基于BDS/GPS的KBLMS信道补偿多径缓减算法

在全球卫星导航系统（GNSS）中，针对城市峡谷单系统无法定位及信号失锁后重新捕获及跟踪性能表现不佳的问题，提出了一种基于BDS/GPS的卡尔曼最小均方估计（KBLMS）的信道补偿技术。首先，建立双系统模型。其次，设计基于卡尔曼估计的最小均方误差的延迟估计模块，补偿接收信号上的多径失真。最后，设计视距（LOS）最佳估计块以在反馈回路中产生控制误差信号，用于自适应地更新补偿矩阵系数。通过实测数据与实验仿真，分析KBLMS的信道补偿多径缓减算法的性能。结果表明:KBLMS的信道补偿多径缓减技术相较于最小均方（LMS）算法在多径信道中能快速收敛，且码跟踪误差在ENU三个维度误差减少了0.1 chip，载波跟踪误差减少了约0.125 cm，有效降低了多径效应引起的误差，最终残余误差比LMS降低了0.035 chip，说明所提多径缓减算法可以进行更为精准的估计，从而验证了算法的有效性。      

一种基于分组截短PN码的SOFDM信道估计方法

基于PN序列的信道估计方法的特点是计算过程简明,已被广泛应用在地面无线局域网系统中。在卫星正交频分多路复用传输体制(SOFDM)系统中引入传统PN序列信道估计方法的主要问题在于卫星信道的多径延时远大于SOFDM数据符号的持续时间,信道特性比较复杂,使得传统方法的估计精度严重下降。提出了一种改进的方法,根据信道的近似周期特性对数据帧进行合理的等长度分组,并把长PN序列改为短PN码来跟踪信道局部特性的变化,再对分组后的数据子帧分别进行信道估计。对该方法的设计思想进行了理论分析,并通过仿真验证了该方法的估计精度比传统方法至少提高了10倍。     

基于神经网络的OFDM信道补偿与信号检测

针对非线性失真和多径效应混合的复杂信道条件,提出一种基于神经网络的正交频分复用（OFDM）信道补偿与信号检测的方法。首先接收端信号利用最小二乘（LS）算法和迫零（ZF）算法做预处理,然后再输入到一层全链接层的神经网络进行进一步的信道补偿与信号检测,并恢复数据流。仿真结果表明,在没有进行输入信号功率回退（IBO）时,所提方法的误比特率（BER）性能比LS算法提升2个数量级,比线性最小均方误差（LMMSE）、最小均方误差（MMSE）提升一个数量级;在进行IBO后,所提方法能避免LS信道估计下至少4 dB的功率损失,能避免LMMSE、MMSE信道估计下至少2 dB的功率损失。所提方法在一定程度上验证了机器学习结合通信的先验知识的这种新的网络结构更能提升系统数据传输的准确率。      

OFDM系统定时偏差补偿算法

为了消除正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)符号定时偏差对信道估计的影响,提出了一种补偿算法.理论分析表明相移可以被看作是信道统计特性的变化,并且在使用线性插值的信道估计方法时估计误差会扩大.该算法利用符号定时偏差会引起子载波相位旋转的特点,对信道估计进行补偿.仿真结果表明,在多径信道下,在信噪比为20 dB定时位置位于循环前缀中点时,使用该算法后信道估计均方误差是通常线性插值算法的25%,因此新算法缩小了信道估计均方误差.实验结果表明,该算法提高了接收机的性能.     

自适应OFDM采样频偏估计算法

修正了基于数据判决的采样频偏估计公式,提出一种自适应采样频偏估计算法,利用离散导频估计频偏变化,从而得到参与估计的数据符号间隔,并且同时使用信道估计结果和接收数据对采样频率偏差进行估计,达到提高估计精度的目的.仿真表明,在高斯白噪声信道下,新算法估计精度比基于数据判决算法和基于离散导频算法高3 dB左右;在多径信道下,新算法的估计精度比其他两种算法提高5 dB以上.实验结果表明,该算法的星座收敛速度快,提高了接收机性能.      

一种基于HMM的多用户检测算法

针对以概率统计为基础信道估计收敛速度慢、状态估计存在非合理性的问题进行研究,提出了一种新的多用户检测方法.该算法以隐马尔可夫模型为基础,为了避免由于相邻状态序列后向概率相差很大而造成的信道估计发散,采用固定延迟的方法,利用锯齿延时的办法计算后向序列概率以减少计算复杂度.根据前后序列之间的相关性和最陡下降法,提出了解相关最小均方(DLMS)多用户上行复合信道的盲估计. 考虑到由于发射序列状态之间可能存在时序非继承性,而搜索与前向序列对应的具有最大转移概率的后续序列,给出了最大后验(MAP)多用户检测方法.计算机仿真实验表明,该算法提高了信道响应估计速度,具有全局收敛性和系统的稳定性.      

