短波信道盲估计技术研究

论文摘要

在短波通信中,由于信道的非理想特性而引起的码间干扰是影响通信质量的一个主要因素。为克服码间干扰需要进行信道估计,并针对估计的信道特性进行补偿,以正确恢复发送序列。本文深入探讨了不依赖于调制方式的盲信道估计技术,取得如下研究结果;首先,针对SISO模型和SIMO模型,分别讨论了其基于二阶统计量的盲信道可辨识条件,作为后续算法讨论的基础。其次,讨论了确定性盲估计算法中的子空间算法（SS）、联合阶数和信道估计的最小二乘平滑算法（J-LSS）。针对J-LSS算法没有涉及到对噪声的处理这一问题,利用特征值分解提出改进算法。实验结果表明;改进后的算法在降低原算法估计误差的同时减小了对各参数的依赖性,为实际中参数的选择带来了方便。在统计性盲估计算法中,重点讨论了TXK算法、矩阵外积分解算法（OPD）。针对OPD算法在过估计阶数较大时均衡结果不理想这一缺点,提出一种“幅度检测法”,对过估计出的信道进行逆向搜索以去除拖尾。实验结果表明;改进后的算法在减小剩余码间干扰的同时允许阶数被任意阶过估计。理论和实验证明,该“幅度检测法”同时可应用于TXK算法,使之阶数由准确已知扩展为允许被任意阶过估计。再次,针对阶数估计是盲信道估计算法的核心这一问题展开讨论。根据噪声随信道阶数的变化特点提出一种新的阶数估计算法。实验结果表明;较之传统算法,新算法不仅复杂度低,在低信噪比和小样本个数情况下估计性能良好,且不依赖于具体的盲信道估计算法,具有较强的适用性。最后,将所提到的信道阶数估计算法应用到两大类算法中,通过大量仿真实验分析和总结了各种算法的优缺点及适用场合,并得到一般性结论。

论文目录

• 表目录
• 图目录
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和意义
• 1.1.1 盲信道估计的概念
• 1.1.2 盲信道估计的应用
• 1.2 发展简史和研究现状
• 1.2.1 研究历程
• 1.2.2 面临的问题
• 1.3 本文的主要成果和章节安排
• 第二章 短波信道模型及可辨识性分析
• 2.1 引言
• 2.2 短波信道的特性
• 2.2.1 短波信道的物理特性
• 2.2.2 短波信道的统计特性
• 2.3 基于二阶统计量的盲信道模型
• 2.3.1 SISO模型简介
• 2.3.2 SIMO模型简介
• 2.4 盲信道可辨识性分析
• 2.4.1 SISO模型的可辨识性分析
• 2.4.2 SIMO模型的可辨识性分析
• 2.4.3 两种模型的可辨识条件之间的联系
• 2.5 本章小结
• 第三章 基于确定性模型的盲估计算法
• 3.1 引言
• 3.2 基于子空间分解的确定性盲估计算法
• 3.2.1 LS（Least-Squares）算法
• 3.2.2 SS（Subspace）算法
• 3.2.3 仿真试验及性能分析
• 3.3 基于线性预测的确定性盲估计算法
• 3.3.1 LSS（Least Squares Smoothing）算法
• 3.3.2 J-LSS（Jnint-Least Squares Smoothing）算法
• 3.4 算法改进
• 3.4.1 J-LSS算法改进
• 3.4.2 仿真试验及性能分析
• 3.5 本章小结
• 第四章 基于统计性模型的盲估计算法
• 4.1 引言
• 4.2 基于子空间分解的统计性盲估计算法
• 4.2.1 TXK算法原理
• 4.2.2 阶数过估计对TXK算法的影响
• 4.2.3 仿真试验及性能分析
• 4.3 基于线性预测的统计性盲估计算法
• 4.3.1 LP（Linear Prediction）算法
• 4.3.2 OPD（Outer-Product Decompositon）算法
• 4.4 算法改进
• 4.4.1 OPD算法改进
• 4.4.2 仿真试验及性能分析
• 4.5 本章小结
• 第五章 信道阶数估计
• 5.1 引言
• 5.2 系统模型
• 5.3 经典的信道阶数估计算法
• 5.3.1 MDL criterion
• 5.3.2 Liavas’criterion
• 5.4 基于噪声功率的阶数估计算法（NP）
• 5.5 仿真试验及性能分析
• 5.6 本章小结
• 第六章 两类算法的性能比较
• 6.1 引言
• 6.2 信道条件
• 6.3 仿真试验及性能比较
• 6.3.1 已知信道阶数下的仿真试验及性能分析
• 6.3.2 基于幅度检测法的联合信道参数估计算法的仿真试验及性能分析
• 6.3.3 基于NP算法的联合信道参数估计算法的仿真试验及性能分析
• 6.4 实际信号测试
• 6.5 本章小结
• 结束语
• 一、全文总结
• 二、展望
• 参考文献
• 附录A 常用符号说明
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