CN108696305B - 适用于lte-a mimo信号分析系统的高精度频偏测量方法 - Google Patents
适用于lte-a mimo信号分析系统的高精度频偏测量方法 Download PDFInfo
- Publication number
- CN108696305B CN108696305B CN201810340962.XA CN201810340962A CN108696305B CN 108696305 B CN108696305 B CN 108696305B CN 201810340962 A CN201810340962 A CN 201810340962A CN 108696305 B CN108696305 B CN 108696305B
- Authority
- CN
- China
- Prior art keywords
- frequency offset
- kalman filtering
- offset estimation
- noise
- value
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 238000000691 measurement method Methods 0.000 title claims description 8
- 238000001914 filtration Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 20
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 11
- 239000011159 matrix material Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000007476 Maximum Likelihood Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 101100460704 Aspergillus sp. (strain MF297-2) notI gene Proteins 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical class CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0014—Carrier regulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0014—Carrier regulation
- H04L2027/0024—Carrier regulation at the receiver end
- H04L2027/0026—Correction of carrier offset
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radio Transmission System (AREA)
Abstract
本发明公开了一种适用于LTE‑A MIMO信号分析系统的高精度频偏测量方法，包括：(1)建立LTE‑A MIMO信号分析系统的卡尔曼滤波状态空间模型；(2)根据基于循环前缀频偏估计算法的特性，推导出卡尔曼滤波状态空间模型中过程噪声和观测噪声的方差公式；(3)在低于预设阈值的信噪比下，以子帧为单位进行数据传输，利用基于循环前缀的频偏估计算法进行频偏估计，并将该频偏估计值作为卡尔曼滤波的初始值，设置卡尔曼滤波的迭代次数K；(4)根据步骤(1)中建立的卡尔曼滤波状态空间模型，按照设置的迭代次数和初始值，对多个子帧的频偏估计值进行迭代的卡尔曼滤波，得到最终的频偏估计值。本发明可以在低信噪比下实现高精度频偏测量。
Description
技术领域
本发明涉及LTE-A MIMO信息技术，尤其涉及一种适用于LTE-A MIMO信号分析系统的高精度频偏测量方法。
背景技术
无线通信是当今信息领域中最为活跃和极具挑战性的研究热点之一。迄今，无线通信已从模拟通信发展到数字通信，LTE-Advanced(LTE-A)作为大家熟知的第四代(4G)无线通信系统，在各大运营商的推广下，用户数量直线上升，已经逐步取代了以CDMA为技术支持的第三代(3G)无线通信系统，成为市场主流。在LTE-Advanced MIMO信号分析系统中，信号分析主要是在不同的宽带和调制方式下，实现LTE-Advanced MIMO信号的功率测量、发射信号质量度量(包括频率误差、频偏校正、误差矢量幅度(EVM)、定时对齐误差)等功能，能够深入分析FDD格式的LTE-Advanced信号，提供全面的LTE-Advanced调制分析，并且可对LTE-FDD信号进行8×8DL(DownLink，下行链路)MIMO分析。此外，相对长期演进技术(LTE)，LTE-Advanced对系统指标提出了更高的测量要求，尤其是频率偏差估计的精度直接会影响到系统信号传输的可靠性，因此LTE-Advanced MIMO信号分析仪的技术指标中对频率误差的测量精度做出了明确的要求，如安捷伦(Agilent)公司生产的X系列信号分析仪对LTE-Advanced FDD信号的频率误差的测量要求在±1Hz的范围内，对LTE-Advanced TDD下行链路信号的频率误差的测量要求在±5Hz的范围内。
