CN114531325B - 一种无线光通信信道估计方法 - Google Patents

一种无线光通信信道估计方法 Download PDF

Info

Publication number
CN114531325B
CN114531325B CN202111371823.1A CN202111371823A CN114531325B CN 114531325 B CN114531325 B CN 114531325B CN 202111371823 A CN202111371823 A CN 202111371823A CN 114531325 B CN114531325 B CN 114531325B
Authority
CN
China
Prior art keywords
channel
calculating
value
representing
tap
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.)
Active
Application number
CN202111371823.1A
Other languages
English (en)
Other versions
CN114531325A (zh
Inventor
师小琳
李生维
王红蕾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Posts and Telecommunications
Original Assignee
Xian University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian University of Posts and Telecommunications filed Critical Xian University of Posts and Telecommunications
Priority to CN202111371823.1A priority Critical patent/CN114531325B/zh
Publication of CN114531325A publication Critical patent/CN114531325A/zh
Application granted granted Critical
Publication of CN114531325B publication Critical patent/CN114531325B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0256—Channel estimation using minimum mean square error criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
    • H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
    • H04B10/114—Indoor or close-range type systems
    • H04B10/116—Visible light communication
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Optical Communication System (AREA)

Abstract

本申请公开了一种无线光通信信道估计方法，所述方法至少包括以下步骤：步骤1、初始化信道，基于信道抽头计算信道噪声方差估计量的初始值和统一门限的初始值；步骤2、基于信道抽头计算信道估计量计算频域内信道自相关矩阵，并对所述自相关矩阵进行奇异值分解运算；步骤3、利用奇异值分解后的所述自相关矩阵计算最终的信道估计量。本申请所提供的方法使用基于抽头阈值的LMMSE方法来精确估计非零信道抽头，并在计算中将信道自相关矩阵和矩阵求逆分别替换为LRA和SVD操作，进一步降低了计算复杂度，与传统LMMSE方法和基于压缩感知的LMMSE方法相比，本申请方法具有显着更低的复杂度，并且更容易实现。

