CN101222240B - 异步ds-cdma盲多用户检测的粒子滤波方法 - Google Patents
异步ds-cdma盲多用户检测的粒子滤波方法 Download PDFInfo
- Publication number
- CN101222240B CN101222240B CN2008100328913A CN200810032891A CN101222240B CN 101222240 B CN101222240 B CN 101222240B CN 2008100328913 A CN2008100328913 A CN 2008100328913A CN 200810032891 A CN200810032891 A CN 200810032891A CN 101222240 B CN101222240 B CN 101222240B
- Authority
- CN
- China
- Prior art keywords
- particle
- user
- symbol
- channel
- gain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及移动通信技术领域的一种异步DS-CDMA系统盲多用户检测的粒子滤波方法,以抑制多址干扰和远近效应,降低系统误码率。其主要步骤是:第一,产生若干个信道增益、时延以及用户符号的随机粒子,初始化随机粒子的重要性权重;第二,按照每个用户的物理信道特性所建立的马尔柯夫模型,结合用户符号粒子,对每一个信道增益和时延的随机粒子进行卡尔曼滤波估计,减小粒子分布的偏差;第三,得到粒子的联合后验概率,并将粒子加权平均得到用户符号、信道时延和增益的估计值;第四,在该过程中,进行粒子权重的更新和归一化,并根据有效采样尺寸进行粒子的重要性重采样。具有性能稳定、较易实现特点。
Description
技术领域
本发明涉及移动通信领域的信号检测与干扰抑制方法,具体是一种异步DS-CDMA盲多用户检测的粒子滤波方法,用于码分多址接入的移动通信技术。
背景技术
直接序列扩频码分多址(DS-CDMA)无线通信系统采用扩频技术来改善系统的抗干扰性能。它在发送端用扩频码调制,使信号所占的频带宽度远大于所传信息必需的带宽,在接收端采用相同的扩频码进行相关解扩以恢复所传信息数据。由于各用户的伪随机扩频码不严格正交,基站在用某一个特定用户的扩频码解调该用户的扩频信号时,会受到其它用户扩频信号的干扰,即多址干扰。多址干扰是影响系统容量和通信质量的主要原因,多址干扰的大小受用户发射功率和远近效应的影响。在接收端采用多用户检测方法,可有效地抑制多址干扰和远近效应,提高系统容量和通信性能,是码分多址接入无线通信系统的增强技术。
现有的多用户检测方法可分为三大类:①已知信道状态信息时,最优和次优的方法,包括极大似然估计、串行干扰消除、并行干扰消除、决策反馈检测,以及神经网络和遗传算法等;②信道状态信息的部分特征已知的半盲多用户检测;③未知信道状态信息时的多用户检测,这类方法将信道状态信息与用户符号联合检测,一般通过信道子空间分解和滤波技术先获得信道状态信息,再对用户符号进行判决。针对DS-CDMA多用户检测方法的研究,主要集中在未知信道状态信息时,盲多用户检测方法如何有效地降低系统误码率和如何减小算法复杂度这两个问题上。目前已知的盲多用户检测的主要方法有:①将信道建模为自回归模型,采用卡尔曼滤波、扩展卡尔曼滤波、混合卡尔曼滤波进行信道状态信息估计,再采用某种线性多用户检测方法进行符号检测;②采用子空间分解技术获得信道的状态信息,再进行用户符号的线性检测。这两类方法都只考虑同步DS-CDMA的信道增益估计和符号检测,与不同用户扩频信号随机到达基站的实际应用情况有较大差距,同时,这两类方法都是将信道状态信息获取和符号检测相分离,其计算复杂度依赖于用户数目的大小。
发明内容
本发明是在现有DS-CDMA系统的多用户检测方案无法在异步且信道增益和时延无法确知时获得极大后验概率的用户符号的情况下,提供的一种DS-CDMA系统上行链路的盲多用户检测方案,使基站在未知用户信道状态信息时,能有效地分离用户的扩频信号,得到具有极大后验概率的符号判决,达到降低用户误码率的目的。本发明方法基于统计信号处理的理论框架,用多个随机粒子来近似扩频信号、信道时延和增益的先验分布,再通过基站接收到的经匹配滤波器输出的扩频信号来得到随机粒子的后验分布,并通过极大后验概率准则来确定粒子估计。