在实际开放的环境中，天线对LTE基站的信号的分析测量会受到外部环境的干扰，包括电磁干扰、多径衰落等等，这些外界干扰会导致信号的信噪比降低，使系统处于低信噪比的状态下，导致频偏测量值存在较大的误差，因此需要研究开发低信噪比状态下的高精度频偏测量方法。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种适用于LTE-A MIMO信号分析系统的高精度频偏测量方法，该方法利用卡尔曼滤波器的不断递归的特性，降低噪声对LTE-A MIMO信号分析系统的频偏估计的影响，实现低信噪比下高精度的频偏测量。
技术方案：本发明所述的适用于LTE-A MIMO信号分析系统的高精度频偏测量方法包括：
(1)建立LTE-A MIMO信号分析系统的卡尔曼滤波状态空间模型；
(2)根据基于循环前缀频偏估计算法的特性，推导出卡尔曼滤波状态空间模型中过程噪声和观测噪声的方差公式；
(3)在低信噪比下，以子帧为单位进行数据传输，利用基于循环前缀的频偏估计算法进行频偏估计，并将该频偏估计值作为卡尔曼滤波的初始值，设置卡尔曼滤波的迭代次数K；
(4)根据步骤(1)中建立的卡尔曼滤波状态空间模型，按照设置的迭代次数和初始值，对多个子帧的频偏估计值进行迭代的卡尔曼滤波，得到最终的频偏估计值。
进一步的，步骤(1)中建立的状态空间模型包括：
卡尔曼状态方程：X(k)＝X(k-1)；
观测方程：Y(k)＝X(k)+V(k)；
其中，预测过程方程为：
P(k|k-1)＝P(k-1|k-1)
校正过程方程为：
Kk＝P(k|k-1)[P(k|k-1)+R]-1
P(k|k)＝(I-Kk)P(k|k-1)
式中，X(k)代表k时刻频偏预测值，Y(k)代表k时刻频偏观测值，即待求频偏估计值，V(k)代表观测噪声，
是在k时刻利用k-1时刻状态预测的结果，
是k-1时刻的最优估计，P(k|k-1)是
对应的误差协方差，Kk是k时刻的卡尔曼增益，R是观测噪声方差。
其中，步骤(2)中观测噪声的方差公式为：
式中，fs是采样频率，N是子载波数，Ncp是循环前缀的长度，
SNR为信噪比。
其中，步骤(2)中过程噪声为Q＝0。
其中，所述增益Kk计算公式为：
式中，k为当前滤波次数，P(0)为卡尔曼滤波的初始误差协方差的值。
有益效果：本发明与现有技术相比，其显著优点是：本发明利用卡尔曼滤波器的不断递归的特性，降低噪声对LTE-A MIMO信号分析系统的频偏估计的影响，实现低信噪比下高精度的频偏测量。
附图说明
图1是卡尔曼滤波算法的原理框图；
图2是基于卡尔曼滤波算法的系统仿真流程图；
图3是ML算法的样值观测结构图；
图4是基于卡尔曼滤波的高精度频偏估计算法仿真图；
图5是卡尔曼滤波后的频偏估计值的偏差示意图。
具体实施方式
卡尔曼滤波算法是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法，具体原理如图1所示，一般地，只要跟时间序列和高斯白噪声有关或者能建立类似模型的系统，都可以利用卡尔曼滤波来处理噪声问题，达到滤除噪声影响提高测量精度的目的。因此本实施例利用卡尔曼滤波器的不断递归的特性，降低噪声对LTE-A MIMO信号分析系统的频偏估计的影响，实现低信噪比下高精度的频偏测量。
本实施例中相关配置参数如下：
(1)传输模式：发射分集(TM2)；
(2)传输带宽：20MHz；
(3)调制方式：64QAM；
(4)信噪比；10dB；
(5)子载波数：2048；
(6)滤波次数：1000；
步骤一：状态空间模型的建立
卡尔曼滤波器的设计分为系统状态方程的预测和校正。首先给出系统的状态空间模型，先从系统状态空间模型的一般式入手：
X(k)＝ΦX(k-1)+W(k-1) (1)
Y(k)＝HX(k)+V(k) (2)
式中X(k)和X(k-1)为系统状态向量，分别代表在k时刻与k-1时刻系统中的频偏值，Y(k)为系统的观测值，代表在k时刻系统中的频偏估计值，而Φ为状态转移矩阵，H为观测矩阵，W(k-1)与V(k)是对应时刻系统的过程噪声和观测噪声，且认为这两个噪声是相互独立的零均值白噪声，且统计特性满足
E[w(k)]＝E[v(k)]＝0 (3)
E[w(k)wT(j)]＝Qδkj (4)
E[v(k)vT(j)]＝Rδkj (5)
其中Q和R分别代表过程噪声和观测噪声的方差。
基于状态空间模型，给出卡尔曼滤波的预测过程：
P(k|k-1)＝ΦP(k-1|k-1)ΦT+Q (7)
式中
是在k时刻利用k-1时刻状态预测的结果，
是k-1时刻的最优估计，P(k|k-1)是
对应的误差协方差。
当预测完成之后，接下来便是卡尔曼滤波的校正过程：
Kk＝P(k|k-1)HT[HP(k|k-1)HT+R]-1 (8)
P(k|k)＝(I-KkH)P(k|k-1) (10)
