认知无线电中OFDM信号信噪比盲估计

低信噪比OFDM信号符号周期盲估计
蒋清平;杨士中;张天骐
【期刊名称】《计算机应用》
【年(卷),期】2010(0)6
【摘要】针对认知无线电系统中正交频分复用(OFDM)信号参数估计这一重要问题,利用OFDM信号的循环谱实现了符号周期的盲估计.首先证明了加循环前缀矩形脉冲成型的OFDM信号具有循环平稳性,然后分别在无噪声和低信噪比条件下,以单载波信号的循环谱为基础,利用OFDM信号各子载波的正交性,从理论上推导出了OFDM信号的循环谱表达式.最后通过对连续信号和离散信号进行仿真,得到了相同的循环谱图,并且在低信噪比条件下,利用循环谱实现了OFDM信号符号周期的盲估计.
【总页数】4页(P1463-1465,1479)
【作者】蒋清平;杨士中;张天骐
【作者单位】重庆大学,通信与测控中心,重庆400030;重庆邮电大学,信号与信息处理重庆市重点实验室,重庆400065;重庆大学,通信与测控中心,重庆400030;重庆邮电大学,信号与信息处理重庆市重点实验室,重庆400065
【正文语种】中文
【中图分类】TN911.3
【相关文献】
1.Underlay认知网络中时频重叠OFDM信号的信噪比盲估计 [J], 刘明骞;郭菲;李兵兵;陈钱;吴芸
2.应用符号相关性的认知OFDM系统信噪比盲估计 [J], 王琦峰;江桦
3.低信噪比下非周期性直扩信号的盲估计 [J], 王满喜;李宏;马刈非;陶业荣
4.低信噪比下低复杂度的OFDM信号带宽盲估计方法 [J], 刘明骞;李兵兵;王婧舒;李艳玲
5.基于JADE的MIMO-OFDM信号信噪比盲估计算法 [J], 王晓烨;张天骐;孟莹;陈显露
因版权原因，仅展示原文概要，查看原文内容请购买。

OFDM信道盲估计方法研究OFDM信道盲估计方法研究摘要：OFDM（正交频分复用）技术作为一种广泛使用的无线传输技术，已经成为了现代通信系统中的重要组成部分。

正常的OFDM信号会经历多路径传播、多径衰落和电磁随机干扰等信道环境的影响，导致信号质量的损失。

因此，准确地估计OFDM信道的状态参数对于恢复原始信号非常重要。

本文将介绍OFDM信道盲估计方法的研究进展，包括块压缩感知算法、基于统计的方法和机器学习算法等。

1. 引言OFDM技术的主要特点是将宽带信号分成多个窄带子载波，在频域上实现了信号的并行传输，并且具备抗多径衰落、抗频率选择性衰落和高频谱利用效率等优点。

然而，在实际的无线传输中，OFDM信号会受到多种信道干扰的影响，如时变信道、多径传播和电磁干扰等，因此准确地估计信道状态参数是提高OFDM系统性能的关键。

2. 块压缩感知算法块压缩感知（CS）算法是近年来研究的热点之一。

该算法通过对接收信号进行采样，并利用稀疏表示理论将其转化为一个优化问题，对信道状态参数进行估计。

其中，基于二阶导数的压缩感知算法是一种典型的方法。

该算法基于OFDM信号的二阶导数具有稀疏性，通过构造一个稀疏矩阵模型，使用压缩感知理论进行信道估计。

实验结果表明，该算法可以有效地估计OFDM信道状态参数。

3. 基于统计的方法基于统计的方法是常用的OFDM信道估计方法之一，通过对信道的统计特性进行建模来估计信道参数。

其中，最大后验概率（MAP）估计方法是一种常见的方法。

该方法通过最大化给定接收信号条件下的后验概率，获得对信道参数的估计。

此外，基于似然函数的最小二乘（LLS）估计方法也被广泛应用于OFDM信道估计。

该方法通过最小化接收信号与估计信号的均方差，来估计信道参数。

实验证明，基于统计的方法可以提供较高精度的OFDM信道估计。

4. 机器学习算法机器学习算法在OFDM信道估计中也得到了广泛的应用。

传统的机器学习算法如支持向量机（SVM）、随机森林（Random Forest）等已经在OFDM信道估计中取得了较好的效果。

OFDM信号时域参数及信噪比盲估计的开题报告一、题目OFDM信号时域参数及信噪比盲估计二、选题的背景和意义OFDM（Orthogonal Frequency Division Multiplexing，正交频分复用技术）技术是一种广泛应用于现代通信系统中的多载波调制技术，具有高速率、抗多径衰落干扰、高可靠性等优点，在广泛应用的无线通信、有线宽带接入、数字电视等领域中得到了广泛的应用。

