一、一种基于特征值求解的OFDM信道均衡算法（论文文献综述）
瞿辉洋[1]（2021）在《基于转换域调制的多载波系统信道估计与均衡》文中认为正交频分复用（OFDM）以其资源分配灵活、对抗多径衰落稳健等优势,广泛应用于4G/5G为代表的无线通信系统。面向新一代移动通信,如车联网、无人机、空天地一体化等,超高的终端移动速率使得无线信号传输环境更加复杂,对物理层传输技术提出更高的要求。然而,高速移动引入的高多普勒扩展会严重破坏OFDM子载波间正交性。为实现高性能解调,需精确估计时变信道频率响应（CFR）并借助CFR完成信道均衡,从而大大增加导频开销及复杂度。因此,上述因素成为OFDM用于未来高速移动通信的瓶颈之一。为突破上述瓶颈,近年来,基于转换域调制的多载波传输引起了广泛关注。两种典型的转换域传输方案,即基于时间-时延（TD）域的离散傅里叶变换扩展OFDM（DFT-S-OFDM）和基于时延-多普勒（DD）域的正交时频空（OTFS）,利用信道在时延、多普勒域的稀疏性,有望降低信道估计开销及均衡复杂度。本文针对上述两种转换域多载波系统开展了信道估计与均衡相关研究,主要工作如下:第一,针对当前DFT-S-OFDM系统频域信道估计应对高速移动场景导致的性能急剧下降,本文提出了基于TD域的信道估计方法。该方法采用基扩展模型对信道冲激响应（CIR）的时变性进行低维表征,并利用Slepian序列的双正交性实现时域块状内插。相较于现有的频域信道估计,该方案不仅能获得更加精确的信道信息,还能大大降低计算复杂度和导频开销。此外,不同于现有的频域信道均衡,本文提出基于最小二乘QR分解（LSQR）的TD域迭代信道均衡方案。利用TD域CIR的稀疏性,该方案能够实现快速收敛,有效地避免了频域信道矩阵求逆引入的高额计算开销。第二,针对OTFS系统现有信道估计方法无法实现连续多普勒扩展信道精确跟踪的问题,本文提出了基于低维子空间的信道估计方法。利用Slepian序列对连续多普勒谱的精确表征,本文设计了基于Slepian序列的转换域基函数,并构建低维子空间实现OTFS系统DD域信道响应的高精度建模。利用低维子空间信道建模技术可有效降低丰富散射环境中信道未知参量个数,并将原始欠定的信道估计转化为超定的最小二乘系数求解问题,显着降低导频开销。第三,针对现有OTFS均衡方法应对丰富散射场景的不足,如基于MP的检测具有无法容忍的计算复杂度、线性均衡器无法满足高性能解调等,本文提出了基于置信区间的迭代检测方法。利用OTFS传输矩阵的稀疏特性,构建基于最小二乘最小残差（LSMR）的信道均衡器;设计动态置信区间精确判决发射数据;并提出具有线性复杂度的干扰重构、消除机制。实验结果表明,在不借助信道编解码辅助解调的情况下,本文所提方法能够高效地实现OTFS数据检测。第四,针对多输入多输出（MIMO）OTFS系统信道均衡复杂度高和多维度干扰消除效率低的问题,本文提出了一种高效的MIMO-OTFS数据检测方法。应对MIMO-OTFS系统面临的空间、时延、多普勒三维干扰,本文利用“逐级干扰分离,逐级合并检测”的思想,将多域干扰实现分层处理。其次,通过利用最大比合并、等增益合并等技术,所提方案能够有效获取多径、多天线分集增益,实现超高速移动场景多流高阶QAM数据的稳定接收。本文在基于转换域调制的多载波系统中,充分利用信道在转换域描述的稀疏特性,研究了TD/DD域信道估计及均衡方法,为高速移动场景稳定数据传输提供新的解决思路。