式中的Kk是k时刻的卡尔曼增益，它的存在是为了使后验估计协方差最小。
具体到本发明中的卡尔曼滤波算法的问题上，因为系统的频偏值是标量，且在频偏预测时，假设预测过程不受外界因素以及系统的影响，即此时的过程噪声w(k)的方差E[w(k)wT(j)]＝Qδkj满足Q＝0，状态转移矩阵满足Φ＝1，又因为LTE-A MIMO信号分析系统是对频偏估计值进行卡尔曼滤波，因而系统的状态参数不发生改变，所以观测矩阵满足H＝1，所以系统的状态方程和观测方程可以简化为：
X(k)＝X(k-1) (11)
Y(k)＝X(k)+V(k) (12)
根据观测方程和状态方程可知，Φ＝1，H＝1，Q＝0，所以系统的预测过程可以改写为：
P(k|k-1)＝P(k-1|k-1) (14)
系统的校正过程为：
Kk＝P(k|k-1)[P(k|k-1)+R]-1 (15)
P(k|k)＝(I-Kk)P(k|k-1) (17)
步骤二：观测噪声方差的确定
在本发明中，卡尔曼滤波对频偏估计值进行滤波，以降低系统噪声对频偏估计值的影响，根据观测方程可知，观测值的大小受到观测噪声的影响，而在实际的频偏估计过程中，频偏估计的方差决定了估计性能的好坏。因此频偏估计算法的方差便是观测噪声大小统计特性的体现。
如图3所示是基于循环前缀的最大似然估计算法的框图，观察的样本点的长度为2N+Ncp，一个完整的OFDM符号的长度为N+Ncp。将这2N+Ncp个样本点看做是一个向量r＝[r(1),...,r(2N+Ncp)]T。假设符号定时同步点为θ，也就是OFDM符号的起始位置，定义两个集合I和I'：
其中集合I是集合I'中对应元素的复制，因此两个集合中的元素之间的相关性如下所示：
式中的
分别表示发射信号功率和AWGN噪声的功率，ε是相对于子载波间隔的归一化频偏。
f(r|θ,ε)表示符号定时误差θ和载波频率偏差ε条件下，2N+Ncp个点的联合条件概率密度函数(似然函数)，概率密度函数f(r|θ,ε)的对数用对数似然函数Λ(θ,ε)表示，则有如下关系式
Λ(θ,ε)＝ln f(r|θ,ε)
(20)
在长度为2N+Ncp的抽样点中，因为集合I是集合I'的复制，只有两集合中的对应元素存在强相关性，而其他抽样点之间可认为是互不相关的。所以公式(20)可以化简为：
因为乘积项
是所有2N+Ncp个点的乘积，所以最终求得的结果与OFDM符号起始位置θ无关，又假设信号是独立同分布，其值与ε也没有关系。因此省略掉
并不影响θ和ε的最终的最大似然估计值，因此公式(21)可以化简为
其中y(k)＝[r(k) r(k+N)]T，k∈I，这里r(k)为复高斯随机变量，满足
所以r(k)的概率密度函数为
此时r(k)的概率密度函数与符号定时误差θ和载波频率偏差ε均无关，所以f(r(k)|θ,ε)＝f(r(k))，同理f(r(k+N)|θ,ε)＝f(r(k+N))，所以
因为y(k)服从于二维高斯分布，且具体表达式如下：
其中H表示共轭转置，C是一个2*2的相关矩阵，矩阵中的元素Cij等于E{r(k+iN)r*(k+jN)}，i,j∈{0,1}，利用
以及自相关共轭对称性rx(k)＝rx *(-k)，可得相关矩阵C以及对应的行列式det(C)和逆矩阵C-1分别为
其中逆矩阵中的
它表示r(k)和r(k+N)之间的相关系数的幅度。
将公式(26)代入公式(25)中的f(y(k)|θ,ε)表达式中，可得
将推导得到的f(r(k)|θ,ε)，f(r(k+N)|θ,ε)与f(y(k)|θ,ε)代入公式(22)中的对数似然函数Λ(θ,ε)中可得：
式中
因为C1和C2都是常数，不会影响最终的似然判决，式(28)可以化简为：
Λ(θ,ε)＝|γ(θ)|cos(2πε+∠γ(θ))-ρΦ(θ)
(29)
式中的
若要使得Λ(θ,ε)最大化，必须满足cos(2πε+∠γ(θ))＝1，此时便可以得到频偏的最大似然估计值为：
在本系统中，定时符号误差的估计值为0，即θ＝0。公式(30)可以如下表示：
式中的
以上算法的推导针对的是一个OFDM符号，在频偏估计的过程中只使用了N+Ncp个样本点。在本发明中，系统以子帧为单位进行信号的传输，使用了多个OFDM符号，类比一个OFDM符号的频偏估计算法的推导过程，可以得到连续多个OFDM符号下的对数最大似然判决函数如下：
Λ(r|ε)＝|γM|cos(2πε+∠γM)-ρΦM (32)
其中
M代表OFDM符号的数量。
根据公式(31)，估计的条件均值为：
所以该估计是无偏估计。
根据Cramer-Rao不等式：如果
是一维参数θ的一个无偏估计，观测值x＝(x1,...,xL)为RL空间的元素，f(x|θ)是待估参数θ和观测值x之间的条件概率，且导数
和
存在，则有
或者
其中不等式中等号成立的充分必要条件为
K(θ)为θ的某个正函数，且与观测值x＝(x1,...,xL)无关。那么基于循环前缀的频偏估计算法的方差为：
由公式(28)可知，ln f(r|ε)的表达式如下所示：
所以对数似然函数ln f(r|ε)的一阶导数为：
又因为
且sinx＝x,x→0，所以公式(36)可以化简为：
满足Cramer-Rao不等式中等号成立的条件。
基于公式(36)，对ln f(r|ε)函数继续求二阶导数：
