一种基于二阶统计量的盲信道辨识与均衡

本文提出了一种新的基于二阶统计量的盲信道辨识与均衡方法。通过对接收信号过采样,等效的信道矩阵有特殊的结构可以提供足够的信道信息给我们来估计信道矩阵。根据Tong等人的观点,本文给出了另外一种证明的方法,并由此得到了一种新的基于二阶统计量的盲信道辨识与均衡方法。仿真结果表明此方法和Tong的方法具有同样的均衡效果。

基于多相分解的盲信道辨识和均衡技术

提出了一种新的盲信道辨识算法。将信道进行多相分解,利用子信道输出的二阶统计特性,只需求解线性方程组,即可进行盲信道参数估计。在精确重建(PR)条件下,均衡器结构即为重建滤波器组结构。为了验证算法的有效性,还对算法进行了性能仿真。

基于信道相关性的半盲信道辨识算法

针对全盲信道辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题,本文基于信道的CR相关性提出一种简单有效的半盲信道辨识算法。算法通过输出数据构造相关矩阵W,根据相关矩阵W与信道向量的正交性构造约束方程,并利用少量已知符号和改进的最小二乘(Modified least square,MLS)准则建立额外的约束,通过最小二乘法求得信道响应的闭式解。该算法有效地克服了全盲信道辨识算法的诸多局限性,避免了传统半盲方法面临的最优加权选择问题,算法复杂度较低且性能稳定,对信道噪声及信道阶数具有较强的鲁棒性。仿真实验验证了所提算法的有效性与优越性。

一种基于噪声子空间的半盲信道辨识算法

传统确定性半盲算法在最优权值选择上效率较低。为此,提出一种基于噪声子空间的半盲方法。利用噪声子空间与信号子空间的正交关系,构建信道响应与噪声矢量间的约束,根据参考符号与对应接收信号间的卷积关系建立额外的约束,由最小二乘方法求解信道冲激响应。仿真实验验证了该算法的有效性及参考符号个数下限的正确性。

盲信道辨识与均衡基于二阶统计量的递推算法

利用通信信号超采样后所具有的循环平稳性,给出了一种新的基于二阶统计量的算法来完成对非最小相位系统的辨识和估计,利用了一组特征矩阵所包含的信息来进行估计,使估计性能得到了提高.与基于二阶统计量的非递推盲均衡算法相比,这种方法给出求解所定义的代价函数的最优解的有效递推算法,可以逐个地得到所有特征矢量,最终得到解析解.该算法在低信噪比的环境下仍然可以有效地完成估计,克服了传统的盲均衡算法抗噪性能差的缺点,而且其运算复杂度仍然比较小.

采用奇异值分解方法的半盲信道辨识算法

针对全盲信道辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题,提出一种半盲信道辨识算法。通过奇异值分解将信道矩阵分解为同维矩阵与酉矩阵乘积的形式,分别利用接收数据和已知符号求解同维矩阵与酉矩阵,最终得到信道矩阵的闭式解。该算法有效地克服了全盲信道辨识算法的诸多局限性,避免了传统半盲方法面临的最优加权选择问题,性能稳定,且对信道噪声与信道阶数都具有较强的鲁棒性。仿真实验验证了所提算法的有效性与优越性。

水声通信中基于信道辨识的盲turbo均衡方法

水声信道多途效应明显,造成接收信号存在严重的码间干扰(ISI,Intersymbol interference)。基于最小均方误差(MMSE,Minimum mean square error)准则的turbo均衡器级联了均衡和信道译码,能够有效去除ISI,并获得优良的性能。由于水声信道的时变性,传统MMSE-turbo均衡需要周期性的训练序列,以实现连续可靠的通信。训练序列虽然提高了通信的可靠性,但降低了信息的有效传输速率。因此,为提高通信效率,本文提出了一种盲turbo均衡方法,该方法通过引入新的盲信道辨识器来同时获得信道估计响应和已去除部分ISI的初步均衡输出信号,并为turbo均衡提供初始的响应参数和比特软信息。与水声通信中应用较多的盲判决反馈均衡器(DFE,Decision feedback equalizer)相比,海上实验结果证明本文提出的盲turbo均衡方法抗信道多途衰落的能力较强,并且与传统MMSE-turbo均衡相比无需训练序列,因此提高了信息的有效传输速率。