唐玉倩[2]（2021）在《超奈奎斯特非正交频分复用相干光通信系统核心DSP算法研究》文中研究说明随着移动互联网、大数据、云计算、网络游戏应用等技术的发展,人们对高数据速率以及大容量光传输系统的需求不断增加,提升频谱效率从而提高系统容量成为解决光纤通信系统频谱资源受限的可行技术之一。超奈奎斯特非正交频分复用（Faster Than Nyquist Non-Orthogonal Frequency Division Multiplexing,FTN-NOFDM）技术打破传统正交频分复用技术的正交性,通过压缩子载波间隔来压缩信号带宽,从而获得比OFDM更高的频谱效率。而偏振相干超奈奎斯特非正交频分复用系统（Polarization Multiplexing Coherent FTN-NOFDM,PM-CO-FTN-NOFDM）不仅具有多载波调制的抗色散的优势,还保持偏振分集相干接收的高频谱效率和高接收机灵敏度的优势,且通过子载波间隔压缩达到更高的频谱效率,可以满足未来大容量、高速率、高频谱效率、高接收机灵敏度的相干光通信系统要求,具有重要研究意义和应用前景。本文围绕PM-CO-FTN-NOFDM传输系统中的关键技术—数字信号处理（Digital Signal Processing,DSP）算法进行了深入研究,主要研究工作如下。1.FTN-NOFDM系统中引入严重子载波间干扰（Inter-Carrier Interference,ICI）,传统PM-CO-OFDM系统的DSP算法难以适用,需根据NOFDM系统损伤特性,对PM-CO-F TN-NOFDM系统DSP算法方案进行改进设计。本文根据FTN-NOFDM特性,在发端DSP中选择添零替代循环前缀,并相应地进行帧结构设计。在收端DSP中,针对严重内在ICI的影响对频偏估计、相偏估计、信道估计等DSP算法以及算法流程进行设计,在传输损伤补偿完之后使用信号检测算法抑制内在ICI。在单波道112Gbps PM-CO-QPSK-FTN-NOFDM传输距离300km条件下,仿真验证了所设计DSP方案的可行性,以0.4dB光信噪比代价实现了频谱利用率提升14.3%。2.针对FTN-NOFDM系统下非正交导频叠加其他子载波干扰这一问题,提出一种基于时域射频导频（Radio Frequency-Pilot,RF-Pilot）的频偏相偏联合估计算法。所设计的算法在时域加入直流,其上变频后变成RF-Pilot,利用其高功率以及无相位损伤时相位为零的特性进行频偏与相偏估计,从而有效减轻内在ICI对系统性能的影响。单波道112Gbps PM-CO-QPSK-FTN-NOFDM光传输系统仿真结果表明频谱效率提升14.3%时:频偏容忍大于2GHz,最优的导频信号功率比为-17～-13dB,保护子载波开销最大为8.9%。3.针对FTN-NOFDM系统下传统基于数据辅助的频域信道估计法性能差、而盲信道估计算法复杂度高的问题,本文根据PM-CO-FTN-NOFDM传输信道特性,提出了一种基于琼斯矩阵的无插值的频域信道估计算法,该算法不受FTN-NOFDM内在ICI影响,且复杂度较低。单波道112Gbps PM-CO-QPSK-FTN-NOFDM传输系统仿真结果表明频谱效率提升14.3%时该算法至少能自适应补偿30ps的偏振模色散,训练符号开销最大为2.9%。
葛鹏飞[3]（2021）在《基于多色LED的宽光谱通信理论与技术研究》文中研究表明在数据传输需求快速增长以及射频频谱资源日益紧张的背景下,可见光通信（VLC,Visible Light Communication）受到广泛地关注。可见光通信将数据调制到380nm-780nm的可见光频段上,在满足日常照明的同时,提供高速数据接入服务。与传统的射频（RF,Radio Frequency）通信相比,可见光通信具有速率较高、无电磁辐射、保密性好、成本低等优点。可见光通信通常利用日常照明的发光二极管（LED,Light-Emitting Diode）作为发射单元。日常照明用LED一般有两种:一类是单色蓝光LED通过激发荧光粉形成黄光从而混合得到白光,另一种是利用多色LED按照一定的比例混合形成白光。和单色白光LED相比,多色LED混合成白光的方式不仅能够灵活地调节照明的色温和显色指数,而且以多路复用的方式大大提升可见光通信传输速率。目前,多色可见光通信系统面临以下几个问题。