OFDM系统中信道估计算法的研究

来源 :桂林理工大学 | 被引量 : 0次 | 上传用户:cedzyh
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
正交频分复用(OFDM)技术因其具备高效的频谱资源利用率以及强大的抗干扰性能,而成为无线通信过程中的一项关键技术。无线通信过程中的信道是复杂多变的,这会影响通信中的数据传输过程,此时需要用到信道估计技术来对信号进行恢复,来保持通信的可靠性。信道估计过程是OFDM系统的重要组成部分之一,它通过对信号在传输中经历的信道状态信息进行估计来获取信道响应,再根据信道响应恢复出接近原始状态的信号,从而保证通信过程中有效信息的高效获取程度。本文选取WINNERⅡ信道模型中B3场景描述的大型室内场景作为信道仿真模型,对该信道下OFDM系统的信道估计算法进行研究,为了获得更好的信道估计效果,对相关的信道估计算法提出改进措施,并对改进的算法仿真分析。具体改进过程如下:(1)传统的LS信道估计算法结构简单,但其并没有考虑信道中噪声的影响,而在LS算法的基础上提出的FFT信道估计算法只是消除了循环前缀(CP)外分布的噪声,但其并未解决CP以内存在噪声的问题。本文利用LS信道估计算法得到的CP内外的信道响应值模的中位数构造一种新的阈值对CP内分布的噪声进行处理,进一步提升FFT算法的性能。仿真结果证明本文提出的改进阈值有效地去除了CP内的噪声,去噪性能与传统的FFT算法以及相关文献提出的阈值相比,有着实质性的提高,能够降低信号传输的误差。(2)鉴于相关文献提出将小波去噪技术运用到FFT信道估计算法中,从而达到减轻噪声影响的效果,同时从本文提出的阈值计算方式可以了解,若对信道响应值做初步消噪处理,则对阈值精度的提升是有利的,所以为了优化其消噪性能,本文将提出的改进阈值应用到基于小波去噪的FFT信道估计算法中,形成一种联合算法。联合算法先利用小波变换对信道中整体的噪声进行预处理,其中小波系数处理中引入优化后的小波阈值函数,然后在FFT算法的基础上再结合本文提出的改进阈值对CP内的噪声再次处理,以达到更好的去噪效果。仿真结果证明联合算法能够有效地实现全局去噪,联合算法的性能优于基于小波去噪的FFT信道估计算法,也从另一个方面验证了本文提出的改进阈值在算法中的运用效果,能够提高算法估计的准确度。
其他文献
随着全球经济迅猛发展,企业集团跨区域经营越来越多,公司规模越来越大,很多企业集团患上了“大企业病”,管理弊端逐渐显现。传统的管理方式已经无法满足企业发展的需要,因此我国大型企业集团纷纷走上了财务共享之路。财务共享是企业管理的一种新模式,通过更完善的业务流程将集团内各分子机构重复的业务集中处理,以更低的成本和更强的管理来努力提升企业运行的效率,以更高效的方式配置企业资源。但是在财务共享实施的过程中也
近年来,随着可见光通信(VisibleLightCommunication,VLC)技术不断发展和成熟,基于发光二极管(LightEmittingDiode,LED)的VLC应用已涉及室内/外诸多场景。对于室内VLC场景,通
本文提出了污点逆向传播的方法来解决用户隐私泄漏的问题。面向隐私保护的污点逆向传播实际上是按照污点正向传播的思想来追踪数据。而通过逆向化这个过程,达到了污点标记简
随着机器人产业的不断发展和人们对高品质生活的不懈追求,人们在日常生活的方方面面将会越来越频繁的看到服务机器人的身影,而这也给未来服务机器人的实用化和智能化提出了挑战。本文主要研究了基于二维激光雷达的SLAM(Simultaneous Localization and Mapping)和机器人自主导航等技术,旨在设计一款具备地图构建、自主导航等基本功能的室内服务机器人,可应用在化学工厂、隔离宾馆、办
在光学系统中,非球面光学元件与传统球面光学元件相比拥有很多可以进行优化的自由度(如二次曲面常数和高阶项系数),它具有简化系统结构,提高成像质量,提高像差校正能力的优点,
近年来,随着与数据相关的信息技术的高速发展,全球数据量呈现爆炸式增长,大数据给我们带来了很多方便,但也存在大量的重复数据存储,因此有效的处理重复数据达到节省存储空间
过去十年来,钙钛矿太阳能电池的研究取得了飞速发展,光电转换效率从3.9%提升到了24.2%,是极具商业化潜力的下一代太阳能电池技术。在钙钛矿太阳能电池中,目前被广泛应用的高
二硫化钼因为具有和石墨烯类似的结构和相近的性质而成为当前研究的热点,被广泛应用于析氢催化、能量存储、光电子器件等许多领域。由于纳米尺寸效应,粒径极小的二硫化钼量子
从上世纪80年代起,科学家们对计算机模拟人眼视觉注意机制的初步探索,到近年来,显著目标检测模型在主流商业产品中的成功应用,视觉显著性检测(Visual Saliency)一直以来都是
在云计算和大数据时代,虚拟化在越来越多的应用领域受到了热烈的欢迎与期待,虚拟化技术在近几年也获得了长足的进步和发展。虚拟化应用从大方向上可以分为两类:服务器虚拟化