本发明是通过以下技术方案实现的,首先产生若干个信道增益和时延、以及用户符号的随机粒子,初始化随机粒子的重要性权重;其次,按照每个用户的物理信道特性所建立的马尔柯夫模型,结合用户符号粒子,对每一个信道特征的随机粒子进行卡尔曼滤波估计,将估计值作为随机粒子的实际值,从而减小粒子分布的偏差;之后,得到粒子的联合后验概率,并将粒子加权平均得到用户符号和信道时延和增益的估计;在该过程中,进行粒子权重的更新和归一化,并根据有效采样尺寸进行粒子的重要性重采样。
以下对本发明方法作进一步说明:
1、基站接收到同一个蜂窝小区不同移动用户发送的混合扩频信号后,根据用户的信道增益向量H和时延向量τ的先验概率分布p(Hn-1,τn-1),产生N个随机粒子{Hn-1 (i),τn-1 (i)},i=1...N。其初始的重要性权重wn (i)设置为1/N。这些随机粒子的先验概率分布选为高斯正态分布,这些随机粒子被看作是对实际信道增益和时延的采样(粒子)。当先验概率分布未知时,产生N个元素在0和1之间的随机向量。
2、基站再随机产生N个用户符号向量粒子bn (i),每个用户符号在{1,-1}中选取,然后根据各用户的伪随机扩频m序列产生N个扩频调制信号粒子b’n (i)。
3、基站利用信道特征的马尔柯夫模型,得到一步预测的信道增益和时延{Hn|n-1 (i),τn|n-1 (i)}。该过程进一步包括:
I、信道增益和时延的马尔柯夫模型与信道的物理特征相联系。对用户k的信道时延建模为一阶马尔柯夫模型τn,k=αkτ(n-1),k+vn,k,其中,τn,k为用户k在第n个符号处的信道时延,它在一个码片周期里保持不变,αk为常数,vn,k为高斯白噪声。对信道增益建模为二阶马尔柯夫模型hn,k=β1kh(n-1),k+β2kh(n-2),k+un,k,其中,hn,k为用户k在第n个符号处的信道增益,它在一个码片周期里保持不变,β1k、β2k为常数,un,k为高斯白噪声。对用户k构成系统方程[τn,k hn,k h(n-1),k]=Ak[τ(n-1),k h(n-1),k h(n-2),k]T+Bk[vn,k un,k]T,对所有用户K,构成3K维的参数向量和系统矩阵,然后采用卡尔曼滤波进行粒子分布估计。
II、信道模型的系统方程,进一步包括:对每个用户k,系统矩阵为 噪声矩阵为 状态向量为Xn,k=[τn,k hn,k h(n-1),k]T噪声向量为Wn,k=[vn,k un,k]T对所有用户K,状态向量为Xn=τn,1 hn,1 h(n-1),1…τn,K hn,K h(n-1),K]T,噪声向量为Wn=[v n,1 un,1…vn,K un,K]T构成3K×3K维的系统矩阵和3K×2K维的噪声矩阵
III、在本发明中采用如下方法构造测量矩阵Cn: 其中Dn,1~Dn,K为随机粒子b’n (i)分别延迟τn|n-1,k,k=1…K后的数值。
IV、用卡尔曼滤波一步预测信道增益和时延可获取较准确的粒子分布,它对每一个随机粒子{Hn-1 (i),τn-1 (i)}分别进行。包括以下操作:①初始化估计方差Pn-1为正定的对角矩阵,系统噪声方差阵Q为2K维正定的对角矩阵,测量噪声方差R为正定的对角矩阵;②依据系统方程,进行一步预测Pn|n-1=APn-1AT+BQBT,Xn|n-1=AXn。
4、基站多用户检测算法对用户连续的3个符号{n-1,n,n+1}的3L个采样信号中经延迟后的一个符号内的L个采样信号进行处理。这是由于各用户的时延数值小于一个符号周期。设扩频码片的位周期为Tp,用户符号周期为Tb,Tb=LTp,其中L为扩频增益,时延在{-Tb,Tb}范围。不同用户的扩频信号经延迟后,基站接收到的异步混合扩频信号采样数为3L个,包含连续3个符号的所有采样。把信道特征随机粒子{Hn|n-1 (i),τn|n-1 (i)}和扩频信号粒子b’n (i)相对应,带入 经匹配滤波器输出后得到
5、获取粒子的联合概率p(y(t)|b’n (i), Hn (i),τn (i))为用户扩频信号的概率与信道增益与时延联合概率的乘积p(y(t)|b’n (i))p(y(t)|Hn (i),τn (i)),这是因为用户扩频信号与信道特征无关。该联合概率由预测误差获得。将基站实际接收信号 经匹配滤波器输出的符号y=[y1 y2…yK]T与做差 再将一个用户符号的所有采样点上的误差累积求和,得到该随机粒子概率p(y(t)|bn (i),Hn (i),τn (i))为
6、联合概率p(y(t)|b’n (i),Hn (i),τn (i))反映了粒子与实际值的相似程度,把它近似为粒子的重要性权重。
7、然后进行权重的归一化