1)各色LED的光谱不可避免地存在交叠,造成了色光间交叉干扰。此时光滤波器过窄或过宽的通带将严重影响接收信号的质量。如何设计光滤波器带宽和中心波长等关键参数是多色可见光通信需要考虑的问题。2)多色可见光通信通常采用薄膜干涉光滤波器。然而,薄膜干涉光滤波器的通带会随着入射角的增大向波长减小的方向偏移,造成移动场景下通信性能恶化。如何在移动场景下维持稳定的传输性能也是多色可见光通信系统的一个挑战。3)各色光利用正交频分复用（OFDM,Orthogonal Frequency Division Multiplexing）是高速传输的重要方案,但是速率的提升受到LED信道非理想特性（低通特性和非线性特性）和所需照明质量（亮度和色温）的限制。在这些限制下,如何进行收发信机设计以提升传输速率也是亟需研究的问题。本文将围绕上述几个问题展开研究,并提出有效的解决方案。首先,本文研究了多色可见光通信中光滤波器通带核心参数（带宽和中心波长）的设计。本文考虑了三种准则:单色检测下信干噪比（SINR,Signal-to-Interference-plusNoise Ratio）最大化,线性最小均方误差（LMMSE,Linear Minimum Mean Square Error）多色联合检测下总均方误差最小化,最大似然（ML,Maximum Likelihood）多色联合检测下互信息最大化。在这三种准则下,本文分别建立了光滤波器通带核心参数的优化问题,并提出了有效的求解算法。仿真验证了优化后的光滤波器比现有的经验型光滤波器具有更优的性能。另外,本文还分析了不同接收机准则下设计的光滤波器的性能差异。其次,针对光滤波器通带随入射角改变而偏移的问题,本文研究了随机入射角下鲁棒性光滤波器的设计。本文考虑了两种常用的鲁棒性概念:统计平均鲁棒性（Statistical Robustness）和最差情况鲁棒性（Worst-Case Robustness）。统计平均鲁棒性是利用角度变化的统计信息,使得随机入射角下平均性能达到最优;最差情况鲁棒性是在系统工作的角度变化范围内,使得随机入射角下最差性能达到最优。针对这两种鲁棒性概念,本文分别建立了光滤波器优化问题,并提出了有效的求解算法。仿真验证了提出的鲁棒性光滤波器设计有效地提升了较大入射角下系统的性能,从而更好地支持接收机的移动性。然后,为了进一步提升随机入射角下的性能,本文对多色可见光通信中收发机的设计进行了改进。本文的改进设计从两方面入手。一方面,本文采用了大于色光个数的光滤波器来接收多色光信号,并提出了新型的适用于随机入射角场景下的光滤波器组结构。另一方面,本文对多色可见光通信发送端预编码和接收均衡矩阵设计算法进行了改进,并提出了高性能低复杂度的算法。仿真表明,所提出的新型光滤波器组结构与收发端设计算法相结合,可以使多色可见光通信系统在各个入射角下都能获得良好的性能。最后,本文对多色光DCO-OFDM（Direct-Current-Biased Optical OFDM）系统进行了分析和优化。在考虑LED低通特性和非线性特性的情况下,本文推导了DCO-OFDM预均衡和后均衡的可达速率,并对它们的可达速率进行了比较和分析。仿真和实验测试验证了理论结果的正确性。接着,本文从色度学和光度学角度分析了在照明亮度和色温的约束下各色LED光功率需要满足的条件,在有非线性削波的情况下给出了系统和速率表达式,从而建立了多色光直流偏置和交流功率的优化问题,并提出了有效的求解算法。仿真验证了优化后的各色光直流偏置和交流功率不仅能够保证照明质量,而且能够有效地提升系统的传输速率。
