基于IPSO-LMMSE算法的信道估计仿真与实现

WiFi7作为一种新型的高速无线局域网技术,被广泛应用于各种移动设备中。在WiFi系统中,信道会受到各种影响,例如时变和多路径传播频率选择性衰落、信号衰减、反射和强噪声干扰效应,这些影响会显著降低系统性能。因此,信道估计成为重要环节,其结果直接影响到系统的性能和可靠性。文中提出改进的粒子群优化(IPSO)算法,通过改变传统PSO算法惯性权重的计算方式,与线性最小均方误差算法(LMMSE)结合使用。实验结果表明,在信噪比相同的条件下,改进后算法的MSE、BER、EVM等指标相较于传统LMMSE算法有显著提升,并且该方法应用于国产矢量信号分析软件VSA中,具有较好的实用性和应用前景。

面向高速移动环境的二级信号检测算法

正交时间序列复用(OTSM)可以以更低的复杂度实现类似正交时频空间(OTFS)调制的传输性能,为未来需要低复杂度收发器的高速移动性通信系统提供一种有前景的解决方法。针对现有的基于时域的高斯-赛德尔(GS)迭代均衡效率不高的问题,提出二级信号检测算法。首先在时域进行低复杂度线性最小均方误差(LMMSE)检测,其次采用连续超松弛(SOR)迭代算法进一步消除残余符号干扰。为进一步提高收敛效率和检测性能,对SOR算法进行线性优化得到改进SOR(ISOR)算法。仿真实验结果表明,与SOR算法相比,ISOR算法在增加较低复杂度前提下可以提升检测性能并加快算法收敛。与GS迭代算法相比,ISOR算法采用16QAM调制且误码率为10-4时有1.61 dB的增益。

一种低复杂度LMMSE信道估计算法

针对传统线性最小均方误差(LMMSE)信道估计器矩阵求逆运算复杂度大的问题,提出了一种以相关带宽为准则提取信道自相关矩阵主要信息的子阵分块算法.根据信道相关带宽所计算的分块尺度将信道自相关矩阵分割为若干子块,包括非重叠分块法和重叠分块法.运算求逆过程中仅利用表征信道主要信息量的低频对角子阵,而忽略其他表征信道高频信息的子阵,可有效降低LMMSE算法中大的自相关信道矩阵求逆运算所带来的复杂度.该算法在频率选择性慢衰落信道下,与LMMSE和低秩估计算法进行了相关性能及运算复杂度对比分析,结果表明,该算法能以较微弱的性能代价换取系统复杂度的明显降低.

一种基于LMMSE滑动窗的信道估计算法

LTE-A下行传输中采用的多达8天线端口的增强型MIMO技术,为了保证对LTE系统的后向兼容以及确保UE对最大8天线端口和反馈更大的带宽信道状态信息(CSI),引入了新的参考信号CSI-RS。分析了LMMSE信道估计算法,提出了一种基于LMMSE滑动窗的信道估计算法。仿真结果表明,该算法既节约了导频资源占用率,又提高了系统的发送效率。

OFDMA系统中基于LMMSE信道估计算法的改进及其性能分析

OFDM调制技术用于移动通信领域时,其信道估计技术是一项关键技术.分析了一种基于频域相关的线性MMSE算法,并根据理论模型的假设,给出了最大时延、噪声功率等参数的近似估计方法,确定了一种可实用的LMMSE信道估计表达式.在此基础上,分析了算法复杂度和进一步简化的可能性.最后给出了不同信道条件下,改进的MMSE算法的性能仿真,并对仿真结果进行了分析.

基于LTE上行的改进LMMSE信道估计算法

对于无线通信系统来说,无线信道直接影响着其性能的好坏。然而无线信道具有随机性,为了在接收端准确恢复发射端的发送信号,这就需要对信道进行估计。LTE采用SC-FDMA作为上行多址方式,与OFDM相比,SC-FDMA一个突出的优势就是具有较低的峰均比(PAPR,Peak-to-Average Power Ratio)。文中介绍了SC-FDMA系统中基于导频的信道估计LS算法和LMMSE算法,通过提出一个优化的导频结构以及运用傅里叶变换,得到一种改进的LMMSE算法。仿真结果表明,这种改进的LMMSE算法具有较低的计算复杂度和良好的性能。