Description

一种无线光通信信道估计方法
技术领域
本申请涉及一种无线光通信信道估计方法，属于通信信号处理技术领域。
背景技术
可见光通信(VLC)拥有巨大的潜在带宽、高数据速率、抗电磁干扰和高安全性等显著优点，因此它被认为是未来后5G和6G移动通信中补充射频通信方式的一项重要的通信技术。利用这项技术能够使发光二极管提供照明光源功能的同时为无线终端提供新的生物友好型无线通信。
正交频分复用(OFDM)以其高频谱效率、高数据速率和减轻多径信道引起的符号间干扰而闻名，所以被用于可见光通信系统中。常见的可见光OFDM系统有：直流(DC)偏置光OFDM(DCO-OFDM)、非对称限幅光OFDM和单极OFDM。在这些基于OFDM的VLC系统中， DCO-OFDM系统由于其易于配置的直流分量和高频谱效率而被广泛研究。然而，在此类OFDM VLC系统中，相干解调需要应用信道系数信息才可以实现优于差分解调的性能。因此，准确而稳健的信道估计方法对于信道状态信息的恢复和相干解调的实现，以及获得可靠和高效的数据传输而言是至关重要和必要的。
目前，已经有关于可见光OFDM系统信道估计方法的研究。这些信道估计方法主要基于最小二乘法(LS)和线性最小均方误差(LMMSE) 方法。这两种经典方法的本质区别在于，前者将信道系数视为确定性但未知的常数，而后者则将其视为随机过程的随机变量。此外，虽然LS方法可以以较低的计算复杂度很容易地实现，但是它的估计性能通常并不理想。LMMSE方法已被证明表现出优于LS方法的估计性能[Husseinm Y.S., Alias M.Y.,Abdulkafi A.A.,On performance analysis of LS and MMSE for channel estimationin VLC systems,in IEEE International Colloquium on Signal Processing&itsApplications(ICSPA),2016,pp.204–205.]。可见光通信系统中LMMSE方法面临的巨大挑战是信道自相关矩阵在实际应用中难以获得，并且方法中的矩阵求逆运算带来的计算复杂度较高。因此，如何克服上述缺点并获得LMMSE方法的信道估计性能和计算复杂度之间的最佳平衡是可见光通信系统中亟需解决的问题之一。
压缩感知已经被广泛地用于稀疏信道估计，以突破奈奎斯特-香农定理可能导致极高的导频开销、频谱浪费以及高计算复杂度的局限性。室外环境中的无线光信道已被证明具有稀疏特性。由此，常见的压缩感知信道估计方法，如正交匹配追踪(OMP)[TroppJ.and Gilbert A.,Signal recovery from random measurements via orthogonalmatching pursuit,IEEE Trans.Inf.Theory,53(12),4655-4666(2007)]和子空间(SP)[Liu J.J.,Zhang C.,and Pan C.Y.,Priori-information hold subspace pursuit:Acompressive sensing-based channel estimation for layer modulated TDS-OFDM,IEEE Trans.Broadcast.,64(1)119–127(2018)]，使用时都需要已知信道的稀疏度，所以限制了它们的实际应用。此外，虽然，稀疏自适应匹配追踪(SAMP)[Zhang Y.,Venkatesan R.,Dobre O.A.,and Li C.,An adaptive matching pursuit algorithm for sparsechannel estimation,in Proc.IEEE Wireless Communications and NetworkingConference,2015,pp.626-630.]可以在不使用信道稀疏度的情况下恢复信道状态信息，但该方法的迭代步长在计算初始阶段已经固定。如果迭代步长远小于信道稀疏度，该方法则会产生大量迭代运算，从而消耗大量计算。
综上所述，针对上述各类信道估计方法应用于无线光通信系统信道估计中出现的问题，在传统LMMSE信道估计方法的基础上研究估计性能更优、更加高效的无线光信道估计方法成为本申请的研究重点。
发明内容
本申请提供了一种无线光通信信道估计方法，是一种基于抽头检验的 SLS方法。该方法解决了现有LMMSE方法的不足，提升了其在室外环境中的稀疏信道估计性能。