一种自适应GNSS弱信号载噪比估计方法

全球导航卫星系统（GNSS）信号的载噪比（CNR）是衡量接收机工作性能的一个重要参数。为了准确得到载噪比估计值,推导并分析了2种常用的GNSS信号载噪比估计方法（方差求和法（VSM）、窄带宽带功率比值法（PRM））,并同时提出一种基于渐消因子容积卡尔曼滤波的自适应载噪比估计方法,比较了3种方法在通常的信号环境下和弱信号环境下的载噪比估计能力。结果显示:在信号较弱环境或信号受到遮挡产生突变等情况时,VSM方法与PRM方法均会产生较大的误差,而自适应载噪比估计方法能准确估计出信号的载噪比。      

基于深度学习的无人机数据链信噪比估计算法

无人机数据链通信受到各种自然与人为的干扰,信噪比（SNR）是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络（CNN）与长短时记忆（LSTM）网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。      

压缩感知OFDM稀疏信道估计导频设计

为提高稀疏信道估计性能, 基于压缩感知(CS)理论, 研究了正交频分复用(OFDM)系统中的导频设计问题。由于已有方法不能准确衡量采样矩阵重建性能, 从而导致根据已有方法设计的导频具有较差的信道估计性能, 因此提出以互相关矩阵元素的立方和为准则准确评价采样矩阵的重建性能。针对OFDM系统信道估计导频设计为离散组合优化问题, 提出了一种并行完全树分组替换搜索算法用于搜索最优的导频。在算法的每次循环中, 先将导频索引集合分组, 再根据每一组替换的结果更新导频, 提出的方法扩大了导频搜索空间, 避免了导频搜索的局部最优问题。仿真结果表明, 提出的评价方法相比现有方法能够准确评价采样矩阵重建性能, 使用提出的准则设计的导频与现有互相关准则相比信道估计均方误差可减小约3 dB。同时, 所提出的导频搜索算法具有更快的收敛速度和最优的导频搜索性能。      

基于调制卷积神经网络的空地数据链信道估计

针对复杂环境下空地数据链正交频分复用(OFDM)系统信道估计精度不足的问题,提出了一种基于调制卷积神经网络(MCNN)和双向长短时记忆网络(BiLSTM)结合的信道估计算法。利用最小二乘算法(LS)提取初始信道状态信息(CSI);利用MCNN网络提取初始CSI的深度特征,并对网络模型进行压缩;利用BiLSTM网络对最终CSI进行预测,实现信道估计。利用构建的空地信道模型生成信道系数数据集,实现神经网络模型的训练与测试。仿真结果表明:与传统算法和现有深度学习方法相比,所提出的信道估计算法具有更小的估计误差,高信噪比条件下的系统误码率(BER)性能提升接近一个数量级;由于引入了调制滤波器技术,随着神经网络层数增加,网络模型参数量大幅减少。      

一种频率步进雷达目标径向速度估计方法

为补偿目标径向速度对频率步进雷达合成距离像的影响,提出了一种目标径向速度估计方法.经公式推导证明频率步进雷达相邻两个脉组回波的归一化采样序列的互相关函数是一复正弦序列,该序列的频率与目标径向速度有确定的对应关系.通过快速傅里叶变换(FFT,Fast Fourier Transform)可获得序列频率,从而估计出目标径向速度.该方法可估计的速度范围仅取决于系统带宽和脉冲重复周期,并且由于理论估计精度可通过FFT点数调整,在需要非常高估计精度的场合可以大幅降低计算量.计算机仿真结果表明该方法对目标径向速度估计准确,同时具有较好的抗噪声性能.     

一种适用于CMMB系统的信道估计方法

在对导频符号处信道冲击响应估计以最小二乘(LS)准则的前提下,通过对正交频分复用(OFDM)系统中各种信道插值算法的分析及其在中国移动多媒体广播(CMMB)系统中的性能仿真,提出了一种适用于CMMB系统的信道估计方法。该方法在频率域中采用低阶维纳插值滤波方法完成,时间域采用线性插值完成。该方案不仅能降低系统的实现复杂度,而且能在恶劣的环境下获得良好的系统性能。     

异步双卫星MIMO系统中的空时编码方案

双卫星多输入多输出（MIMO,Multiple-Input Multiple-Output）系统中不同路径间传播时延的差异会造成接收信号不同步。针对该系统中接收信号不同步问题,提出一种时间反转全码率全分集空时编码方案。该方案中对发送的符号序列进行空时编码后,利用交织改变符号向量发送的时间顺序并对发送数据进行分组。将其中一组数据进行时间反转并插入保护间隔,使接收机在信号不同步的情况下仍然能够获得全码率和全分集增益,同时保留低复杂度最优译码算法的适用性。仿真结果表明,与传统方案相比,提出的空时编码方案能够获得最优的性能。另外,系统采用高阶调制方式或信道条件较差时,该方案的性能增益更大。     

卫星通信中基于扩频技术的异步差分空时协同编码研究

卫星通信系统中, 经过不同信道的中继信号强度存在显著差异, 存在同步误差且时延差动态变化, 严重影响了误码性能. 传统方案一般通过引入差分编码解决卫星通信接收端的动态信道估计问题. 本文通过扩频系统中的正交码区分来自不同中继卫星的信号, 借助扩频码表提取各路信号后进行空时解码. 从仿真结果可知, 差分空时编码与扩频技术相结合能获得更好的误码率性能, 很好地解决了随机时延差问题, 使接收端无须对信道参数进行估计, 从而大幅降低其复杂度.      