薛谦[4]（2020）在《深度学习在无线通信物理层中的应用》文中研究表明第五代移动通信技术（5G）需要支持不同应用场景下的不同需求,因此需要千倍于4G的网络容量、毫秒级的延迟、超密集大规模组网以及较低的能效比。为了满足这些需求,大规模MIMO系统、毫米波等新技术成为了5G的核心技术。然而,现有的传统通信理论在5G复杂的应用场景下表现出了很多局限性,例如信道场景建模困难、系统优化困难等。因此,最近几年飞速发展的深度学习和人工智能技术,因为其精度高、鲁棒性强、不需要复杂特征提取等特点逐渐在无线通信领域取得了成功的应用。本文着眼于无线通信系统的物理层,讨论了深度学习在波达方向估计、MIMO检测和OFDM接收机等问题中的应用。首先,本文讨论了基于卷积神经网络的波达方向估计算法。本文提出了一种基于卷积神经网络的单比特MIMO系统的波达方向估计算法,详细阐述了系统模型、数据处理、网络结构和网络优化算法等。仿真实验表明,卷积神经网络相对传统的MUSIC算法和ESPRIT算法具有精度优势和鲁棒性优势,并且卷积神经网络的计算复杂度远远低于MUSIC算法,神经网络可并行计算的特性还可以大大加速计算。接着,本文研究了大规模MIMO系统的信号检测问题。在Det Net和Deep Unfolding理论的基础上,本文将卷积运算引入最大似然检测的迭代展开式,提出了全新的卷积神经网络检测模型“Conv Det Net”,推导出了Conv Det Net的递推公式和网络结构。此外,针对网络层数加深时出现的精度饱和、训练难以收敛的问题,提出了残差结构和预训练模型的解决方案。仿真结果表明,卷积检测网络的性能要优于ZF检测、MMSE检测和Det Net,在大规模天线和随机信道下这种性能优势更为明显。并且随着层数加深,使用残差和预训练的卷积检测网络的BER性能也随之提升。最后,本文研究了深度学习在OFDM系统接收机中的应用,提出了基于OFDM系统模型的卷积接收机网络“CRNET”。在传统OFDM接收机模型的基础上,将信道估计模块和信道均衡模块分别设计神经网络模型,构建了卷积信道估计网络Est Net和卷积信道均衡网络Equ Net,这两个网络共同组成了卷积接收机网络CRNET。文中详细介绍了网络的递推公式和结构。仿真结果表明,CRNET在循环前缀充分时与MMSE估计加单抽头均衡器的传统方案性能相当,但是在循环前缀不充分乃至无保护间隔的情况下,CRNET的性能远远超出传统算法,且优于全连接网络的方案,在应对符号间干扰问题上表现出更强的鲁棒性和泛化能力。
王浩林[5]（2020）在《宽带微功率无线通信系统的信道估计与均衡的FPGA实现》文中认为用电信息采集系统作为智能电网的重要组成部分,在智能电网的建设中起着至关重要的作用。随着用电信息采集系统的业务需求逐渐升级,传统的窄带、低速率的微功率已难以满足不断拓展的业务要求。宽带微功率技术是实现低压电力用户用电信息汇聚、传输、交互的高速无线通信网络,是一种理想的无线通信方案。由于电力无线通信环境复杂,存在着多径效应、环境噪声等各种影响系统性能的问题,因此本文通过对Chirp-BOK系统特性、信道估计及均衡技术的研究,提出了一种适合宽带微功率系统的信道估计与均衡算法及高级可编程逻辑器件（Field-Programmable Gate Array,FPGA）实现方案,主要研究内容如下:首先,针对具有前导结构的宽带微功率无线通信系统,本文提出一种结合小波去噪的最小二乘（Least-Square,LS）信道估计算法,该算法结合宽带微功率系统的信道特点,选取Haar小波基函数和启发式阈值选择标准,在小波去噪算法中对阈值进行逐步压缩,解决了阈值函数中所存在的恒定偏差问题。仿真结果证明,在宽带微功率系统中改进阈值函数的小波去噪算法明显提高了信道估计的性能。然后,本文对迫零（Zero-Forcing,ZF）和最小均方误差（Minimum Mean Square Error,MMSE）的均衡算法进行了仿真验证,分析其性能和复杂度。通过对比算法的性能与硬件实现复杂度,最终选取了结合小波去噪的最小二乘信道估计算法和迫零信道均衡算法,并把定点化FPGA实现的信道估计与均衡模块的定点字长定为12bit。