无线移动通信的信道非常复杂，使无线通信系统的性能有很大的局限性。发射机和接收机之间的多径问题，以及快速运动的移动终端在接收信号时产生的多普勒效应，引起接收信号的幅度和相位都有很大的变化，就是通常所说的衰落。也正是由于深度衰落的影响，严重的限制了通信系统的性能，需要出现更好的调制、编码、功率控制等方法，更有效的应用于衰落信道。A.J.Glodsmith 和 S.G..Chua 等人研究了一些新的自适应传输技术，例如自适应调制、自适应编码、自适应功率控制，自适应天线阵列系统等。这些自适应传输方法，都是通过瞬时监视信道条件，来调整调制水平、符号率、码率、传输功率等级、传输天线增益或者与这些参数相关的一些方面。它们都是尽量在不牺牲误码率性能的同时，更有效的利用功率和频谱，来实现更高的信息传输速率。 实际中，为了实现自适应传输方法，传输过程中的信道状态信息（CSI）必须是可知的。通过接收机一端，可以获得的过去一段时间衰落信道系数的采样，用信道预测算法来预测未来的一段时间间隔内，衰落信道系数将会怎样的变化，然后通过反馈信道传输给发射机，发射机根据数据传输时将会出现的信道状态信息，来确定发射功率，调制方法，编码方法和传输天线等一些问题，来适应当时的传输条件。这样，发射机就可以优化的进行传输，随之而来也就提高了通信的质量。 本文首先介绍了课题的意义，发展现状和一些基础理论知识。主体部分以及主要工作，就是对当前的信道预测算法的改进。主要分成两大部份：第一部分就是对常用信道预测算法 ESPRIT 算法的改进部分，第二部分是自适应子空间追踪算法的研究。改进算法有1. 基于采样数据共轭重排的 C-ESPRIT 算法 这种方法的基本思想是：原 ESPRIT 算法仅仅利用了采样数据本身，忽略了采样数据是复数的事实，再次利用采样数据的共轭数据，来参与自相关函数的运算，保证计算量不变的同时提高算法的准确度和精确度。 70<WP=76>吉林大学硕士学位论文2. 基于数据预处理的 SS-ESPRIT 和 MSS-ESPRIT 算法 基本 ESPRIT 算法是目前常用的几种算法（例如最大熵算法（MEM），长距离预测（LRP）算法）中性能最好的一种算法，它的主要缺点是进行奇异值分解（SVD）或特征值分解时运算量较大，限制了算法的实时应用。针对基本 ESPRIT 的这一不足，可以想办法减少奇异值或特征值分解的阶数，提出了 SS-ESPRIT 和 MSS-ESPRIT 算法。其中 SS-ESPRIT 是应用空间平滑技术的 ESPRIT 方法，空间平滑的基本思想是将用Rcc = CCH 方法估计的采 ?样数据自相关矩阵进行重新分块并且组合，得到阶数较少的采样数据自相关矩阵的估计，再对其进行特征值分解。显然这种算法能够减少特征值分解时候的运算量，但是要以牺牲运算精度为代价；而 MSS-ESPRIT 算法实质上是利用了前两个改进方法的优点，它将采样数据共轭重排和空间平滑技术相结合，形成了双向平滑技术，仿真实验证明，MSS-ESPRIT 算法的性能非常好，在减少了运算量（特征值分解的阶数）的同时，也提高了预测的预测性能。3. 子空间追踪算法 在以往的所有信道预测方法中，都是采用标准的平稳杰克模型，它由几个复数正弦信号的和组成。重要的是假定模型中的参数幅度 An、多普勒频移fn 和相位φn 都是固定不变的。然而实际中，这些参数都是缓慢变化着的，这些非平稳的变化会严重的恶化信道预测性能，为了克服这一不足，采用了自适应子空间追踪同 ESPRIT 算法相结合的方法。这种算法的优点是：首先，子空间追踪算法解决了标准杰克衰落模型中，多普勒频移 fn 的变化带给传统信道预测算法性能的恶化问题，这样信道预测算法能够适合更多的应用场合；其次，它采用的是一种自适应的方法，而基本 ESPRIT 算法是批处理的算法，运算量很大，子空间追踪算法和基本 ESPRIT 算法比起来，在准确度和精度基本相当的情况下，运算量会减少很多，更有利于进行实时应用；再次，还对现有的子空间追踪算法 FAST 和 FAST2 进行了改进，提出了 MFAST和 MFAST2 算法，仿真实验和统计数字表明，它们比原有的子空间追踪算法FAST 和 FAST2 算法不仅减少了运算量，同时也提高了预测的准确性和精确性，加快了收敛速度，更适合于多普勒频移 fn变化严重的场合，是两种非常好的算法。 还给出了信道预测算法在自适应传输技术中自适应调制的应用。自适应 71<WP=77>摘 要调制的基本思想就是：预测传输时刻的信道状态信息，根据信道将要发生的条件来选择调制的具体方法。这样，总体来说在保证了误码率要求的同时，提高了带宽效率，是一种很好的自适应传输方法。最后总结了本次论文的全部工作内容，指出了本次论文中信道预测算法的成绩和不足之处，对今后的信道预测算法工作重点进行了展望。