所述无线光通信信道估计方法，至少包括以下步骤：
步骤1、初始化信道，计算信道噪声方差估计量的初始值和统一门限的初始值；
步骤2、基于信道抽头计算信道估计量
计算频域内信道自相关矩阵，并对所述自相关矩阵进行奇异值分解运算；
步骤3、利用奇异值分解后的所述自相关矩阵计算最终的信道估计量。
可选地，所述步骤1包括：
1.1采用最小二乘信道估计方法获得信道估计量的初始值
1.2利用信道初始估计量计算信道噪声方差估计量的初始值；
1.3利用所述信道噪声初始方差估计量计算统一门限的初始值。
可选地，所述步骤1.2中，令信道抽头的位置向量初始循环次 l＝0，采用式(1)计算所述信道噪声方差估计量/>的初始值：
可选地，所述统一门限Γ(l)计算公式如式(2)所示：
其中，L表示信道长度，所述初始值计算时，设定l＝0。
可选地，所述步骤2中，基于信道抽头计算信道估计量，包括：
1)利用统一门限Γ(l)计算信道抽头位置，判断信道估计量所对应的信道抽头位置是否为非零信道抽头，并确定非零信道抽头的个数；
所述信道抽头位置的计算采用式(3)：
其中，表示信道抽头位置向量/>的元素，其值等于0或1，/>代表零值信道抽头位置，/>代表非零值信道抽头位置；/>表示信道估计量/>的元素；
2)通过式(4)计算信道估计量
其中，P表示接收到的导频信号，Fp表示接收到的导频信号，r表示导频处接收信号的向量，(M)◇表示矩阵M的伪逆运算。
可选地，所述步骤2中，所述自相关矩阵的矩阵元素计算公式如式(5)所示：
其中，表示固定延迟包络的长度，一般取值大于或等于信道长度L，即/>j表示复数虚部符号；m表示自相关矩阵行数；n表示自相关矩阵行数；Np表示通信系统导频个数；
所述自相关矩阵的奇异值分解计算公式如式(6)所示：
其中，表示酉矩阵；/>表示降序排列的特征值/>对应的对角线矩阵， i＝0,1,...,(K-1)，即/>K表示非零信道抽头的个数。
可选地，所述步骤3包括：
对进行傅里叶变换为/>采用式(7)计算所述最终的信道估计量
其中，对角矩阵的对角线元素由下式计算：
其中，β表示与调制方式相关的常数；SNR表示信噪比。
可选地，所述方法还包括：
步骤4、更新所述信道噪声方差估计量和统一门限，重复步骤2、3 进行循环计算，得到最终的信道估计量；
所述循环计算结束的条件为：
其中ε为设定的循环计算阈值。
本申请能产生的有益效果包括：
1)本申请所提供的方法使用基于抽头阈值的LMMSE方法来精确估计非零信道抽头，降低了计算复杂度。同时，本申请将传统LS方法中的信道自相关矩阵和矩阵求逆分别替换为低秩矩阵近似(LRA)和奇异值分解(SVD)操作，进一步降低计算复杂度。与传统LMMSE方法和基于压缩感知的LMMSE方法相比，本申请方法具有显着更低的复杂度，并且更容易实现。
2)相对于基于压缩感知的LMMSE方法，本申请方法可以有效降低信道估计结果与真实值之间的均方误差，获得更加精确的信道估计结果。
3)相比于现有信道估计方法，本申请方法在均方误差(MSE)、误码率(BER)、接收星座图和计算复杂度等方面具有更优的性能。
附图说明
图1为不同信道估计方法所采用的初始估计方法的均方误差比较图；
图2为不同信道估计方法的均方误差比较图；
图3为不同信道估计方法的误码率比较图；
图4为不同信道估计方法得到的接收信道星座图比较图，其中图(a) 为OMP-LRA-LMMSE方法的星座图；(b)SP-LRA-LMMSE方法的星座图；(c)SAMP-LRA-LMMSE方法的星座图；(d)本申请方法的星座图。
具体实施方式
下面结合实施例详述本申请，但本申请并不局限于这些实施例。
本申请一种无线光通信信道估算方法，包括以下步骤：
步骤1、初始化
1.1利用最小二乘信道估计方法获得信道初始估计同时，令参数/>l＝0，其中，/>表示非零信道抽头的位置向量，l表示循环次数。
1.2通过式(1)计算信道噪声方差的估计量的初始值
1.3计算统一门限的初始值Γ(0)
统一门限Γ(l)的计算公式如式(2)所示：
其中，L表示信道长度。当l＝0时，得到Γ(0)，即为统一门限的初始值。
步骤2、信道估计
2.1利用统一门限Γ(l)的初始值计算信道抽头位置，判断信道估计量所对应的信道抽头位置是否为非零信道抽头，并确定非零信道抽头的个数；
所述非零信道抽头位置的计算采用式(3)：
其中，表示信道抽头位置向量/>的元素，其值等于0(代表零值信道抽头位置)或1(代表非零值信道抽头位置)；/>表示信道估计量/>的元素；