因为cos(2πε+∠γ)近似为1，所以
所以估计方差的大小为：
因为ε是相对于子载波间隔的归一化频偏，满足
可知观测噪声v(k)的方差R计算公式为:
步骤三：初始化参数
对上述状态方程和观测方程的参数进行初始化，在低于预设阈值的信噪比下，以子帧为单位进行数据传输，利用基于循环前缀的频偏估计算法进行频偏估计，将首次频偏估计值作为0时刻的滤波的初始值
根据公式p(k|k)＝E{e2(k|k)}，其中
计算0时刻的协方差P0。根据步骤二，已知过程噪声和观测噪声的方差，
并设置系统滤波的迭代次数K。
步骤四：根据步骤(1)中建立的卡尔曼滤波状态空间模型，按照设置的迭代次数和初始值，对多个子帧的频偏估计值进行迭代的卡尔曼滤波，得到最终的频偏估计值，具体滤波流程如图2所示。
步骤五：卡尔曼滤波算法的性能分析
根据观测方程和状态方程可知，Φ＝1，H＝1，Q＝0，
且频偏X(k)是一维标量，那么误差协方差也是标量。此时误差协方差可以表示为P(k|k)＝E{e2(k|k)}，其中
分析公式(7)，这时P(k|k-1)＝P(k-1|k-1)，为了简化表达，我们将P(k|k-1)和P(k-1|k-1)均用P(k-1)表示。则卡尔曼增益为
Kk＝P(k|k-1)HT[HP(k|k-1)HT+R]-1＝P(k-1)[P(k-1)+R]-1 (42)
将卡尔曼增益表达式代入公式(17)可得：
我们采用递归求解的思想分析上述的差分方程：
所以P(k)的一般计算公式为：
将P(k)代入卡尔曼增益公式可得：
那么最终的离散卡尔曼滤波器的滤波公式为：
随着滤波次数的增加，即k越来越大，卡尔曼增益Kk是逐渐趋于零的，此时
趋于稳态值。
因为误差的协方差公式为p(k|k)＝E{e2(k|k)}，其中
且结合协方差的性质cov(X，X)＝var(X)，所以此时卡尔曼滤波算法的方差为
式中R是观测噪声v(k)的方差，由公式(41)给出，P(0)是滤波的初始误差协方差的值，可以通过初次的频偏估计值与系统自身存在的频偏值求得，分析公式(47)可知，随着滤波次数的增加，
可以近似为k，因此卡尔曼滤波的方差的大小近似与滤波次数成反比，与滤波模型的观测噪声的方差成正比。
本发明主要是提高LTE-A MIMO信号分析系统的频偏估计精度，通过实例分析，如图4和图5所示，在信噪比低至10dB的情况下，经过卡尔曼滤波后，频偏估计误差的范围低至±0.1Hz左右，对比安捷伦X系列信号分析仪的频偏误差±1Hz的精度范围，提高了一个数量级。
以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (4)
1.一种适用于LTE-A MIMO信号分析系统的高精度频偏测量方法，其特征在于该方法包括：
(1)建立LTE-A MIMO信号分析系统的卡尔曼滤波状态空间模型，具体包括：
卡尔曼状态方程：X(k)＝X(k-1)；
观测方程：Y(k)＝X(k)+V(k)；
其中，预测过程方程为：
P(k|k-1)＝P(k-1|k-1)
校正过程方程为：
Kk＝P(k|k-1)[P(k|k-1)+R]-1
P(k|k)＝(I-Kk)P(k|k-1)
式中，X(k)代表k时刻频偏预测值，Y(k)代表k时刻频偏观测值，即待求频偏估计值，V(k)代表观测噪声，
是在k时刻利用k-1时刻状态预测的结果，
是k-1时刻的最优估计，P(k|k-1)是
对应的误差协方差，Kk是k时刻的卡尔曼增益，R是观测噪声方差；
(2)根据基于循环前缀频偏估计算法的特性，推导出卡尔曼滤波状态空间模型中过程噪声和观测噪声的方差公式；
(3)在低于预设阈值的信噪比下，以子帧为单位进行数据传输，利用基于循环前缀的频偏估计算法进行频偏估计，并将该频偏估计值作为卡尔曼滤波的初始值，设置卡尔曼滤波的迭代次数K；
(4)根据步骤(1)中建立的卡尔曼滤波状态空间模型，按照设置的迭代次数和初始值，对多个子帧的频偏估计值进行迭代的卡尔曼滤波，得到最终的频偏估计值。
2.根据权利要求1所述的适用于LTE-A MIMO信号分析系统的高精度频偏测量方法，其特征在于：步骤(2)中所述观测噪声的方差公式为：
式中，fs是采样频率，N是子载波数，Ncp是循环前缀的长度，
SNR为信噪比。
3.根据权利要求1所述的适用于LTE-A MIMO信号分析系统的高精度频偏测量方法，其特征在于：步骤(2)中所述过程噪声为Q＝0。
4.根据权利要求1所述的适用于LTE-A MIMO信号分析系统的高精度频偏测量方法，其特征在于：所述增益Kk计算公式为：
式中，k为当前滤波次数，P(0)为卡尔曼滤波的初始误差协方差的值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810340962.XA CN108696305B (zh) | 2018-04-17 | 2018-04-17 | 适用于lte-a mimo信号分析系统的高精度频偏测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810340962.XA CN108696305B (zh) | 2018-04-17 | 2018-04-17 | 适用于lte-a mimo信号分析系统的高精度频偏测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108696305A CN108696305A (zh) | 2018-10-23 |