随着通信系统的发展和应用需求的不断增加，对OFDM技术的研究和优化也越来越深入。

在OFDM技术的实际应用中，需要进行OFDM信号时域参数和信噪比的盲估计。

时域参数估计包括信号起始点的检测、信号终止点的检测、信号周期的检测等。

信噪比估计是衡量OFDM系统性能的重要指标，它直接关系到系统的误码率性能。

因此，OFDM信号时域参数及信噪比盲估计的研究具有重要的理论和实际意义。

三、研究内容和研究方法（一）研究内容本次研究旨在通过对OFDM信号时域参数及信噪比盲估计的研究，探讨优化OFDM通信系统性能的方法，使OFDM技术能够得到更好的应用和推广。

具体研究内容如下：1. OFDM信号时域参数的盲估计方法研究，包括信号起始点的检测、信号终止点的检测、信号周期的检测等。

2. OFDM信号信噪比的盲估计方法研究，包括基于功率谱密度的方法、基于自相关函数的方法、基于信号源噪声统计的方法等。

3. 优化OFDM通信系统性能的方法研究，包括基于时域参数和信噪比盲估计的自适应调制和编码方法等。

（二）研究方法为了实现以上研究内容，本次研究将采用以下研究方法：1. 文献调研法：通过查阅国内外相关文献，了解OFDM信号时域参数和信噪比盲估计的研究现状和基本方法。

2. 理论分析法：通过对OFDM信号时域参数和信噪比盲估计的数学模型进行建立和分析，研究其性质和特点，提出优化方法。

3. 数值仿真法：通过Matlab等软件对所提出的方法进行数值仿真，对比实验结果，验证方法的有效性。

《MIMO-OFDM系统中信道估计及信号检测算法的研究》篇一一、引言随着无线通信技术的快速发展，多输入多输出正交频分复用（MIMO-OFDM）系统因其高数据传输速率和良好抗干扰性而备受关注。

在MIMO-OFDM系统中，信道估计和信号检测是两个关键技术，直接影响系统的性能。

本文将针对MIMO-OFDM系统中的信道估计及信号检测算法进行研究。

二、MIMO-OFDM系统概述MIMO-OFDM是一种高效的无线通信技术，通过在发送端和接收端使用多个天线，实现了空间复用和频域复用，提高了系统的传输速率和可靠性。

然而，由于无线信道的复杂性和多变性，信道估计和信号检测成为了系统中的关键问题。

三、信道估计算法研究3.1 传统信道估计方法传统信道估计方法主要包括基于导频的信道估计和盲信道估计。

基于导频的信道估计通过在发送信号中插入已知的导频符号，接收端根据导频符号的接收情况来估计信道状态。

这种方法简单易行，但会占用一定的频谱资源。

盲信道估计则是通过接收信号的统计特性来估计信道状态，不需要插入导频符号，但计算复杂度较高。

3.2 改进的信道估计方法针对传统信道估计方法的不足，研究者们提出了一些改进方法。

例如，基于压缩感知的信道估计方法利用信号的稀疏性，通过优化算法估计信道状态。

此外，还有基于深度学习的信道估计方法，通过训练神经网络来提高信道估计的准确性。

这些方法在提高信道估计性能的同时，也降低了计算复杂度。

四、信号检测算法研究4.1 传统信号检测方法传统信号检测方法主要包括最大比合并、最小均方误差合并等。

这些方法通过对接收信号进行合并和解码来检测发送的信号。

然而，在MIMO-OFDM系统中，由于信道的复杂性和干扰的存在，传统方法的性能可能会受到限制。

4.2 先进的信号检测方法为了进一步提高信号检测的性能，研究者们提出了一些先进的信号检测方法。

例如，基于机器学习的信号检测方法通过训练分类器或回归模型来检测发送的信号。

此外，还有基于深度学习的信号检测方法，通过构建深度神经网络来提高检测的准确性。

OFDM系统盲信道估计算法研究OFDM系统盲信道估计算法研究1. 引言正交频分复用（OFDM）是一种广泛应用于现代通信系统中的调制技术，其具有高频谱利用率、强抗干扰能力和低复杂度等优点。