2.2通过式(4)计算信道估计量
其中，其中，P表示接收到的导频信号，Fp表示接收到的导频信号，r表示导频处接收信号的向量，(M)◇表示矩阵M的伪逆运算，本申请中矩阵M为Sb HSb。
2.3、通过式(5)计算频域内信道自相关矩阵的元素：
其中，表示固定延迟包络的长度，一般取值大于或等于信道长度L； j表示复数虚部符号；m表示自相关矩阵行数；n表示自相关矩阵行数； Np表示通信系统导频个数。
2.4根据式(6)对进行奇异值分解运算：
其中，表示酉矩阵；/>表示降序排列的特征值/>对应的对角线矩阵，即K表示非零信道抽头的个数。
2.5将进行傅里叶变换得到/>
2.6根据式(7)计算
其中，对角矩阵的对角线元素由下式计算：
其中，β表示与调制方式相关的常数，当进行16QAM调制时，β＝2.6857；SNR表示信噪比。
2.7利用式(1)更新信道噪声方差的估计量/>
2.8利用式(2)更新计算统一门限Γ(l)。
2.9设定l＝l+1进行循环计算，循环结束条件为：返回最终信道估计结果：/>
其中ε为设定的循环计算阈值，通常设定ε为10-3。
比较本申请方法与现有各种信道估计方法：
实验参数如下图表1所示。
表1主要实验参数
实验结果如图1-4所示。
图1显示了不同的基于压缩感知的信道估计方法(OMP、SP、SAMP) 和本申请方法的初始估计方法的MSE性能比较。上述结果均是计算机运行1000次后的平均值。从图1可以明显看出：本申请方法采用基于抽头检测的SLS方法的MSE小于基于压缩感知的信道估计方法的MSE；也就是说，本申请方法能够获得更准确的估计结果。SP和SAMP方法是在计算和计算复杂度上类似于OMP方法，被视为OMP方法的衍生方法。当信道稀疏度未知时，OMP、SP和SAMP方法需要将迭代次数设置为信道总长度的一半才能计算，这会大大降低这些方法的估计准确度。通过利用室外可见光信道的自然特性和统计特性，基于抽头检测的SLS方法通过成功识别并进一步精确估计非零信道抽头，从而获得比OMP，SP和SAMP 等方法更好的MSE性能。此外，需要注意的是，基于抽头检测的SLS方法不需要知道信道稀疏度的先验信息。
图2和图3显示了不同的基于压缩感知的LRA-LMMSE方法和本申 请方法的均方误差(MSE)和误码率(BER)性能比较。这里，基于压缩 感知的LRA-LMMSE方法是通过用OMP、SP和SAMP等基于压缩感知 的方法替换SLS方法获得的。它们被称为：OMP-LRA-LMMSE、 SP-LRA-LMMSE和SAMP-LRA-LMMSE方法。此外，传统LMMSE方 法获得的实验结果也被绘制在图2和图3中作为参考。结果表明：本申请 方法在MSE和BER方面均表现出优于基于压缩感知的LRA-LMMSE方 法和传统LMMSE方法的性能。
此外，图4(a)-(d)显示了当信噪比SNR＝25dB时，使用不同的自适应 LRA-LMMSE方法时候的接收信号星座图。结果表明：与 OMP-LRA-LMMSE、SP-LRA-LMMSE和SAMP-LRA-LMMSE方法相比， 本申请方法能够以更高的质量恢复出通信数据。
比较各方法的计算复杂度，结果如表2所示：
表2不同方法的计算复杂度比较
根据信道长度和信道稀疏度(1＜K≤L，这里L表示信道长度，K表示信道非零抽头个数，即信道稀疏度)。传统LMMSE方法的计算复杂度为O(2L3)，其中O(·)表示计算复杂度。它主要由信道自相关矩阵和矩阵求逆的计算操作引入实际上。实际上，传统LMMSE算法中的乘法计算次数为2L3+4L2+NpL，其中Np表示导频个数。如果所提出的LRA-LMMSE 算法的初始SLS方法被OMP方法替换(取一个经验值为Np/2)，则基于 OMP的LRA-LMMSE(OMP-LRA-LMMSE)方法的计算复杂度为其乘法计算次数为6K2+NpK+NpL(Np+1)/2。当信道冲激响应的初始估计使用SLS方法(即本申请方法)计算Nr次时(Nr≤K≤Np/2)，计算复杂度降低到O(NrNpL)。因为1＜K≤L和Nr≤K≤Np/2，本申请方法的计算复杂度大大低于传统LMMSE方法和OMP-LRA-LMMSE方法，而计算复杂度的降低有利于该方法的实现以及实际应用。
以上所述，仅是本申请的几个实施例，并非对本申请做任何形式的限制，虽然本申请以较佳实施例揭示如上，然而并非用以限制本申请，任何熟悉本专业的技术人员，在不脱离本申请技术方案的范围内，利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例，均属于技术方案范围内。

