大规模MIMO系统中基于EVD半盲信道估计的导频污染研究

文中分析了天线数量有限的大规模多输入多输出(MIMO)蜂窝系统中,基于特征值分解(EVD)的信道估计的导频污染和信号扰动问题。首先,基于一个完整的多小区多用户MIMO系统(MCMU-MIMO)模型,分析了EVD方法在有限接收天线数量下,信道估计误差产生的原因:空间上天线数量有限带来的扰动、导频污染以及相关矩阵采样数的有限性。其次,推导了基于导频的信道估计方法和EVD半盲信道估计方法的信干噪比。最后,数值仿真结果表明EVD半盲信道估计值的归一化均方误差和误比特率与天线之间的关系符合文中的推导。

频率选择性衰落OFDM的半盲信道估计算法研究

从系统性能分析和设计的角度详细地研究了基于无线HIPERLAN2通信协议的OFDM(orthogonal frequency division multiplexing,正交频分多路复用技术)系统信道估计与均衡的一种半盲算法,提出了结合直接法和Cholesky分解法的切换盲算法。这种半言算法综合了全盲算法得到的信息与已知导频符号,充分利用了原发信号的统计特性和OFDM帧结构中插入的导频符号,克服了全盲和导频训练序列存在的问题,且不需额外的带宽。仿真结果表明,在误比特率和收敛性方面,该算法比现有的主要三种全盲算法有更好的收敛和抗干扰特性。

基于张量分解的MIMO多中继系统半盲信道估计方法

针对多输入多输出三跳中继系统,提出了一种基于张量分解的半盲信道估计方法.该方法通过对接收信号构造基于张量分解的PARAFAC和PARATUCK2模型,通过两阶段的迭代算法拟合张量模型.两阶段迭代算法利用ALS拟合PARAFAC模型估计复合信道和发送信号,并利用TALS拟合PARATUCK2模型并行估计三跳信道矩阵.与已有的信道估计方法相比,该方法只需少量的导频序列便能并行估计三跳信道矩阵,不仅可以避免误差叠加,而且提高了系统的频谱利用率,仿真结果验证了其有效性.

针对OFDM系统的一种新的半盲信道估计方法

针对填补零的OFDM(ZP-OFDM)系统,提出了一种新的基于子空间的自适应半盲信道估计算法。该算法利用ZP-OFDM系统导频信息,给出精确的信道参数初始值。然后通过一种新的子空间跟踪以及功率方法,进行自适应信道估计。该算法不仅降低了计算复杂度,而且改善了盲信道估计收敛速度慢的缺点,仿真结果也表明其具有较好的估计精度。

基于子空间法的盲信道和半盲信道估计方法

为了降低算法的复杂度,提出采用降秩正交迭代方法估计噪声子空间.利用色噪声预白化技术对过采样后的自相关矩阵进行变换,再用降秩迭代计算噪声子空间.在应用预白化技术时,提出一种利用训练序列估计色噪声协方差矩阵的方法,能明显地克服盲信道估计收敛速度慢的缺点.仿真结果证明,系统的信道冲激响应可以被良好地跟踪.

MIMO NC-OFDM系统的半盲信道估计算法研究

提出了一种基于零空间的多输入多输出不连续正交频分复用(MIMO NC-OFDM)系统的半盲信道估计的新方法。该方法利用线性预测得到信道矩阵的零空间作为LS算法的盲约束,对MIMO NC-OFDM时域信道脉冲响应进行估计。通过大量仿真表明,与传统的最小二乘算法比较,该方法可以在使用较少导频的条件下获得很好的信道估计性能,从而可以提高系统频谱有效性。

基于半定松弛方法的时变OFDM系统盲信道估计

该文提出了一种时变正交频分复用(OFDM)系统信道盲估计算法。在二次规范(Quadratic Program,QP)模型的基础上,采用半定松弛技术,把OFDM信道盲估计转换为一个可以在多项式时间内求解的半定规划问题。为了进一步降低半定规划问题的转换复杂度,考虑到OFDM各个子载波和各个时刻的响应之间的紧相关性,该文提出了一种新的随机转换策略,仿真表明,该文所提出的算法,其误码率逼近最佳估计,且复杂度大幅降低。

协同通信系统中基于EM算法的半盲信道估计与迭代检测

研究协同通信系统的信道估计和符号检测技术,提出一种基于EM(Expectation Maximum)算法的半盲信道估计和迭代检测接收方案。它有利于减少协同通信系统的额外系统开销,并能有效提高协同通信的信道估计精度和系统误码性能。

OFDM中基于子空间分解的半盲信道估计

针对OFDM系统中盲信道估计计算量大、收敛速度慢和估计精度低的缺点,以及传统信道估计方法的频带利用率低的缺陷,详细介绍了基于子空间分解的半盲信道估计方法。该方法利用接收信号的相关矩阵特性来估计信道,其是传输速率和收敛速度的折衷,通过Matlab软件仿真表明,此方法能较大地改善信道估计精度和降低系统的误差。仿真结果对信道估计问题的深入研究具有借鉴意义。