OQAM/OFDM系统中基于LMMSE的时域信道估计方法

针对偏移正交幅度调制的正交频分复用(OQAM/OFDM)系统在高频率选择性衰落信道下频域信道估计方法存在的误码平层问题,提出了使用时域信道估计方法对OQAM/OFDM系统进行信道估计。建立了OQAM/OFDM系统时域信道估计模型,通过迭代的方法估计信道的协方差矩阵,得到不需要先验信道协方差矩阵信息的线性最小均方误差(LMMSE)估计方法。仿真结果表明:所提的方法能够有效克服误码平层,且信道估计性能比传统的加权最小二乘(WLS)估计方法有5dB的性能提升,与已知先验信道协方差矩阵信息的LMMSE信道估计方法有相近的性能。

基于LMMSE估计的多传感器目标航迹融合

介绍一种基于线性最小均方差 ( LMMSE)估计的多传感器目标航迹融合方法。这种方法适于分布式多传感器目标跟踪系统 ,它具有 LMMSE估计器的许多优点。同时 ,由于它考虑了因公共的目标动态过程噪声引起的估计误差的非独立性的影响 ,因此 ,它比基于独立性假设的方法更精确。

大规模MIMO系统中分布式压缩感知LMMSE信道估计

大规模多输入多输出(multiple input multiple output,MIMO)系统中,信道估计算法复杂度随着基站侧天线数量的增加而急剧增加,针对需要在信道估计算法复杂度与算法性能之间进行折中的问题,提出分布式压缩感知线性最小均方误差(distributed compressed sensing linear minimum mean square error,DCS-LMMSE)算法。该算法利用信道的空时共稀疏性,首先根据先验支撑集信息将接收信号分为密集部分和稀疏部分,然后分别采用不同的算法进行初始信道估计,最后采用奇异值分解代替信道相关矩阵求逆进一步降低DCS-LMMSE算法复杂度。所提算法与传统线性最小均方误差算法相比明显地降低了计算复杂度。仿真结果表明,所提算法与纯压缩感知稀疏信道估计算法相比具有更好的性能。

窄带干扰条件下水声OFDM系统LMMSE信道估计算法

因为正交频分复用(OFDM)系统中强窄带干扰引起水声信道估计性能退化,因此,提出了一种可实用的线性最小均方误差(LMMSE)信道估计方法.该方法结合最小二乘(LS)信道估计结果对受窄带干扰(NBJ)和加性高斯白噪声(AWGN)噪声干扰的导频子载波进行辨别,从而获得最有效信道抽头;根据导出的理论模型,给出了信道自相关、窄带干扰信号和噪声功率等参数的近似估计方法;并采用傅里叶变换以避免矩阵的求逆运算,减少了计算复杂度.仿真结果表明,在强干扰信号条件下,文中提出的方法接近理想状态的LMMSE方法.

用基于LMMSE-PIC算法消除OFDMA上行链路多用户干扰

提出了一种消除载波频偏引起的多用户接入干扰的LMMSE-PIC算法。首先,采用线性最小均方误差(LMMSE)来估计各用户的频偏干扰,然后根据这些估计值采用一种迭代的并行干扰消除(PIC)算法来消除多用户接入干扰。仿真结果表明,所采用的算法对载波频偏的估计精度较高,消除MUI干扰的效果明显。

LMMSE频域均衡系统中的最优LDPC码设计

首先介绍了基于LMMSE准则的频域均衡算法的基本原理及其信噪比演进技术,进而采用高斯近似的方法引出了LDPC码的最优设计问题,并通过将优化问题分解为线性优化对其进行迭代求解。针对优化所得的LDPC码进行仿真,结果表明其性能优于已有文献中给出的LDPC码性能,并且更加接近系统容量。

矢量空间上下文模型的LMMSE图像去噪算法研究

线性最小均方误差估计LMMSE(wavelet-based multiscale linear minimum mean squareerror estimation)目前是小波去噪领域的热门课题,讨论了矢量空间的最小均方误差估计的新算法,主要考虑图像各层间的关系,将线性MMSE运用到矢量空间,对去噪图像边缘模糊问题有较大改善。