Claims (4)

1.一种无线光通信信道估计方法，其特征在于，所述方法至少包括以下步骤：
步骤1、初始化信道，基于信道抽头计算信道噪声方差估计量的初始值和统一门限的初始值；
步骤2、基于信道抽头计算信道估计量
计算频域内信道自相关矩阵，并对所述自相关矩阵进行奇异值分解运算；
步骤3、利用奇异值分解后的所述自相关矩阵计算最终的信道估计量；
所述步骤1包括：
1.1采用最小二乘信道估计方法获得信道估计量的初始值
1.2基于信道抽头，利用信道初始估计量计算信道噪声方差估计量的初始值；
1.3利用所述信道噪声初始方差估计量计算统一门限的初始值；
所述步骤2中，基于信道抽头计算信道估计量，包括：
1)利用统一门限Γ(l)计算信道抽头位置，判断信道估计量所对应的信道抽头位置是否为非零信道抽头，并确定非零信道抽头的个数；
所述信道抽头位置的计算采用式(3)：
其中，表示信道抽头位置向量/>的元素，其值等于0或1，/>代表零值信道抽头位置，/>代表非零值信道抽头位置；/>表示信道估计量/>的元素；
2)通过式(4)计算信道估计量
其中，P表示接收到的导频信号，Fp表示接收到的导频信号，r表示导频处接收信号的向量，/>表示矩阵M的伪逆运算；
所述步骤2中，所述自相关矩阵的矩阵元素计算公式如式(5)所示：
其中，表示固定延迟包络的长度，通常取值大于或等于信道长度L，即/>j表示复数虚部符号；m表示自相关矩阵行数；n表示自相关矩阵行数；Np表示通信系统导频个数；
所述自相关矩阵的奇异值分解(SVD)计算公式如式(6)所示：
其中，表示酉矩阵；/>表示降序排列的特征值/>对应的对角线矩阵，i＝0,1,...,(K-1)，即/>K表示非零信道抽头的个数；
所述步骤3包括：
对进行傅里叶变换为/>采用式(7)计算所述最终的信道估计量/>
其中，对角矩阵的对角线元素由下式计算：
其中，β表示与调制方式相关的常数；SNR表示信噪比。
2.根据权利要求1所述的无线光通信信道估计方法，其特征在于，所述步骤1.2中，令信道抽头的位置向量初始循环次l＝0，采用式(1)计算所述信道噪声方差估计量/>的初始值：
3.根据权利要求1所述的无线光通信信道估计方法，其特征在于，所述统一门限Γ(l)计算公式如式(2)所示：
其中，L表示信道长度，所述初始值计算时，设定l＝0。
4.根据权利要求1所述的无线光通信信道估计方法，其特征在于，所述方法还包括：
步骤4、更新所述信道噪声方差估计量和统一门限，重复步骤2、3进行循环计算，得到最终的信道估计量
所述循环计算结束的条件为：
其中ε为设定的循环计算阈值。
CN202111371823.1A 2021-11-18 2021-11-18 一种无线光通信信道估计方法 Active CN114531325B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111371823.1A CN114531325B (zh) 2021-11-18 2021-11-18 一种无线光通信信道估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111371823.1A CN114531325B (zh) 2021-11-18 2021-11-18 一种无线光通信信道估计方法

Publications (2)

Publication Number Publication Date
CN114531325A CN114531325A (zh) 2022-05-24
CN114531325B true CN114531325B (zh) 2023-12-12

Family

ID=81618669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111371823.1A Active CN114531325B (zh) 2021-11-18 2021-11-18 一种无线光通信信道估计方法

Country Status (1)