基于信道分布空间的OFDM信道半盲估计方法

信道分布空间的构建将OFDM系统中发送信号的有限符号特性和信道响应的统计相关特性集中到信道分布平面中。算法使用了一个初始OFDM导频符号在信道分布平面中建立信道频域响应参考曲线,信道的估计是利用相邻OFDM符号对应的信道响应有相关延续特性,通过在更新的信道分布平面上更新参考曲线来实现。计算机仿真表明,算法的性能和基于最小均方误差的信道估计算法相当,由于避免了矩阵求逆运算,该方法在工程实现中有较大的应用价值。

低压窄带电力线载波通信的半盲式信道估计

针对低压电力线信道的频率选择性传输特性,提出一种半盲式信道估计方法,该方法使用一组在频域和时域上都等振幅的正交序列对正交频分复用发送信号进行预编码,仅利用一个导频子载波就能估计出所有子载波的频率响应。在低压电力线载波信道特性的实验研究基础上进行仿真,结果表明采用该方法能有效跟踪低压电力线信道的频率选择性衰落变化,从而明显改善信道的误码率性能。

一种新的MIMO信道半盲估计算法

针对移动通信中的多入多出(MIMO)系统,提出了一种新的基于子空间的半盲信道估计算法。该算法对于连续的2个接收数据块,重新构造一组新的向量而不改变系统的信道矩阵,比较适合于对频率选择性信道的半盲估计。通过仿真比较了该算法与现有半盲信道估计算法的性能。仿真结果表明,该算法利用较少的导频符号可以得到较好的误码性能。

OFDM中基于有限字符集特性的半盲信道估计

由于基于有限字符集特性的盲估计方法最短距离(MD)计算量大、收敛速度慢、消耗时间长,而修正后的MMD方法,计算量下降的同时精度也降低了很多,提出了一种基于有限字符集特性的半盲估计方法。该方法通过导频结合有限字符集特性,利用最小距离准则快速辨识出所有子载波上频率响应的相位。仿真结果表明,该算法的信道估计性能优于修改后的最小距离(MMD)算法,与MD相等,而计算复杂度大大低于MD和MMD算法。

一种新的半盲联合信道数据估计算法

提出一种新的半盲联合信道估计与数据检测器,通过将递归-EM信道估计算法嵌入Turbo均衡器中,根据接收信号进行逐符号信道估计,不但能够适应时变信道,而且有效提高了联合信道数据估计收敛速度。仿真表明本算法对初始信道响应估计精度要求很低,从而大大降低了对训练序列长度的要求,使用很短的训练序列就能够达到较好性能,有效提高了频谱利用率。

一种基于判决反馈的半盲信道估计方法

无线移动通信MIMO-OFDM系统中,为了减小对导频的依赖性,针对平坦瑞利衰落信道提出了一种基于判决反馈的半盲信道估计方法。该方法使用LS算法结合导频对信道进行初始估计,然后利用初始的信道估计结果得到下一个OFDM符号对应的天线发送信号,最后利用自适应滤波稳态跟踪特性对后面的信道进行跟踪,并将恢复出的信号反馈到滤波器输入端作为后续估计的输入。仿真结果表明,该半盲信道估计方法在平坦瑞利衰落信道下,相比于基于导频的LS信道估计方法具有更好的稳态性能。

一种基于子空间的OFDM系统半盲信道估计

提出了一种可用于色噪声背景的基于子空间的改进半盲信道估计算法。根据正交频分复用(OFDM)系统模型,利用所获色噪声背景的噪声向量与信道冲激响应矩阵的正交性估计信道冲激响应,给出了算法的步骤。仿真结果表明:算法有较好的收敛性和稳定性。

基于误差修正的MIMO信道半盲估计方法

近年来,由于多输入多输出(MIMO)通信系统有传输速率高等许多优点,受到人们的重视。在本文中,提出了一种MIMO信道估计的方法,利用了已知训练序列和全部的数据帧信息,通过估计值的误差对信道参数作进一步的调整,只需使用较短的训练序列即可避免陷入局部最小,从而提高了信息传输速率和信道估计的鲁棒性,提高了估计的精度,而且具有较低的计算复杂度。

MC-CDMA系统中基于子空间的半盲信道估计

该文提出了MC-CDMA系统中一种基于子空间的半盲信道估计方法。该方法结合MC-CDMA系统信号模型的特点,通过初始信道估计来解决收敛速度慢的问题;通过部分用户的导频符号以及预均衡技术来估计模糊因子;通过迭代算法来降低计算复杂度。这些措施使得半盲信道估计方法的实用化成为可能。计算机仿真验证了该方法的有效性。

空时编码OFDM系统中信道的半盲估计

针对空时编码的OFDM系统,利用发送信息符号的星座点数目有限特性构建了一个包含信道参数所有可能的集合,并将该集合映射到实平面上,信道估计则通过更新信道参数实平面和其中的信道参数曲线来实现。导频的使用简化了算法运算,实现了在信道参数实平面上初始信道参数曲线的建立。仿真分析表明,在空时编码OFDM系统中该方法性能接近理想的基于最小均方误差的估计,但计算更为简单。

OFDM系统中基于期望最大化的半盲信道估计

针对传统的盲信道估计算法估计精确度低、算法复杂度高、收敛速度慢的缺点,研究了OFDM系统中基于期望最大化(EM)的半盲信道估计算法.仿真结果表明,该算法克服了盲信道估计精度低,收敛速度慢的缺点,而且在同等导频数量情况下的估计性能较之传统的基于导频的信道估计算法提高了2 dB.