基于小波分析的BOC信号抗多径码相位估计

卫星导航接收机需要精确地估计扩频信号的码相位并进行跟踪,估计的精度直接影响伪距测量的精度.卫星信号的多径传播使得简单的相关器估计存在较大的误差,针对未来导航系统普遍采用的BOC(Binary Offset Carrier)导航信号,提出了一种基于小波分析的估计算法来抑制多径误差,仿真的结果表明该算法比传统的窄相关和双Delta技术在性能上有很大的改进.并证明了在采用Haar小波时,该技术与相关器估计方法在极限条件下是等价的,同时该方法的算法复杂度比基于最大似然估计的方法MMT(Multipath Mitigating Technique)要低.     

基于瞬时相位的BPSK信噪比估计算法

通过对加性高斯白噪声条件下正弦型信号瞬时相位分布情况进行研究,提出了一种新的BPSK(Binary Phase Shift Keying)信噪比估计方法.含噪信号瞬时相位的方差与信噪比之间存在近似线性的一一对应关系,以此为基础通过将含噪信号的估计方差与理论值相比较获得信噪比估计值.该方法直接对基带过采样信号进行处理,不需要事先进行符号定时与同步.使用计算机仿真测试了算法的估计性能,并与高阶累积量方法和子空间分解方法进行了比较,结果表明该算法具有更高的估计精度.      

一种鲁棒的图像小波变换模拟编码传输方法

在复杂度和延迟受限或者可变信道条件下,由于通信系统的一体化设计,信源信道联合编码(JSCC, Joint Source-Channel Coding)技术的应用有助于改善传统的分离结构系统.针对带宽功率限制模拟信道,提出了一种结合了小波变换编码和香农映射信源信道联合编码的静止图像模拟编码传输方法;并基于更加合理的考虑了信道噪声的重建图像失真估计,提出了相应的联合优化带宽分配算法.仿真及分析表明,由于信源信道的联合优化及具有模拟编码传输的特点,该方法表现出良好的编码传输性能,且编解码复杂度和延迟小;同时在信道失配情况下表现出的柔性降级/改善特性有助于提高可变信道条件下系统的鲁棒性和信道带宽利用率.      

基于线性编码补偿方法的非固定丢包率下的分布式融合估计器

为解决无线信道非固定丢包率建模和丢包补偿问题，研究了具有非固定丢包率的网络化多传感器融合估计问题。假定无线信道丢包率是非固定的，利用对过去得到的有限个测量值进行线性编码的方法对丢包进行补偿，针对系统矩阵中存在的非高斯非白噪声随机干扰，首先设计了一种利用每一时刻数据包到达变量的局部最优估计器，其次推导出融合估计误差协方差与传感器传输概率之间的函数关系。最后通过算例仿真验证所提方法的有效性。      

OFDM系统的自适应低秩信道估计

为了降低正交频分复用OFDM(Orthogonal Frequency division Multiplexing)系统中最小均方误差MMSE(Minimum Mean Square Error)信道估计算法的复杂度,并且改善由于信道的统计特性与先验知识不匹配而导致的MMSE估计性能恶化,提出了一种自适应的低秩信道估计算法.该算法利用信道的时间平均相关取代统计相关,结合了基于特征值分解的低秩建模,从而近似地实现MMSE估计.借助于子空间跟踪,该算法可以自适应地估计信道相关矩阵的主特征空间及噪声方差,以迭代的方式逼近最优的MMSE估计,而且复杂度较低.进一步分析指出基于信道延时子空间跟踪的估计算法是该算法的一种特例,理论分析和仿真结果均表明这种新算法在低信噪比时可以显著改善信道估计的准确性.      

实际入射角的相位干涉仪测角方法

为了提高短距离定位精度,消除采用平行入射假定所引入的计算误差,分析和研究了近似误差对角度估计和解相位模糊的影响;得出了满足平行入射近似的前提条件,为干涉仪的波长、基线长度等参数设计提供了指导依据;提出了实际入射角的相位差估计和相应的角度计算方法,提高了角度估计精度。文章提出的高精度相位干涉仪测角方法,适用于多个运动平台（如卫星、飞行器）的互相定位、航天器交会对接、地面短距离目标定位等测角精度要求高的工程应用。