一种精确的基于周期序列的信噪比估计算法

文中针对多径信道,提出了一种基于周期序列的信噪比估计算法,利用周期序列良好的自相关特性,精确地估计了接收信号幅度和噪声方差,分析并推导了两径信道下信噪比估计的通用表达式,给出了算法实现的具体过程。仿真结果表明该算法整体估计性能较好,特别适合于低信噪比条件下。与现有的二阶矩四阶矩(M2M4)和频域估计算法相比,在信噪比为-5dB时,估计偏差在1dB范围内的概率分别提高了21%和55.5%。     

MIMO-OFDM系统Turbo接收机中的信道估计器

设计了一种新的MIMO-OFDM系统Turbo接收机中的信道估计器.考虑了信道估计误差对编码比特外信息计算的影响,利用软球形译码器的搜索列表和解码器反馈的先验信息对传统EM信道估计中的软信息近似处理进行了修正,获得了更为准确的软符号统计信息用于信道估计,提出了考虑软符号互相关性的Bayesian EM(BEM)信道估计算法.仿真结果表明,新算法较传统EM算法具有更低的误码率和更小的估计均方误差值.     

基于LS信道估计的SC-FDE系统性能研究

无线高速传输系统中存在严重的多径干扰,因此需要采用均衡技术,而均衡技术需要接收端准确掌握信道参数。根据文中设计的帧结构,本文改进了最小二乘(LS)信道估计算法并提出一种新的信噪比估计方法,该改进算法可以在减少运算量的同时保持估计精度。利用估计出的信道参数,文中仿真比较了三种不同均衡技术对系统性能的影响,最终的结果表明,该信道参数估计方法联合判决反馈均衡,可以很好的实现SC-FDE系统的高速信号传输,满足实际系统设计的需要。     

Rayleigh衰落信道下一种实用的Turbo解码算法

通过理论和仿真实验证明:无论Rayleigh衰落信道是否完美估计,Max-Log-MAP算法都与信噪比无关,而且还与其他信道参数无关.通过缩放Max-Log-MAP算法输出软信息的幅度,在没有增加运算量的前提下,解码性能提高到了与Log-MAP算法相当的程度.由于缩放软信息的Max-Log-MAP算法不需要任何信道参数...     

一种修正ESPRIT信号DOA估计算法

分析了典型DOA估计算法的优缺点,针对信噪比较小的情况下对CESPRIT做出了一些修正,将接收数据共轭重排再利用,构造矩阵修正的ESPRIT算法,称之为MCESPRIT算法.理论分析和仿真实验表明,该算法同经典的ESPRIT以及其他2种修正算法MESPRIT算法及CESPRIT算法相比,在信噪比较小及快拍次数有限时,能够改善信号DOA估计的性能.     

基于MUSIC的高分辨率到达频率差估计方法

多重信号分类(MUSIC)算法具有高分辨率、高精度和同频多信号的频率估计能力,利用这一性能可将其应用于到达频率差估计,得到基于MUSIC的到达频率差估计方法。这种方法在不同信噪比、带宽、采样率和积分时间等条件下,均能对到达频率差进行高精确估计,仿真结果验证了该算法的可行性、有效性和稳健性。     

双边定时截尾下广义Pareto分布的可靠性分析

基于双边定时截尾样本,研究广义Pareto分布的形状参数和可靠性指标的估计问题。在进行极大似然估计时,由于似然方程无解析解,故采用EM算法。对形状参数选取,4信息先验,在平方损失下,研究给出广义Pareto分布的形状参数和可靠性指标的Bayes估计。通过Monte-Carlo模拟对形状参数和可靠度函数的极大似然估计、EM估计和Bayes估计的效果进行比较。模拟结果说明,Bayes方法和EM算法适合在小样本场合下对形状参数进行估计,Bayes方法和极大似然估计法适合在大样本场合下对形状参数估计,极大似然估计方法和EM算法适合对可靠度进行估计。     

