基于复指数基扩展模型的抑制Gibbs效应的时变无线信道估计

复指数基扩展模型(CE-BEM)具有计算简单、不依赖于信道统计特征等优点,广泛地应用于时变信道估计中.但是CE-BEM由于Gibbs效应存在较大模型误差,本文分析了CE-BEM的模型误差以及基线倾斜法对模型误差的影响,提出了一种抑制模型误差的信道估计方法,该方法利用时分复用导频的特征估计出区间上的斜率,再结合基线倾斜法推导了新的数据模型,并给出LS算法和LMMSE算法.最后通过计算机仿真研究表明:该方法在较高的多普勒频移扩展的情况下有效的降低了关键性采样CE-BEM和过采样CE-BEM信道估计的MSE值,特别是关键性采样CE-BEM改善明显.

水声稀疏时变SIMO信道盲均衡算法

基于复指数基扩展模型(Complex exponential basis expansion model,CE-BEM),利用信道的稀疏特性和发送信号的常模特性(Constant Modulus,CM),提出水声稀疏时变(Time-variant,TV)SIMO信道盲均衡算法。首先采用l0-范数约束的比例系数归一化最小均方误差常模算法对等效信道矩阵的稀疏时不变部分进行均衡,然后采用基频率估计算法估计基频率并对多普勒频移进行补偿,最后对恢复信号中存在的相偏进行估计补偿。仿真实验结果表明,本文算法提高了均衡器的收敛速度,降低了剩余码间干扰。

基于神经网络无线通信中时变信道建模应用

对移动通信中时变信道进行建模,采取BP神经网络Levenberg-Marquardt算法对多径时变信道进行建模,同时根据泛化复指数基扩展模型,拟合出训练数据,通过仿真来模拟信噪比与误比特率之间的关系,最后验证了该模型具有很好的预测效果。

无线通信中信道建模中两个基扩展模型的比较

本文研究的是移动通信中信号传输问题。建立基扩展模型,给出最小二乘法拟合复指数基系数方法,通过仿真验证该模型在减少测试数据方面的效果。又建立了泛化复指数基扩展模型同样对信道进行估计,将两种方法从不同方面进行比较,得出各模型的优点。

高速移动OFDM系统中基于位置信息的GCE-BEM时变信道估计方法

针对高速移动正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统,文中提出了一种基于位置信息的广义复指数基扩展模型(Generalized Complex Exponential Basis Expansion Model,GCE-BEM)时变信道估计方法。首先采用GCE-BEM方法对信道进行建模,将对信道的估计转换成对基系数的估计,一方面降低了计算复杂度,另一方面降低了载波间干扰,提高了信道估计精度;其次根据信道的稀疏性,利用列车的位置信息确定主要基系数,通过对主要基系数进行估计获取OFDM符号上所有载波的信道信息,进一步降低了相邻子信道的干扰与计算复杂度,提高了信道估计精度。理论分析与仿真结果表明,本文方法可以显著地提高信道估计精度,且具有低的计算复杂度。

基扩展算法在信道参数估计中的应用

针对如何减少信道参数估计所需要的已知数据,文中在基于扩展算法的基础上,采用复指数基函数,通过获取部分信道响应数据来计算得到其他信道数据,从而减少信道的实际测量次数。重点研究了基扩展算法在不同基函数阶数和不同传输符号块采样点数的情况下,模型准确度的变化,给出了要使模型具有佳性能的参数设定方案。