Country Link
CN (1) CN114531325B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2003833A1 (en) * 2007-06-15 2008-12-17 Universität Wien Method of equalizing a multicarrier signal for intercarrier interference
EP2442507A1 (en) * 2010-10-15 2012-04-18 Sequans Communications Channel estimation method using an improved Expectation Maximization (EM-)Algorithm
CN109936400A (zh) * 2019-05-20 2019-06-25 乐鑫信息科技（上海）股份有限公司 自适应mimo检测方法和系统
CN112350965A (zh) * 2020-11-04 2021-02-09 西安邮电大学 无线光通信系统中一种自适应最小二乘信道估计方法及接收机
CN113014341A (zh) * 2021-02-09 2021-06-22 蔡豪 一种针对非理想稀疏信道的估计方法
CN113242191A (zh) * 2021-05-07 2021-08-10 苏州桑泰海洋仪器研发有限责任公司 一种改进的时序多重稀疏贝叶斯学习水声信道估计方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9577768B2 (en) * 2014-05-22 2017-02-21 Intel Corporation Method for determining a performance of a MIMO communication and communication device
US9853751B2 (en) * 2015-12-21 2017-12-26 Vecima Networks Inc. Method of estimating the frequency response of multipath channels

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2003833A1 (en) * 2007-06-15 2008-12-17 Universität Wien Method of equalizing a multicarrier signal for intercarrier interference
EP2442507A1 (en) * 2010-10-15 2012-04-18 Sequans Communications Channel estimation method using an improved Expectation Maximization (EM-)Algorithm
CN109936400A (zh) * 2019-05-20 2019-06-25 乐鑫信息科技（上海）股份有限公司 自适应mimo检测方法和系统
CN112350965A (zh) * 2020-11-04 2021-02-09 西安邮电大学 无线光通信系统中一种自适应最小二乘信道估计方法及接收机
CN113014341A (zh) * 2021-02-09 2021-06-22 蔡豪 一种针对非理想稀疏信道的估计方法
CN113242191A (zh) * 2021-05-07 2021-08-10 苏州桑泰海洋仪器研发有限责任公司 一种改进的时序多重稀疏贝叶斯学习水声信道估计方法

Also Published As

Publication number Publication date
CN114531325A (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
CN105099968A (zh) 一种多径信道中的超奈奎斯特速率通信系统
CN109687912B (zh) 相干光ofdm系统中一种时域容积卡尔曼相位噪声补偿方法
Lu et al. Bayesian blind turbo receiver for coded OFDM systems with frequency offset and frequency-selective fading
CN112350965B (zh) 无线光通信系统中自适应最小二乘信道估计方法及接收机
Nassar et al. Low complexity EM-based decoding for OFDM systems with impulsive noise
CN110753011B (zh) 一种针对gmsk信号的单载波均衡方法
CN102571033A (zh) 一种成形滤波器滚降系数估计方法
CN114531325B (zh) 一种无线光通信信道估计方法
CN110233808B (zh) 一种ftn系统信号检测方法
CN109167744B (zh) 一种相位噪声联合估计方法
CN104270328A (zh) 一种信噪比实时估计方法
KR20090131794A (ko) 이동통신 시스템의 수신 장치 및 방법
CN108429709A (zh) 一种无线时变信道下sc-fde系统的信道均衡方法
Liu et al. On Channel Estimation Based on Compressed Sensing for OFDM UWOC Systems
CN108521311B (zh) 一种基于格雷序列的信噪比估计方法
CN114172575A (zh) 一种基于直流偏置的采样时间偏移和信道联合盲估计方法
Baouni et al. Channel estimation using a reduced rate of pilot subcarriers for OFDM systems over doubly‐selective channels
Guo et al. Joint Blind Parameter Estimation of Non-cooperative High-Order Modulated PCMA Signals
Jahani-Nezhad et al. CFO estimation in GFDM systems using extended Kalman filter
Rajan et al. OFDM channel estimation using compressed sensing L1-regularized least square problem solver
Savaux et al. Convergence analysis of a joint signal‐to‐noise ratio and channel estimator for frequency selective channels in orthogonal frequency division multiplexing context
Yuan et al. A new channel estimation method based on GPR and wavelet denosing
Lacruz et al. Robust sparse channel estimation for OFDM system using an iterative algorithm based on complex median
Gamal et al. AdaBoost Algorithm-Based Channel Estimation: Enhanced Performance
Alameda-Hernandez et al. Synchronisation and DC-offset estimation for channel estimation using data-dependent superimposed training

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