相干信号源DOA估计改进ESPRIT算法研究

在目标方位估计(DOA)的众多算法中,ESPRIT是一种运算速度快、精度高的常用算法,但它不能解相干信号。提出一种基于观测数据直接空间平滑的改进型ESPRIT算法,解决了常规ESPRIT算法不能解相干、对信噪比要求高等问题。该方法适用于所有信号(非相干和相干信号)的目标方位估计。     

正交频分复用/偏移正交振幅调制半盲信道估计

非合作通信背景下,针对传统干扰近似法(IAM)进行正交频分复用(OFDM)/偏移正交振幅调制(OQAM)系统信道估计需要导频符号值作为先验信息的问题,提出一种基于OQAM符号特征的IAM(OCBIAM)估计算法。该算法利用IAM导频结构和OQAM实符号的有限集特征,将信道衰落系数幅度和相位分开估计,在仅获得导频位置而未知导频符号值的条件下实现了OFDM/OQAM系统半盲信道估计。并且证明了OCB-IAM算法由于利用接收符号的二阶统计量将高斯白噪声变为非随机的单音干扰,从而在中低信噪比条件下具有优于IAM算法的估计性能。仿真实验验证了理论推导的正确性和OCB-IAM算法的可靠性。     

基于回归算法的OFDM系统帧同步和信道估计研究

提出了一种基于回归方法的联合帧同步和信道估计方案.该方案通过添加在OFDM帧格式中的伪噪声码可以得到帧定时和信道冲击响应,由估计到的信道信息,使频域单抽头均衡器完成信号补偿.仿真结果表明:在瑞利信道下,该方案的帧头丢失率要比滑动平均方案和Beek方案低,并且信噪比大于-10 dB时,帧定时的精确度更高.采用该信道估计方案的均方误差要比LS方案和MMSE方案小.最后比较了采用该方案和传统方案的误码性能.     

基于修正的子空间正交测试宽带DOA估计方法

投影子空间正交性测试法(TOPS)是利用宽带信号多个频点的噪声子空间与信号子空间的正交性实现到达角(DOA)估计。在中等信噪比时该方法估计性能较好,而在其他信噪比条件下空间谱易存在多个"伪峰",算法性能依赖于参考频点的选择。针对该问题,提出了一种新的TOPS算法,该方法通过最大化各频率点信号子空间与噪声子空间特征值区分度选择参考频点,同时利用信号子空间投影代替其零空间投影,避免信号子空间估计误差导致空间谱中产生伪峰,最后利用子空间的正交性实现宽带DOA估计。仿真结果表明,相比于传统的TOPS算法,该方法在一定信噪比条件下,避免了伪峰的出现,提高了TOPS算法的估计精度和分辨率。     

导频设计的MIMO-OFDM改进信道估计算法

为提高系统的传输效率并改善信道估计的性能,提出了一种结合优化导频设计的分段带阻滤波算法.采用优化的导频设计,该算法在少量增加计算复杂度的基础上,能够进一步提高信道估计的性能,与实际中广泛应用的经典时域滤波算法相比,具有更高的估计精度.仿真结果证明该算法适用于不同的信道环境,尤其在低信噪比的条件下,该算法能够明显降低信道估计的MSE.     

AWGN信道中Turbo码的性能和仿真

主要对Turbo码的解码算法进行了研究,分析了常用的MAP解码算法,对Turbo码在AWGN信道中应用不同的解码算法进行了仿真,针对不同解码算法和解码迭代次数等因素对Turbo码性能影响进行分析,结果表明Turbo码在AWGN信道中和低信噪比条件下具有优良的性能。     

低信噪比条件下改进ESPRIT方法

在低信噪比时,针对估计信源DOA实时性的问题,提出了一种新的适合于ESPRIT算法的多级维纳滤波器(MSWF)结构,找到了一种能判别信号子空间的方法。首先将多级维纳滤波器(MSWF)与ESPRIT算法相结合,采用多级维纳滤波器(MSWF)的前向递推,得到子空间,不需要通过特征值分解。低信噪比时,针对噪声子空间泄漏到信号子空间的现象,提出一种判别方法,找到了更精确的信号子空间,结合ESPRIT方法实现信号的DOA估计。由于该算法实现了真实的信号子空间的判断,因此,比传统基于MSWF算法具有更高地估计精度。特别是在低信噪比时,增强了算法的实用性,仿真结果证明了算法的有效性。     