8、对不同权重的随机粒子进行加权平均,依据极大后验概率准则 得到估计符号 其中,sign(·)为求取数值符号。
9、将估计符号带入基站得到的各用户匹配滤波器的输出信号 中,它表示用各用户的扩频码与混合扩频信号做相关处理,得到各用户的接收信号,然后构成测量矩阵,用卡尔曼滤波一步修正信道增益和时延粒子。包括以下几步:①当获取估计符号后,构造测量矩阵 其中Dn,1到Dn,K为随机粒子b’n (i)的各行分别延迟Tn|n-1,k,k=1…K后的数值;②求取新息增益 ;③得到更新的估计方差Pn=(I-TnCn)Pn|n-1;④进行状态的一步更新Xn=AXn-1+Tn(y(t)-CnXn|n-1)。
10、按照加权平均方法得到信道增益和时延的估计
11、采用重要性重采样策略避免粒子退化,计算有效采样尺寸 ,当该数值小于算法设置门槛Nthres时,将联合粒子{bn (i),Hn (i),τn (i))所对应的重要性权重wn (i)作为采样概率,并计算累积概率 ,然后产生N个{0,1}间均匀分布的随机数,当随机数位于两个累积概率和之间时,较靠近随机数的那个累积概率所对应的粒子被复制;该方法使权重较大的粒子能得到较多的复制粒子,而权重过小的粒子则被抛弃。
12、按照时间更新顺序,重复1、2、3、4、5、6、7、8、9、10、11步骤。
本发明将统计信号处理方法应用于异步条件下DS-CDMA的信号检测与干扰抑制中,并将卡尔曼滤波技术与粒子滤波技术相结合,相比于现有的其它非盲、半盲、盲的多用户检测技术、本发明更好地利用了信道物理过程,降低了随机粒子的分布偏离,结合用户符号粒子可良好地跟踪基站接收到的混合信号,从而可以得到更小的误码率特性。本发明是唯一解决DS-CDMA系统异步条件下具有信道增益和时延时进行极大后验概率用户符号判决的方案。本方法适合实际应用,可为以码分多址为特征的第三代(3G)移动通信系统、超三代(B3G)移动通信系统、无线局域网(WLAN)、无线自组织网络(Ad Hoc)、无线广域网(WWAN)等系统的多用户信号检测方案提供重要的理论依据和具体的实现方法。
附图说明
图1为本发明DS-CDMA系统上行链路的异步多用户接收模型示意图;
图2为本发明的一个实施例(4个用户)情况下系统误码率对比曲线;
图3为图2信道时延的估计值与实际值的对比曲线;
图4为图2信道增益与实际值的对比曲线;
图5为实施例的系统误码率随用户数增长的仿真曲线。
具体实施方式
以下结合附图对本发明作进一步描述:
(1)DS-CDMA系统上行链路的异步多用户接收模型示意图
DS-CDMA系统上行链路的多用户接收模型示意图如图1所示。本发明采用中心激励基站系统,最大移动用户数为K个,随机分布于某个位置。移动用户采用扩频码对符号信息进行扩频调制后,再进行射频调制。不同移动用户的扩频信号异步到达基站接收端,首先进行射频解调,然后完成多用户检测以恢复用户符号。
(2)各用户信道增益和时延参数模型
本发明不涉及具体的信道增益和时延的建模方法,本发明所做的分析、说明和仿真都是针对一阶和两阶的马尔柯夫模型,对某用户k的信道增益和时延模型中的β1k、β2k和αk为{0,1}间的随机常数。
(3)实施例
实施例1
本实施例基于码分多址接入的无线蜂窝系统。设某个小区的最大移动用户数为31,采用的扩频码为m序列伪随机码,级数为5,反馈系数为M0M1M2M3M4M5=(100101)B,产生的m序列为0000100101100111110001101110 101,各用户所使用的扩频码为该序列各偏移0~30个码字所得到的序列,如用户1的扩频码即为该序列,用户2的扩频码偏移1位,为0001001011001111100011011101010,依次类推,用户31的扩频码偏移30位,为1000010010110011111000110111010。采用的用户基带符号周期为扩频码周期的31倍。各用户的射频调制方式采用BPSK调制方式。并设各用户实际的信道增益和时延在一个符号周期里保持不变。具体为下表。
用户 | 用户扩频码 | 信道参数β1k、β2k | 时延参数αk |
1 | 0000100101100111110001101110101 | 0.6539 0.0885 | 0.9017 |
2 | 0001001011001111100011011101010 | 0.7380 0.9589 | 0.4821 |
3 | 0010010110011111000110111010100 | 0.5016 0.0003 | 0.0114 |