| CN108696305B true CN108696305B (zh) | 2020-05-19 |
Family
ID=63845016
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810340962.XA Expired - Fee Related CN108696305B (zh) | 2018-04-17 | 2018-04-17 | 适用于lte-a mimo信号分析系统的高精度频偏测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108696305B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109617839B (zh) * | 2018-11-21 | 2021-03-02 | 重庆邮电大学 | 一种基于卡尔曼滤波算法的莫尔斯信号检测方法 |
| CN111147417B (zh) * | 2019-12-26 | 2021-02-05 | 南京中科晶上通信技术有限公司 | 载波频偏估计的实现方法、装置、终端及存储介质 |
| CN113242203B (zh) * | 2021-05-06 | 2023-11-03 | 厦门城市职业学院（厦门市广播电视大学） | 高速移动环境下的ofdma上行载波频偏估测法及干扰抑制装置 |
| CN113111542B (zh) * | 2021-05-12 | 2024-07-30 | 南方电网科学研究院有限责任公司 | 一种基于s函数的卡尔曼滤波的频率跟踪方法及系统 |
| CN113758503B (zh) * | 2021-08-12 | 2022-03-18 | 清华大学 | 一种过程参数估计方法、装置、电子设备及存储介质 |
| CN113965437B (zh) * | 2021-11-09 | 2022-11-01 | 上海矽昌微电子有限公司 | 一种ofdm通信系统的频域频偏估计方法和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105607091A (zh) * | 2016-02-04 | 2016-05-25 | 北京轩宇信息技术有限公司 | 一种改进的基于扩展卡尔曼滤波的载波跟踪环 |
| CN105680924A (zh) * | 2016-01-28 | 2016-06-15 | 西南交通大学 | 超高移动性条件下基于频域差分相位的mimo-ofdm系统频偏估计方法 |
| CN106130939A (zh) * | 2016-07-16 | 2016-11-16 | 南京邮电大学 | 一种迭代的mimo‑ofdm系统中快时变信道估计方法 |
| CN106936481A (zh) * | 2017-03-20 | 2017-07-07 | 重庆大学 | 一种基于卡尔曼滤波器的迭代信道估计方法 |
| CN106936741A (zh) * | 2017-03-20 | 2017-07-07 | 重庆大学 | 一种基于卡尔曼滤波器的mimo信道估计方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060146759A1 (en) * | 2005-01-04 | 2006-07-06 | Yuanbin Guo | MIMO Kalman equalizer for CDMA wireless communication |
-
2018
- 2018-04-17 CN CN201810340962.XA patent/CN108696305B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105680924A (zh) * | 2016-01-28 | 2016-06-15 | 西南交通大学 | 超高移动性条件下基于频域差分相位的mimo-ofdm系统频偏估计方法 |
| CN105607091A (zh) * | 2016-02-04 | 2016-05-25 | 北京轩宇信息技术有限公司 | 一种改进的基于扩展卡尔曼滤波的载波跟踪环 |
| CN106130939A (zh) * | 2016-07-16 | 2016-11-16 | 南京邮电大学 | 一种迭代的mimo‑ofdm系统中快时变信道估计方法 |
| CN106936481A (zh) * | 2017-03-20 | 2017-07-07 | 重庆大学 | 一种基于卡尔曼滤波器的迭代信道估计方法 |