基于MSA的高阶调制信号比特度量算法的研究

最小和算法(MSA)折中了译码性能和运算复杂度两个方面,是低密度奇偶校验码(LDPC码)硬件实现最常用的译码算法。比特后验概率对数似然比(LLR)是LDPC码MSA译码的关键参数,现有的高阶调制信号比特后验概率LLR计算方法及简化算法都需要估计噪声方差,估计值影响译码性能。论文从分析M阶无记忆二维调制信号比特后验概率LLR通用的计算方法入手,研究了适用于MSA译码的高阶调制信号比特后验概率LLR简化算法,该算法无需估计噪声方差,进一步降低了运算量和实现复杂度。     

近场非合作源MIMO雷达多目标定位与信道估计

研究了多输入多输出(MIMO)雷达系统,在收发非合作的情况下,通过两个阶段的处理分别对空间多个近场源进行定位,并对MIMO雷达的发射信号与衰落矢量矩阵等参数进行信道估计.由于在近场条件下,常规的阵列信号处理算法不再适用,因此在第1阶段利用了四阶累积量联合估计算法对近场源的距离、频率和到达角(DOA)进行估计,第2阶段中则利用盲源分离(BSS)算法对衰落矢量矩阵及发射信号完成估计.仿真结果证明了整个系统过程的有效性.     

一种基于变换域的自适应滤波算法

针对传统时域自适应滤波在较低信噪比下检测估计信号波形的局限性,提出一种基于变换域的自适应滤波的算法。该方法利用分数阶傅里叶变换在分析线性调频信号时的优良特性,在分数阶变换域上进行自适应滤波处理,提高信号检测估计效果。仿真实验证明,该算法在较低信噪比条件下能较好地检测估计出回波信号,滤波效果胜过时域滤波。     

基于自相关函数的信噪比估计方法

信噪比估计,作为衡量信道质量的标准,为许多自适应技术提供所需的信道信息。精确的信道质量估计值,可以有效提升这些技术的性能。研究表明,信号经过采样、发送波形成行后其自相关函数具有周期性。根据噪声和发送信号两者自相关函数的不同特性,提出一种利用自相关函数进行信噪比估计方法。仿真结果表明,该方法具有较高的估计精度。     

基于m-Capon的多阵列直接定位算法

多重信号分类(Music)直接定位算法需要先估计目标个数,然后根据目标个数估计确定其噪声子空间,进而得到空间谱函数。在低信噪比情况下,目标个数估计的错误往往会导致直接定位算法的失效。针对上述问题,提出了一种基于m-Capon的多阵列目标直接定位算法。该算法综合了Capon算法无需目标个数估计和Music算法定位性能较高的优点,在不进行目标个数估计的情况下,利用近似估计的方法得到逼近于Music算法的空间谱函数,解决了Capon算法在低信噪比下性能不足的问题。仿真结果表明,在无需估计目标个数的条件下,所提算法的性能与Music算法的性能大致相同,且逼近于克拉美罗下界。     

通信侦察中基于神经网络的伪码序列估计

针对直接序列扩频通信信号伪噪声(PN)码的干扰侦察问题,在已知信号伪码参数的前提下对直扩信号进行特征分析,用基于变步长的PCA神经网络方法来实现伪码序列的盲估计。该方法利用基于Hebb学习规则的无监督多主分量神经网络,结合自适应变步长学习算法,在估计在线特征值的基础上来控制步长的变化,以使神经网络最终达到较好的稳态收敛。理论分析和仿真结果表明,本方法能在较低信噪比的情况下对较长伪码进行准确的估计。