4 | 0100101100111110001101110101000 | 0.8377 0.3359 | 0.7250 |
5 | 1001011001111100011011101010000 | 0.6892 0.3232 | 0.5309 |
6 | 0010110011111000110111010100001 | 0.8246 0.6313 | 0.6370 |
7 | 0101100111110001101110101000010 | 0.9657 0.7755 | 0.1435 |
8 | 1011001111100011011101010000100 | 0.1109 0.3845 | 0.3691 |
9 | 0110011111000110111010100001001 | 0.6562 0.2884 | 0.9893 |
10 | 1100111110001101110101000010010 | 0.0538 0.9709 | 0.3108 |
11 | 1001111100011011101010000100101 | 0.2735 0.9459 | 0.1683 |
12 | 0011111000110111010100001001011 | 0.3514 0.3074 | 0.1307 |
13 | 0111110001101110101000010010110 | 0.7511 0.6251 | 0.8714 |
14 | 1111100011011101010000100101100 | 0.9342 0.9474 | 0.3211 |
15 | 1111000110111010100001001011001 | 0.8108 0.0165 | 0.7610 |
16 | 1110001101110101000010010110011 | 0.8501 0.2504 | 0.7315 |
17 | 1100011011101010000100101100111 | 0.4749 0.7271 | 0.4366 |
18 | 1000110111010100001001011001111 | 0.7344 0.1451 | 0.8491 |
19 | 0001101110101000010010110011111 | 0.8181 0.0359 | 0.1062 |
20 | 0011011101010000100101100111110 | 0.8548 0.4171 | 0.6009 |
21 | 0110111010100001001011001111100 | 0.5550 0.5427 | 0.0758 |
22 | 1101110101000010010110011111000 | 0.6349 0.0760 | 0.3529 |
23 | 1011101010000100101100111110001 | 0.4192 0.3815 | 0.4154 |
24 | 0111010100001001011001111100011 | 0.0596 0.2511 | 0.5408 |
25 | 1110101000010010110011111000110 | 0.0911 0.0290 | 0.7437 |
26 | 1101010000100101100111110001101 | 0.8159 0.8697 | 0.0818 |
27 | 1010100001001011001111100011011 | 0.0493 0.3684 | 0.1468 |
28 | 0101000010010110011111000110111 | 0.2817 0.0019 | 0.9641 |
29 | 1010000100101100111110001101110 | 0.9964 0.1846 | 0.0284 |
30 | 0100001001011001111100011011101 | 0.3052 0.7239 | 0.6657 |
31 | 1000010010110011111000110111010 | 0.4682 0.2125 | 0.3745 |
附图2是设小区里的移动用户数为4,且发射功率相等的情况下,基站对异步接收的混合扩频信号,在信道增益和时延未知时用本发明方法进行多用户检测的误码率性能与其它传统的多用户检测方法在信道增益和时延精确已知时所得到的误码率性能的对比图。在该仿真中,采用的粒子个数为N=200,信道增益和时延的初始粒子为均值为0,方差为1的高斯正态分布。从图2表明,本发明方法较低信噪比0~12dB时,误码率性能远优于匹配滤波器、迫零最小二乘检测、最小均方误差检测和串行干扰消除检测。