然而，OFDM系统在实际应用中仍然面临着信道估计的挑战。

传统的信道估计方法需要使用已知导频信号进行信道估计，但是其存在导频开销大和导频冲突等问题。

针对这些问题，盲信道估计算法被提出并得到广泛研究。

本文将重点研究OFDM系统的盲信道估计算法，为系统的实际应用提供更好的性能和可靠性。

2. 盲信道估计算法概述盲信道估计算法是指在无需已知导频信号的情况下，利用接收信号的统计特性对信道进行估计。

经典的盲信道估计算法主要包括最大似然估计算法（MLE）、最小均方误差算法（MMSE）和子空间分解算法等。

这些算法的目标是通过对接收信号进行处理，估计出信道的相关参数，从而实现信号的恢复和解调。

3. OFDM系统的盲信道估计算法针对OFDM系统的特点，研究者提出了一系列适用于OFDM系统的盲信道估计算法。

下面将介绍几种常见的算法。

3.1 基于第二阶矩的盲信道估计算法基于第二阶矩的算法是OFDM系统中最常用的盲信道估计算法之一。

其基本思想是通过估计接收信号的自相关矩阵来获得信道信息。

该算法的关键步骤包括：信号的分帧、子载波选择和自相关矩阵估计。

通过对接收信号的自相关矩阵进行分解，可以获取信道矩阵的估计值。

3.2 基于Cyclic Prefix的盲信道估计算法基于Cyclic Prefix的算法是针对OFDM系统中存在的信道时变性问题而提出的。

在OFDM系统中，由于多径效应和信号传播延迟等原因，接收信号可能存在时变性。

该算法的核心思想是通过利用接收信号中的Cyclic Prefix信息来估计信道的时变特性，并对接收信号进行补偿。

通过引入循环冗余校验（CRC）等技术，可以进一步提高信道估计的准确性。

3.3 基于压缩感知的盲信道估计算法压缩感知是一种新兴的信号处理技术，可以有效地利用信号的稀疏性进行重构和恢复。

优先出版 计 算 机 应 用 研 究 第32卷--------------------------------基金项目：国家自然科学基金项目(61071196，61102131)；教育部新世纪优秀人才支持计划项目(NCET-10-0927)；信号与信息处理重庆市市级重点实验室建设项目(CSTC2009CA2003)；重庆市杰出青年基金项目(CSTC2011jjjq40002)；重庆市自然科学基金项目(CSTC2009BB2287，CSTC2010BB2398，CSTC2010BB2409，CSTC2010BB2411)作者简介：张天骐(1971-)，男，四川眉山人，教授，博士(后)，主要研究方向为语音信号处理、通信信号的调制解调、盲处理、神经网络实现以及FPGA 、VLSI 实现(zhangtq@)；刘瑜(1988-)，男，湖南邵阳人，硕士研究生，主要研究方向为OFDM 信号处理；李灿(1988-)，男，湖北黄冈人，硕士研究生，主要研究方向为信道编码及伪随机序列盲识别研究；张亚娟(1989-)，女，河南洛阳人，硕士研究生，主要研究方向为多径BOC 信号捕获与跟踪．频率选择性衰落信道下OFDM 信噪比盲估计 *张天骐，刘 瑜，李 灿，张亚娟(重庆邮电大学 信号与信息处理重庆市重点实验室，重庆 400065)摘 要：针对频率选择性衰落信道下带有载波频偏的OFDM （正交频分复用）信号信噪比（SNR ）估计问题，提出一种基于空载波OFDM 系统的SNR 盲估计方法。

由于本振和接收信号之间的不一致，会使得接收到信号会带有一定的频偏。

频偏的存在破坏了子载波间的正交性，增加了子载波间的干扰噪声，从而减少了SNR 。

本文首先分析了频偏对信噪比的影响并得到有无频偏时信噪比之间的关系，其次根据空载波的特点估计出无频偏时的信噪比，再基于上述关系对OFDM 信号进行有频偏时的信噪比盲估计，最后通过仿真验证了理论分析的正确性。