| CN106936741A (zh) * | 2017-03-20 | 2017-07-07 | 重庆大学 | 一种基于卡尔曼滤波器的mimo信道估计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108696305A (zh) | 2018-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108696305B (zh) | 适用于lte-a mimo信号分析系统的高精度频偏测量方法 | |
| CN106664278B (zh) | 相位噪声估计和补偿 | |
| US8467479B2 (en) | Apparatus and method for estimating I/Q unbalance parameters in OFDM receiver | |
| CN102783113B (zh) | 频率相关的iq不平衡估计 | |
| US7457366B2 (en) | System and method for adaptive phase compensation of OFDM signals | |
| JP5337165B2 (ja) | キャリア間干渉が限定された無線通信ネットワークのチャネル推定方法及びシステム | |
| RU2379846C2 (ru) | Выбор параметра установления порога для оценки канала | |
| US7844018B2 (en) | Methods and apparatuses for reducing inter-carrier interference in an OFDM system | |
| CN105847198B (zh) | Ofdm-wlan射频测试系统的iq不平衡估计与补偿方法 | |
| CN112422473B (zh) | 联合频偏估计策略的系统及方法 | |
| US7639733B1 (en) | Maximum likelihood estimation of time and frequency offset for OFDM systems | |
| Horlin et al. | Low-complexity EM-based joint acquisition of the carrier frequency offset and IQ imbalance | |
| WO2023140852A1 (en) | Apparatus and method implementing frequency offset estimation | |
| US9083597B1 (en) | Method and receiver in a wireless communication system | |
| CN116915554A (zh) | 一种毫米波los-mimoofdm相位噪声估计补偿方法及系统 | |
| Ali et al. | Employing broadcast channel for frequency tracking in LTE-MTC systems | |
| CN112672367A (zh) | 一种谐波干扰消除的方法及装置、接收设备 | |
| Krondorf et al. | Numerical performance evaluation for Alamouti space time coded OFDM under receiver impairments | |
| Verdecia-Peña et al. | Performance Evaluation of a proposed Two-Hop D&F Co-operative 5G Network using SDR Platform | |
| CN103516659B (zh) | 带有时变直流偏移的ofdm系统的载波频率偏移估计方法 | |
| Sagong et al. | A novel blind interference cancellation receiver for LTE uplink SC-FDMA systems | |
| US20240267093A1 (en) | Communication apparatus and communication method | |
| US20240267090A1 (en) | Communication apparatus and communication method | |
| Manasseh et al. | Efficient training design for estimation of channel, CFO, and receiver I/Q imbalance in MIMO-OFDM systems | |
| Singhai et al. | Estimation and analysis of channel distortion and carrier frequency offset (CFO) in MIMO-OFDM systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200519 |