基于模糊矩阵辨识的半盲MIMO-OFDM信道辨识算法

对于多输入多输出系统,传统的基于训练序列的信道辨识方法为跟踪信道的变化,必须发送大量冗余信息,传输效率较低;而基于子空间的纯盲方法又带有不可避免的模糊性,辨识结果精度不够.在子空间法的基础上,利用少量训练符号估计出模糊矩阵,以此矫正子空间法得到的结果.仿真结果显示:在保证辨识精度的前提下,该方法减少了训练符号等冗余,提...     

基于GIS空间关系的温度序列复原方法

在分析测量温度序列特征的基础上,结合GIS空间关系模型和空气热传导方程解的特点,建立温度序列复原的目标函数.利用多尺度小波分析方法和基于时-频变换稀疏理论提出基于GIS空间关系的气象温度序列复原方法.研究结果表明:在温度序列模型未知且各温度序列不完全独立的复杂条件下,该方法对于多源温度序列复原具有比较理想的效果.     

基于预测分离的无线传感器网络多目标跟踪算法探讨

针对无线传感器网络目标跟踪中的限制因素,提出了一种基于预测分离的无线传感器网络多目标跟踪算法。该算法利用混叠信号分离的原理对多目标混叠信号进行分离,得出每个目标所产生的单一信号,计算每个目标的状态;根据目标前一时刻的状态,用直线预测的方法预测目标下一时刻的状态,最后通过仿真验证算法。     

Single-User Blind Channel Equalization Using Modified Constant Modulus Algorithm

A modified constant modulus algorithm (MCMA) for blind channel equalization is proposed by modifying the constant modulus error function. The MCMA is compared with the conventional constant modulus algorithm (CMA) for symbol-spaced equalization of 4PSK signals. The result shows that the performance of the MCMA is superior to that of the CMA in both convergence rate and intersymbol interference for frequency selective channels in noisy environments. Simulation results using 8PSK signals also demonstrate that a fractionally spaced equalizer can preserve performance over variations in symbol-timing phase, whereas a baud-rate equalizer cannot.     

基于核独立成分分析的盲多用户检测算法

针对部分多用户检测算法需要对信道参数进行估计的缺点，提出了一种基于核独立成分分析的盲多用户检测算法．该算法根据源信号的不同分布情况，在重建核希尔伯特空间内选取不同的非线性函数作为对比函数，将信号从低维空间映射到高维空间．在高维空间，接收端利用已知信息，将目标用户扩频码作为解混矩阵的初始值，利用自适应方法进行迭代，有效地解决了盲信号分离的无序性，实现了目标用户信号的提取．仿真实验表明，该算法的误码率性能在用户数量增大和远近效应严重的情况下都远优于基于匹配滤波器的单用户检测器，与传统独立成分分析方法相比更具灵活性和鲁棒性．     

基于子空间拟合的 UWB 稀疏信道盲估计

针对 TH-PPM 超宽带系统,利用信道的稀疏性,提出一种基于子空间拟合的稀疏信道盲估计算法.该算法首先利用接收信号的均值循环卷积特性,估计出信道的频域响应,接着利用子空间拟合算法确定出非零抽头系数的位置,最后再采用最小二乘算法完成对非零系数值的估计,避免了无谓的零抽头估计,改善了算法性能.该算法以码片周期采样,且仅需要作一些简单的信号处理如重叠相加、离散傅立叶变换等,因此运算量较小.仿真表明,与没有利用信道稀疏性的一阶盲算法相比具有更优的均方误差和误比特率性能.     

基于协方差矩阵同时对角化的盲信号分离算法

提出了基于自相关协方差矩阵同时对角化的两个盲源信号分离算法. 利用广义奇异值分解(GSVD)算法,将源信号观测数据预白化后的零阶和一阶自相关协方差矩阵同时对角化,估算出两路源信号. 与二阶盲识别(SOBI)算法进行了比较,该算法具有计算简单且运算精度高的优点. 在线性混合加噪模型下,计算机仿真表明该算法的有效性.     

正交频分复用-多天线系统的盲信道估计算法

为了解决多天线系统的识别模糊问题,提出一种基于系统输出信号二阶统计的正交频分复用多天线(OFDM-MIMO)系统盲信道估计算法。该算法从频域角度出发,从而将有限冲击响应信道的识别简化为一系列的无记忆系统识别问题。利用信道频率相关特性降低了算法复杂度,同时解决了算法对样本数的依赖问题。为了去除盲识别的模糊度,设计了带少许导频插入的OFDM-MIMO系统结构,研究了算法的估计精度及其对信道容量的影响。仿真结果表明:2发2收,1024子载波的OFDM-MIMO系统在信噪比为20dB时盲估计的归一化均方误差约为10-2。另外,子载波信道的容量结果表明,在信道变化较快时该文提出的盲估计算法相对于训练方法有明显的容量优势。     

一种有效的变步长的自适应独立分量分析算法

步长因子的优选是自适应算法中的一个重要问题,本文建立了步长因子与互相关性测度之间的一种非线性函数关系,以此为基础,提出了一种新的变步长的自适应独立分量分析算法,分析了算法收敛性能和稳态性能.该算法根据互相关性测度所反映的信号分离状态自适应地调节步长因子,克服了传统算法在稳态步长调整过程中的不足.仿真实验结果表明了算法的有效性.     

基于小波概率密度函数估计的盲信号分离算法

利用概率密度函数的非线性小波估计方法,对混合信号的概率密度函数及其导数进行估计,由此估计信号的评价函数,从而给出了一种盲信号分离算法.该方法简单,可直接应用于所有以非线性函数代替评价函数的盲信号分离算法.计算机仿真结果表明了算法的有效性.