附图3和附图4是在小区里的移动用户数为4,且发射功率相等的情况下,在得到符号估计后,对信道增益和时延进行卡尔曼滤波修正后,按照加权平均得到的信道增益和时延的估计值与真实值的对比图。附图3和附图4表明,本发明方法在对信道建模的基础上,能较准确地跟踪信道增益和时延的分布特征。
从附图5表明,本发明方法随着用户数的增加其误码率增大,但增加较为平缓。
综上所述,本发明是目前唯一解决DS-CDMA系统异步条件下具有信道增益和时延时进行用户符号的极大后验概率判决的方案;本方法性能稳定,较易实现,适合实际应用,可为以码分多址为特征的第三代(3G)移动通信系统、超三代(B3G)移动通信系统、无线局域网(WLAN)、无线自组织网络(Ad Hoc)、无线广域网(WWAN)等系统的多用户信号检测方案提供重要的理论依据和具体的实现方法。
Claims (4)
1.一种异步DS-CDMA盲多用户检测的粒子滤波方法,包括
A、基站在射频解调后,根据用户k在前一个符号处的信道增益hn-1,k和时延τn-1,k的先验概率分布p(hn-1,k,τn-1,k),产生N个随机粒子i=1…N,将这些随机粒子按用户顺序1到K,构成信道增益和时延的两参数联合粒子将两参数联合粒子的重要性权重设置为1/N;
B、随机产生用户k的N个符号粒子i=1…N,它们的取值为1和-1,将用户1到K的符号粒子,分别按照各个用户的扩频序列sk(t),对用户符号粒子进行扩频调制,获得扩频后用户的扩频符号粒子k=1…K,将这些随机粒子按用户顺序1到K,在一个扩频码字的时序t下分别得到扩频后N个扩频符号粒子向量
D、将K个用户信道增益和时延的两参数联合粒子近似为结合用户的扩频符号粒子向量构成三参数联合粒子得到基站接收的异步混合扩频信号粒子 式中T为符号周期,经过采样数为扩频码长度L的L次采样后,用已知的各用户的扩频码进行解扩,得到各用户的接收信号粒子 其中,上标T代表转置;和分别表示用户的发射功率和信道增益;表示用户的符号粒子;j=1…K;R表示扩频码的相关系数矩阵;
L、进行时间序列n的更新,重复A、B、C、D、E、F、G、H、I、J、K步骤。
2.如权利要求1所述的方法,其特征是:
步骤A中所述的信道时延和增益的随机粒子的先验概率分布选为高斯正态分布;
步骤B中所述的扩频码为m序列伪随机噪声码,该序列由移位寄存器产生,扩频方式为用户符号与m序列按位模2加;
步骤C中所述的马尔柯夫模型如下建立,对用户k的信道时延建模为一阶马尔柯夫模型τn,k=αkτ(n-1),k+vn,k,其中,τn,k为用户k在第n个符号处的信道时延,它在一个符号周期里保持不变,数值小于一个码片周期;αk为常数,vn,k为高斯白噪声;将信道增益建模为二阶马尔柯夫模型hn,k=β1kh(n-1),k+β2kh(n-2),k+un,k,其中,hn,k为用户k在第n个符号处的信道增益,它在一个符号周期里保持不变;β1k、β2k为常数;un,k为高斯白噪声;对用户k构成[τn,khn,kh(n-1),k]=Ak[τ(n-1),kh(n-1),kh(n-2),k]T+Bk[vn,kun,k]T的系统方程,然后采用卡尔曼滤波一步预测粒子和修正粒子分布;
步骤E中所述的粒子后验概率是用户扩频信号粒子的概率与信道增益与时延的两参数联合粒子的概率的乘积其中,为平均概率1/2K-1,为由步骤C所获取的信道时延和增益的一步预测所确定的概率;所述的误差e对一个用户符号周期的所有采样信号进行处理;设用户符号周期为Tb,Tb=LTp,其中,L为扩频增益,Tp为扩频码片周期,当基站接收到在Tb中的采样数为L的混合扩频信号后,则对所有采样点处的基站接收信号经匹配滤波器的输出,与由三参数联合粒子得到的基站接收信号的输出,分别在各个采样点上做误差平方,再求取所有的误差平方累积和;
步骤F中所述的粒子权重与步骤E求取的误差平方累积和成反比;
步骤I中所述的卡尔曼滤波一步修正,用于确定信道时延和增益的后验粒子分布,减小粒子的分布方差;
步骤J中所述的信道增益和时延的估计值Ho,opt和τn,opt,用随机粒子经函数映射后的新粒子的加权平均获得;
步骤K中所述的序列重要性重采样方法为多值复制的重采样,在权重的有效采样尺寸小于门槛值时进行,方法为:①用归一化的粒子权重作为采样概率;②计算累积概率i=1…N;③产生N个{0,1}间均匀分布的随机数{Zj,j=1,…N},当随机数Zj位于两个累积概率和之间时,和中与Zj距离小的累积概率所对应的粒子被复制;