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。

一种简化的LTE系统下行信道估计LMMSE算法

针对长期演进系统中的下行信道估计问题,首先介绍了常用的线性最小均方误差算法在频域和时域信道估计中的应用。其次对于该算法复杂度过高的问题提出了使用矩形模型、加窗等的简化方案,这样就避免了过于繁琐的信道相关矩阵的计算以及大量数据的存储。最后针对算法简化后存在的性能损失,提出了一种改进的信道估计算法,通过增加虚拟导频、保留延时帧等技术来提高算法性能。仿真结果表明,本文提出的改进算法不仅拥有良好的信道估计性能,同时具有较低的实现复杂度。

改进的Chirp信号LMMSE参数估计算法

线性调频信号(Chirp信号)的参数估计是信号处理中长期研究的一个问题,其最大似然估计算法已经被提出并且得到广泛应用。然而在许多实际应用中,通常已经知道了被估计参数的分布,因此可以使用贝叶斯估计器的方法。在文中,通过加入先验知识,给出了参数的线性最小均方误差(Linear Minimum Mean Squares Error:LMMSE)估计算法。与传统的最大似然估计算法相比,此方法有更好的性能。同时,文中基于两种线性相位模型实现了LMMSE估计算法,一种是传统的线性相位模型,另一种是最近提出的最佳线性相位模型。实验结果表明基于最佳线性相位模型的估计器具有更好的性能。

基于EM的MIMO-OFDM系统LMMSE信道估计

最小均方误差(MMSE)信道估计算法应用于MIMO-OFDM系统时将带来高计算复杂度且不易实现,根据这个问题,提出了一种基于期望最大化(EM)的线性最小均方误差(LMMSE)信道估计算法,并分析了该算法的性能.EM算法可以把多输入多输出(MIMO)信道估计问题转化为一系列单输入单输出(SISO)信道估计问题,避免了大规模的矩阵运算,简化了算法,提高了系统性能和估计精度,为进一步改善基于EM的LMMSE信道估计算法的性能,通过设计训练序列对EM迭代初值的计算方法进行了,改进,通过实验仿真表明改进后的方法提高了系统的性能.

基于实时计算时延扩展的LMMSE信道估计算法

为了进一步提高LMMSE信道估计算法在工程应用中的实用性和性能,提出了一种实时计算时延扩展的LMMSE的信道估计算法,并仿真完成了对其性能的验证。该算法在信号接收端,通过实时计算时延扩展代替取固定值,得到更准确的信道自相关矩阵R_(HH)。同时使用解码产生出的软信息,通过反馈更新LMMSE信道估计H_(LMMSE)表达式中的LS信道估计H_(LS),再次计算响应,从而综合提高对信道频率响应的估计准确度,还原发送信息。仿真结果表明,该算法在不显著增加计算复杂度的基础上,误码率比的多种固定值时延扩展的LMMSE算法估计都要小,达到了的提高实用性和性能的目的。

基于多普勒辅助和门限定阶的LMMSE信道估计算法

基于门限定阶的LMMSE信道估计方法在高速时变环境下均方误差(MSE)较大,因此本文提出一种基于多普勒辅助和门限定阶的LMMSE信道估计算法.该方法将一种多普勒辅助的插值方法应用到基于门限定阶的LMMSE信道估计算法中,以此来降低多普勒频移对信道估计的影响,减小了MSE且并不明显增加运算量.仿真实验表明,在移动台速度达到300 km/h,信噪比为10时,本文算法比自适应定阶的MMSE算法的MSE减小26.5%;当移动台速度迭到300 km/h,误码率性能为10^(-2)时,本文算法与自适应定阶的MMSE信道估计算法相比输入信噪比有1dB的改善.

WCDMA下行LMMSE接收机算法研究

最小均方误差(MMSE)准则可用在DS-CDMA系统中,能有效地消除MAI和噪声,抗远近效应的单用户接收机和MMSE接收机已成为WCDMA下行链路最有实用前景的接收机。在比较和研究了两种不同结构的LMMSE接收机后,介绍了针对瑞利衰落和多径传输信道而采用的RLS准则的WCDMA下行自适应接收机。仿真结果证实,LMMSE-Rake结构的RLS自适应接收机在严重远近效应条件下具有优良的误码率性能。