基于PSO的非均匀导频间隔信道估计算法

信道估计是通信系统中的重要环节之一,为提高正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统的信道估计性能,提出一种基于粒子群优化(Particle Swarm Optimization,PSO)算法的非均匀导频间隔信道估计算法。在梳状导频的基础上,采用粒子群算法建立训练模型,追踪导频位置变化时系统的信噪比变化规律。仿真结果表明,基于PSO的信道估计算法能够通过迭代训练学习到最优的导频分布情况。与传统信道估计算法相比,该方法优势明显,可以有效提高信道估计性能。

OFDM系统中一种基于LMMSE的半盲信道估计算法

为克服信道冲激响应长度大于导频数时出现系统性能下降,适应存在大量多径的恶劣信道环境,本文对OFDM系统基于MLE的半盲信道估计算法进行了改进。该算法采用非均匀间隔导频排列方式以获得更小的系统均方误差。通过简化导频数提高了系统频带利用率,利用奇异值分解进一步简化了算法复杂度。仿真结果表明:如充分利用信道统计信息,在导频数目很少、信道长度很大和低信噪比时,本文提出的算法能够以较低复杂度实现精确的信道估计,从而验证了该算法的有效性和优越性。