针对当前线性调频(linear frequency modulation,LFM)信号参数估计算法中存在的估计精度与计算量的矛盾问题,提出了一种基于功率谱形态学运算的信号参数估计算法。该算法根据LFM信号参数与功率谱形状特征的关系,实现了LFM信号参数估计...针对当前线性调频(linear frequency modulation,LFM)信号参数估计算法中存在的估计精度与计算量的矛盾问题,提出了一种基于功率谱形态学运算的信号参数估计算法。该算法根据LFM信号参数与功率谱形状特征的关系,实现了LFM信号参数估计。仿真试验表明,在信噪比为-5dB时,LFM信号的调频斜率和起始频率估计精度分别比基于Radon模糊变换(Radon-ambiguity transform,RAT)和分数阶傅里叶变换(fractional Fourier transform,FRFT)结合的离散谱校正算法提高了约2%和4.5%,带宽和脉冲宽度估计的均方根误差分别小于2.4MHz和0.025μs;当采样点不大于4 096时,计算量比插值FRFT算法降低了约70%,证明了该算法具有高估计精度和低运算量的优点。展开更多
提出一种不同宽度的双对角阵线性最小均方误差(dual-diagonal linear-minimum-mean-square-error,DDLMMSE)信道估计算法。该算法在DDLMMSE信道估计算法的基础上,利用相邻子载波间的相关性,将DDLMMSE算法中的对角阵扩展为K重对角阵,在不...提出一种不同宽度的双对角阵线性最小均方误差(dual-diagonal linear-minimum-mean-square-error,DDLMMSE)信道估计算法。该算法在DDLMMSE信道估计算法的基础上,利用相邻子载波间的相关性,将DDLMMSE算法中的对角阵扩展为K重对角阵,在不显著增加算法复杂度的前提下,提高了DDLMMSE信道估计算法的估计精度。仿真结果表明,与DDLMMSE算法相比,当正交频分复用(orthogonal frequency division multiplexing,OFDM)子载波数为128时,获得相同的误码率BER=10-1时,宽度为3的DDLMMSE算法所需的信噪比约有0.5 d B的减小,可以根据性能要求选择合适的宽度。展开更多
文摘提出一种不同宽度的双对角阵线性最小均方误差(dual-diagonal linear-minimum-mean-square-error,DDLMMSE)信道估计算法。该算法在DDLMMSE信道估计算法的基础上,利用相邻子载波间的相关性,将DDLMMSE算法中的对角阵扩展为K重对角阵,在不显著增加算法复杂度的前提下,提高了DDLMMSE信道估计算法的估计精度。仿真结果表明,与DDLMMSE算法相比,当正交频分复用(orthogonal frequency division multiplexing,OFDM)子载波数为128时,获得相同的误码率BER=10-1时,宽度为3的DDLMMSE算法所需的信噪比约有0.5 d B的减小,可以根据性能要求选择合适的宽度。