统性能改善比较明显。

基于统计迭代投影估计的低剂量CT重建方法

本研究在投影域(sinogram space)建立统计模型,采用不同于传统泊松模型的信号相关高斯噪声模型,迭代实现最小化能量函数,得到理想的投影估计值后,再用滤波反投影(FBP)快速实现Radon反变换。模拟实验的结果表明,该方法有效地抑制了噪声并保持了一定的分辨率。

无蜂窝大规模MIMO-OTFS系统的上行信道估计方法

无蜂窝MIMO系统中,利用大规模天线与大规模宏分集,构建以用户为中心的架构,用户可以选择多个合适的接入点来获取服务,实现均匀的用户覆盖性能,从而可以更好地满足不断增长的移动通信服务需求。研究了采用OTFS调制的无蜂窝大规模MIMO系统的上行信道估计方法。首先,根据用户的位置关系,对用户划分组群,在有限的资源下服务更多的用户;然后,设计了用户上行导频结构,研究了基于LS和LMMSE的无蜂窝大规模MIMO-OTFS上行信道估计方法。仿真结果表明,提出的上行信道估计方法在不同用户速度和不同信噪比下都能够得到稳健的信道估计结果,同时,在有多个用户的无蜂窝大规模MIMO系统中,并且每个用户在高速移动的情况下,估计的结果也能够保持较高的准确度。

DFT-S-OFDM系统中基于DFT的软迭代信道估计

在基于傅里叶变换扩展的正交频分复用(DFT-S-OFDM)系统中,为了消除由多径传播和多普勒效应导致的信道间干扰(ICI),提出了一种基于离散傅里叶变换(DFT)的软迭代信道估计算法。该算法将传统DFT信道估计技术与Turbo均衡技术相结合,利用Turbo均衡器反馈的软信息来更新初始信道估计响应,进而消除噪声和ICI。Matlab仿真结果表明,在多径信道下,经过2次以上的迭代后,该算法的误码率(BER)性能得到了显著的改善。