3.如权利要求1或2所述的方法,其特征是:
步骤C中所述的信道增益为马尔柯夫模型,进一步包括:对每个用户k,系统矩阵为噪声矩阵为状态向量为Xn,k=[τn,khn,kh(n-1),k]T,噪声向量为Wn,k=[vn,kun,k]T,对所有用户构成3K×3K维的系统矩阵和3K×2K维的噪声矩阵此时状态向量为Xn=[τn,1hn,1h(n-1),1,…τn,Khn,Kh(n-1),K]T,噪声向量为Wn=[vn,1un,1…vn,Kun,K]T;所述的卡尔曼滤波进行信道增益和时延的一步预测对每一个三参数联合粒子分别进行;开始时,初始化估计方差Pn-1为正定的对角矩阵,系统噪声方差Q为2K维正定的对角矩阵,测量噪声方差R为2K维正定的对角矩阵,然后进行以下操作:①依据系统方程,一步预测估计方差Pn|n-1=APn-1AT+BQBT;②一步预测状态Xn|n-1=AXn;③一步预测输出Yn|n-1=CnXn-1,其中,Cn为测量矩阵;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100328913A CN101222240B (zh) | 2008-01-22 | 2008-01-22 | 异步ds-cdma盲多用户检测的粒子滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100328913A CN101222240B (zh) | 2008-01-22 | 2008-01-22 | 异步ds-cdma盲多用户检测的粒子滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101222240A CN101222240A (zh) | 2008-07-16 |
CN101222240B true CN101222240B (zh) | 2013-01-16 |
Family
ID=39631856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008100328913A Expired - Fee Related CN101222240B (zh) | 2008-01-22 | 2008-01-22 | 异步ds-cdma盲多用户检测的粒子滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101222240B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102340326B (zh) * | 2011-09-09 | 2016-04-13 | 中兴通讯股份有限公司 | 盲多用户检测方法及装置 |
CN104539312B (zh) * | 2014-12-29 | 2017-01-18 | 中国人民解放军海军航空工程学院 | 基于序贯蒙特卡罗的扩频码及信息序列联合估计方法 |
JP2018507629A (ja) * | 2015-01-30 | 2018-03-15 | 華為技術有限公司Huawei Technologies Co.,Ltd. | 非同期アップリンク伝送のための方法、端末、及び基地局 |
CN107367710B (zh) * | 2017-07-18 | 2020-08-11 | 电子科技大学 | 一种基于时延和多普勒的分布式自适应粒子滤波直接跟踪定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1815906A (zh) * | 2006-03-06 | 2006-08-09 | 南京邮电大学 | 一种低复杂度的多用户检测方法 |
US20060246837A1 (en) * | 2002-12-30 | 2006-11-02 | Jingxin Liang | Method and device for multi-user detection with simplified de-correlation in a cdma system |
CN1866763A (zh) * | 2006-05-11 | 2006-11-22 | 上海交通大学 | 基于粒子滤波的信道估计方法 |
-
2008
