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。

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。

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。

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。

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。

一种基于LMMSE改进的FBMC信道估计算法

针对滤波器组多载波(Filter Bank Multicarrier,FBMC)系统的信道估计问题,对系统进行了简要介绍并提出一种基于线性最小均方误差(Liner Minimum Mean-Square Error,LMMSE)算法改进的信道估计算法。在原有的LMMSE算法基础上结合离散傅里叶变换(Discrete Fourier Transform,DFT)算法,并进行迭代估计,同时利用奇异值分解(Singular Value Decomposition,SVD)算法降低了计算的复杂度。仿真结果表明,改进的LMMSE算法明显提高了系统的性能。

TD-LTE系统中信道估计LMMSE算法Q矩阵的ASIC实现分析

研究了TD-LTE（Time Division-Long Term Evolution）系统下信道估计LMMSE（Linear Minimum Mean-Square Error）算法中Q矩阵的实现。从ASIC设计的角度考查LMMSE算法中Q矩阵实时生成的硬件实现可行性,包括实现方案、资源开销和时间开销。为整个TD-LTE基带芯片信道估计哪部分采用软件实现,哪部分采用硬件实现提供决策参考。

LTE中一种改进的LMMSE迭代滤波信道估计算法

LTE作为3G与4G技术之间的一个过渡,是3.9G的全球标准,它改进并增强了3G的空中接入技术,采用OFDM和MIMO作为其无线网络演进的唯一标准。其中信道估计作为OFDM的关键技术,它对系统误码率性能有直接的影响。本文介绍一种新的基于LMMSE算法的迭代滤波信道估计改进方法。通过仿真结果可以看到这种方法能有效地降低信道估计MSE值以及改善BER性能,与传统方法相比性能更加接近于理想信道估计,因而具有较强的实用价值。

基于LMMSE的分块滑窗信道估计算法

信道估计是LTE系统中的关键技术。传统频域LMMSE维纳滤波插值算法性能优异,但其计算复杂度太高而难以实现,针对该问题,提出了一种基于LMMSE的分块滑窗信道估计算法,通过对信道自相关矩阵实行分块确定维纳滤波抽头数,降低了计算复杂度,通过滑窗确定维纳滤波系数,确保了算法的性能。仿真结果和计算复杂度分析表明,提出的算法能达到计算复杂度和性能之间的良好折中。

CDMA系统中LMMSE均衡器的时延参数对其性能的影响

介绍了码分多址CDMA系统中码片级线性最小均方误差均衡器 .针对时延参数的优化选取对线性最小均方误差均衡器性能的影响进行仿真分析 ,并同传统rake接收机的性能相比较 .结果表明 :在均衡器长度与信道最大多径时延相接近时 ,时延参数优化后的线性最小均方误差均衡器与同时延参数未经优化时相比性能有较大改善 ,而随着均衡器长度的增加 。

一种基于SC-FDMA系统改进的LMMSE信道估计算法

对于LTE上行链路来说,寻求性能优良的信道估计算法是十分必要的。传统的最小平方(LS)和线性最小均方误差(LMMSE)信道估计算法存在许多不足。其中,在研究过程中会发现传统线性最小均方误差(LMMSE)信道估计算法具有计算复杂度大的问题。然而,通过借助于雅克比迭代算法解决线性方程的理念,能够对传统的LMMSE算法做进一步的改进。同时,理论分析和仿真结果表明:该算法在低信噪比下表现出良好的性能,它不仅降低了计算复杂度,而且估计结果更精确。

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的滑动相关信道估计算法

5G NR系统中,接收端信道估计过程一般不可忽略噪声的影响,并且采用传统的线性最小均方误差(LMMSE)信道估计算法的运算量将会变的巨大,所以提出了滑动相关矩阵的方法来降低算法的复杂度。首先,通过仿真得到最优的滑动相关矩阵以及每次滑动所输出的子载波数,然后通过滑动窗依次输出频域子载波的信道估计值从而完成整个信道估计;在时域,通过混合插值方法进一步提升了系统性能。仿真结果表明,算法相比于LMMSE算法误码率升高小于1 dB,但是复杂度降低了99.74%,满足工程需求。

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.