5G系统PDSCH几种典型信道估计算法对比

本文针对通信链路中存在近地多径、收发移动中的问题,构建了基于5G NR PDSCH信道链路模型,在高斯信道上对LS算法、LMMSE算法和基于DFT的LS信道估计算法等的信道估计对比分析,通过Matlab软件进行仿真。结果表明,在高斯信道上,LMMSE算法信道估计效果最优,LS算法效果最差,基于DFT的LS算法效果介于前两者之间,且与降噪效果密切相关,降噪越好算法效果越接近LMMSE算法。

基于DFT的时域LS信道估计算法

基于IEEE802.16d/e标准的OFDMA系统中存在保护子载波和导频非2n等间隔插入,针对该问题,提出一种基于DFT的时域LS信道估计算法。该算法对相比信道自相关矩阵R容易获得的矩阵T进行奇异值分解(SVD),得到基于DFT的低阶近似。仿真结果表明,该算法的信道估计性能和运算复杂度介于LMMSE-SVD算法、IFFT/FFT算法之间,对导频要求更宽松,应用更广泛。

一种高精度的TOA估计方法

提出了一种 CDMA系统的高精度的信号到达时延(TOA)的估计方法。在不提高采样频率的情况下,使用积分-清除电路对接收信号进行采样,将离散信号用离散傅里叶变换(DFT)转换到频率域中,然后根据 CDMA信号模型和多径信道模型以及已知的扩频码的离散频谱,估计出信号相对于一个码片周期的整数部分 TOA;再在离散频率域中用最小二乘法估计出信号到达的小数部分 TOA,该方法即使在采样频率不高的情况下,也有很高的精度,而且运算量小,因此是一种有效的高精度 TOA估计方法。

一种新的基于PN码导频的OFDM信道估计方法

根据PN码的性质 ,针对OFDM通信系统提出了一种新的信道估计方法 ,不仅适用于慢变信道 ,也适用于快变信道。理论上分析了新方法的计算复杂度和估计性能。仿真表明 ,在多径信道下新估计方法的误比特性能优于最小二乘估计大约 2dB ,与线性最小均方误差估计性能相似 ,但是计算量远小于线性最小均方误差估计。

TD-LTE-A信道估计DFT算法研究

TD-LTE-A信道估计的经典算法有最小平方(LS)算法,线性最小均方误差(LMMSE)算法以及基于变换域的离散傅里叶变换(DFT)算法。LS算法不需要知道信道的先验信息,但是对噪声没有做任何处理。LMMSE算法利用了信道的自相关矩阵,估计性能比LS要优良,但是计算较为复杂,不利于在实际系统中实现。DFT算法则是在LS算法估计结果的基础上,进行变换域处理。但是DFT算法存在较为明显的"地板效应"。然而,提出通过改进TDLTE-A系统的参数配置,可以有效地改善DFT算法的估计性能,使其性能接近于理想信道估计,并且通过仿真比较了DFT估计与其他信道估计算法在信道响应值的均方误差和信道冲击响应值的差异。

基于实际无线局域网系统的信道估计算法

结合无线局域网(WLAN)系统进行适合实际系统的信道估计方法研究。针对实际系统在要求算法稳健性的同时,还要求算法简单易实现的特点,在最小二乘(Least Square,LS)算法中添加了离散傅里叶逆变换(Inverse Discrete Fourier Transform,IDFT)运算,利用信号在时域能量集中的特点,在时域对信号按门限值进行筛选,滤除大部分噪声,以此提高系统性能。仿真结果显示,改进算法可为实际WLAN系统所采用。

氢化大豆油中反式脂肪酸的太赫兹光谱分析

利用太赫兹(THz)光谱技术对氢化大豆油中反式脂肪酸(TFAs)进行分析。通过傅里叶变换将氢化大豆油的THz时域谱变换为频域谱,利用光学参数计算出折射率谱和吸收谱。为了研究氢化大豆油中TFAs在太赫兹波段的吸收特性,选择密度泛函理论(DFT)中的RB3LYP和6-311G(d,p)基组对氢化大豆油中的几种主要的反式油酸和反式亚油酸进行几何构型优化及振动频率计算,为氢化大豆油中TFAs的组成和定性分析提供理论依据。利用LS-SVR建立氢化大豆油中TFAs含量的预测模型,并与PLS和SVR模型比较,结果表明LS-SVR效果最佳,RMSEP为0.3246,R2为0.9792,RSD为3.81%,能够满足实际检测需求。采用PSO算法对LS-SVR模型参数进行优化,并与GS和GA优化方法比较,选择出最佳参数组合。优化后的LS-SVR模型的RMSEP为0.0763,R^(2)为0.9989,RSD为0.90%,显著提高了预测精度。本研究为利用太赫兹光谱技术实现氢化大豆油中TFAs的快速检测奠定基础。

一种基于时频联合降噪的LS信道估计算法

针对传统LS信道估计算法由于非线性噪声的影响致使低信噪比时估计精度差的问题,提出一种基于时频联合降噪的LS(TF-LS)信道估计算法。在时域上,对时域信道响应截断补零处理,滤除带外噪声,再通过引入阈值限幅降低带内噪声的影响;在频域上,利用慢衰落信道特性进行频率响应联合估计,提升带内信噪比。仿真结果表明,在瑞利多径信道环境下,当均方误差为0.0925时,TF-LS算法优于传统LS算法和基于DFT的LS信道估计算法7dB和0.5dB,具备更佳的信道估计性能。