- 2008-01-22 CN CN2008100328913A patent/CN101222240B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060246837A1 (en) * | 2002-12-30 | 2006-11-02 | Jingxin Liang | Method and device for multi-user detection with simplified de-correlation in a cdma system |
CN1815906A (zh) * | 2006-03-06 | 2006-08-09 | 南京邮电大学 | 一种低复杂度的多用户检测方法 |
CN1866763A (zh) * | 2006-05-11 | 2006-11-22 | 上海交通大学 | 基于粒子滤波的信道估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101222240A (zh) | 2008-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101425821B (zh) | 基于信息优化的迭代伪码捕获装置及捕获方法 | |
CN108832976A (zh) | 一种大规模mimo系统的上行链路信道估计方法 | |
CN107231214A (zh) | 基于演化混沌量子神经网络的最优多用户检测方法 | |
CN105791184B (zh) | 基于相似度的非周期长码直扩信号扩频序列盲估计方法 | |
CN104703216A (zh) | 基于能量有效的多任务贝叶斯压缩感知宽带频谱检测方法 | |
CN106909779A (zh) | 基于分布式处理的mimo雷达克拉美罗界计算方法 | |
CN101222240B (zh) | 异步ds-cdma盲多用户检测的粒子滤波方法 | |
CN103888145A (zh) | 一种重构信号的方法 | |
CN101425855B (zh) | 宽带信道参数抽取方法、宽带信道仿真方法及其装置 | |
CN101523742A (zh) | 利用多个基站对广义rake接收机参数进行扩展最小平方估计的方法和装置 | |
CN101982953B (zh) | 宽带无线通信信道频域多维参数化模型及建模方法 | |
CN104333406A (zh) | 用于在多小区多用户多天线系统中的解码方法 | |
Niu et al. | Performance of UWB RAKE receivers with imperfect tap weights | |
CN104902492A (zh) | 一种面向无线体域网的高能效拓扑结构优化方法 | |
CN104639473B (zh) | 一种基于完全互补序列和压缩感知的mimo信道估计方法 | |
CN1904639B (zh) | 一种采用分形特征值的信号检测方法 | |
CN100459446C (zh) | 一种多径衰落信道的信道路径估计搜索方法 | |
CN110086734A (zh) | 一种时变大规模mimo系统中的信道追踪和恢复方法 | |
CN101335538A (zh) | 一种扩频序列生成的方法和装置 | |
Zeng et al. | An improved method for indoor positioning of WIFI based on location fingerprint | |
CN102064849B (zh) | 一种矩阵编码ga的ds/ss信号的pn码估计方法 | |
CN101989864B (zh) | 一种ds/cdma系统中的盲多址干扰抑制方法 | |
Turan et al. | Reproducible evaluation of neural network based channel estimators and predictors using a generic dataset | |
Santos et al. | Crowdsource-based signal strength field estimation by gaussian processes | |
CN114036984B (zh) | 一种基于tuckals3算法的高维频谱数据降噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130116 Termination date: 20160122 |
|
EXPY | Termination of patent right or utility model |