基于子空间方法的多输入多输出信道盲辨识与均衡

子空间方法是一种有效的基于二阶统计量的盲信道辨识方法．具有计算量小、性能好、所需样本量少,不需要信号源相关性信息的特点．文中将单输入多输出(SIMO)系统的信道辨识子空间方法推广到多输入多输出(MIMO)系统．在MIMO的情况下,估计所得到的信道参数矩阵与真实参数矩阵间存在一个模糊矩阵,利用二阶盲源分离的方法将其转化为置换矩阵与对角的尺度矩阵乘积, 得以提取源信号．此外,针对盲源分离中卷积混合信号分离的问题,利用此类盲均衡方法及其模型中的卷积矩阵,可将卷积混合转化为瞬时混合,从而利用大量已有针对瞬时混合的算法进行盲源分离．并对此进行了仿真,验证了其可行性．

TITO系统中盲FIR信道辨识方法的性能分析

近年来,统计信号处理已经成为无线通信发展中的一项关键技术,特别是被ISI和MAI严重污染的宽带多用户通信系统。针对TITO(Two-Input-Two-Output)情况下,交叉信号混叠的信道的盲辨识问题介绍了一种分析解法,数学工具是SOS(Second-Order-Statistics)。在阐述问题的时候,认为源谱和混叠信道都是未知的,如果源相关信息有效,这种方法能解决通常的MIMO(Multiple-Input-Multiple-Output)系统问题。针对这种方法,我们对他作了性能分析,仿真结果表明他可以较好地辨识混叠滤波器,具有较强的鲁棒性。并用维纳滤波的方法恢复出了原始语音信号,证明这种方法也适用于非平稳信号的情况。

基于模糊矩阵辨识的半盲MIMO-OFDM信道辨识算法

对于多输入多输出系统,传统的基于训练序列的信道辨识方法为跟踪信道的变化,必须发送大量冗余信息,传输效率较低;而基于子空间的纯盲方法又带有不可避免的模糊性,辨识结果精度不够。在子空间法的基础上,利用少量训练符号估计出模糊矩阵,以此矫正子空间法得到的结果。仿真结果显示:在保证辨识精度的前提下,该方法减少了训练符号等冗余,提高了传输效率。

采用FFT方法的抗阶数过估计信道盲辨识算法

针对二阶统计量信道盲辨识算法在小样本观测数据条件下性能恶化且对信道阶数误差敏感的问题,本文首先提出一种改进的基于FFT变换的信道盲辨识算法(FFT-MCR),该算法充分利用MCR算法只需最小冗余度信息求解信道向量的特性,有效地降低了原算法(BI-FFT)的计算复杂度且性能相当。研究表明FFT-MCR算法在信道阶数过估计情况下额外引入的公零点具有单位圆聚集性,同时提出一种具有较强阶数鲁棒性的盲辨识算法(R-FFT-MCR),算法通过聚类的思想搜索单位圆周围的公零点并将其移除,实现准确的信道估计。理论分析与仿真实验验证了所提算法的有效性。

一种基于信道盲辨识和盲均衡的多径信道调制方式识别算法

针对多径环境下MPSK和MQAM信号的调制识别问题,该文提出了一种基于信道盲辨识和盲均衡的调制识别算法。算法首先进行信道阶数精确估计,然后以矩阵外积分解为基础,加入特征值扰动分析,提高了信道盲辨识和盲均衡的稳定性,最后,对均衡后的星座图进行多级减法聚类,得到信号的调制方式。与现有算法相比,算法结构简单,所需数据量小,适用范围广,实用性强。仿真结果证明了算法的有效性。

一种基于循环平稳特性的信道盲辨识方法

本文利用了一种新的调制频率和循环频率的分配方法,提出了一种基于循环平稳特性的新颖的多用户信道盲辨识方法。该方法运用调制引入循环平稳特性来区分每个用户的二阶循环统计量(CSOCS,Cyclic Second-Order Cyclic Statistics),能够识别不同用户的单个信道。仿真结果证明该算法是可行的。

基于循环累量的多用户信道盲辨识

本文针对多用户系统提出了一种新颖的盲辨识方法。它首次利用了调制产生的高阶循环平稳性,可以识别出不同的用户各自的传输信道。最后文中提出了循环c(q,n)公式,给出信道的估计。方法简单明了,适合于多用户上行链路信道的盲辨识。文中还讨论了对算法进行的计算机模拟。

一种基于FFT低复杂度的信道盲辨识算法

提出了一种适用于短突发信号的低复杂度基于FFT的信道盲辨识算法。算法基于最小C-R(Minimum cross-relation,MCR)算法只需最小冗余度信息可求解出信道向量的特性,通过将其建立的线性方程经过FFT变换后再求解信道向量,并结合算法中矩阵Fy的秩信息提出了一种快速阶数估计算法。仿真表明,该算法克服了传统辨识算法对于短突发观测数据下性能不佳的缺点,降低了原有基于FFT的信道盲辨识算法的复杂度,同时提升其对阶数的鲁棒性。

一种新颖的基于信道近零点分布的盲辨识算法

研究子空间算法在阶数过估计时的信道零点分布,发现在有噪情况下额外引入的"公共零点"呈单位圆聚集性,并给出相关的理论分析。基于此,提出一种简单新颖的基于信道近零点分布的盲辨识算法。结合同样基于子空间的NECOE改进算法所得到的过估计信息,从估计的信道零点中移除"公共零点",从而实现正确的信道估计。仿真验证了该算法在较低信噪比情况下性能良好,复杂度低。

一种信道盲辨识与均衡的新方法

针对信道盲辨识的闭式解存在估计精度低,方差大的缺点,以及源信号无法完全恢复的问题,提出了一种基于调制引入循环平稳性的信道盲辨识与均衡的新方法。通过对循环功率谱进行适当的变量代换得到功率谱-传输函数方程,再将其反变换到时域得到求解FIR信道的方程组解法。仿真结果表明,提出的信道盲辨识算法的性能优于信道盲辨识的闭式解,而且源信号也可以完全得到恢复。

基于小波分解的时变信道盲辨识

针对传统的信道盲辨识算法很难适应时变信道模型的问题,提出了一种基于小波多分辨率分解的时变信道盲辨识算法.该算法首先应用小波多分辨率分解原理来近似建模时变信道;然后,利用信道输出序列的二阶统计量对时变信道的小波分解模型的小波系数进行两级盲辨识;最后,应用估计的小波系数即可重构时变信道的冲激响应.仿真结果表明,该算法可很好地完成周期时变信道的盲辨识与盲均衡任务.

基于离散正则模型的时变信道盲辨识算法

以CDMA时变信道离散正则模型为基础,提出了基于改进的矩阵外积分解的时变信道盲辨识算法。算法对传统的矩阵外积分解算法进行修正,使其适应离散正则模型两级盲辨识,并引入了精确的时延阶数估计,克服了现有算法需要预先知道信道时延实际阶数的局限,使其在仅知道信道阶数上界的条件下完成盲辨识。仿真结果表明了该算法的有效性。

一种新的基于二阶统计量的信道盲辨识与均衡算法

通过对接收信号进行过采样,应用过采样接收信号产生的循环平稳特性,给出单输入单输出系统的等效单输入多输出系统模型,据此模型给出了一种新的基于二阶统计量的盲辨识与均衡算法,给出的算法只需要接收信号的二阶统计量即可以辨识与均衡信道.