其次,本文设计了包括前导码提取、小波去噪、信道估计以及信道均衡四个部分的硬件实现结构,按照自上而下的设计思路根据模块功能定义完成了模块的状态机、模块接口等设计,利用查找表避免时序紧张,并通过公式变换减少了乘法器的使用,在保证时序正确的同时尽可能减小对系统资源的损耗和占用。最后,论文对设计的寄存器转换级（Register Transfer Level,RTL）电路进行了验证,从资源占用表可以看出资源消耗较小,符合设计预期。在信道估计与均衡整个模块上建立时间和保持时间均有余量,在时序方面设计合理,方案可行。最后,利用美国国家仪器（National Instruments,NI）平台验证了RTL设计的模块性能良好,符合宽带微功率系统设计的要求。
严瑛[6]（2020）在《高速通信系统的物理层技术研究与实现 ——信道估计技术》文中研究表明MIMO-OFDM系统将MIMO技术和OFDM技术结合起来,具有高稳健性、高数据传输率、高频谱利用率等特点,实现了传统通信领域的重大突破。然而由于无线通信传输环境复杂,接收信号的相位和幅度会出现严重的衰落,必须通过信道估计技术才能恢复出发送数据。因此兼顾准确度和计算复杂度考虑,研究出适合硬件实现的MIMO-OFDM信道估计方案是十分有意义的。本文的主要工作如下:（1）研究了MIMO-OFDM信道估计技术的两个关键点,基于导频的信道估计技术和合适的训练序列的选择。在信道估计技术方面,详细研究了常用的信道估计算法:LS、MMSE、LMMSE和SVD-LMMSE,及插值算法:线性内插、二次内插、三次样条内插的基本原理和硬件实现复杂度,在不同的信道下对信道估计算法、导频方式、和插值方式进行了仿真,验证了在实现复杂度和性能这两个因素下本系统选择块状导频和LS信道估计算法的合理性。在训练序列的选择方面,根据标准802.11ac的物理层帧结构和发射机结构对先导码部分和数据部分设计了不同的信道估计算法并进行仿真,对于先导码部分的估计将两个L-LTF训练序列取平均换来了1dB的性能提升;对于数据部分的处理,采用VHT-LTF训练序列进行LS信道估计后,再对每个OFDM符号插入一定的导频子载波用于相偏校正,仿真证明了该算法在不同MCS、不同帧长和不同信道及不同信道频偏下都能取得很好的性能。再将802.11ac中训练序列的设计方案和信道估计算法应用到本设计的MIMOOFDM系统中,提出了基于训练序列的LS信道估计算法,和对数据部分插入导频符号进行信道跟踪校正相偏的算法,仿真证明了该算法不会随着相偏的增加而性能变差。（2）在40MHz带宽、40MHz采样率、125MHz时钟频率下在FPGA上实现了载荷速率1Gbps的8发8收的MIMO-OFDM系统,重点对组帧模块和信道估计检测模块的FPGA实现方案进行了分析和RTL仿真验证,通过和MATLAB对比分析了信道估计检测模块在FPGA上实现的误差,判断了在高速传输的要求下模块的功能正确性和吞吐量达标与否。在上板测试时,采用了硬软件联合测试的方法,通过LWIP协议栈实现了MATLAB和FPGA之间的数据交互,量化了系统在MIMO信道中的性能表现,验证了其性能要求和目标一致。
姚辉[7]（2020）在《高速电力线载波通信抗干扰技术研究》文中研究说明目前,电力线通信（PLC）因其成本低、覆盖范围广和不易掉线等优势,成为物联通信传输层的研究热点。但其易受严重的杂波干扰等影响,而造成通信质量不高。故需采取优化的抗干扰策略对各类干扰加以抑制。为了解决该难题,在分析研究PLC传输信道前提下,本论文研究了高速PLC传输下的多载波OFDM信道估计及单载波传输时自适应均衡优化方案。首先,简介了 PLC发展现状及多、单载波共两大类传输方案。其次,分析了 PLC原理、PLC传输信道特性及模型。再次,开展了多载波OFDM传输下的信道估计研究。之后,探讨了在有限带宽下的PLC系统失真补偿问题,并结合单载波传输下自适应均衡技术,研究了适用于高速PLC系统的双模切换CMA-LMS均衡方案。最后,总结并展望了 PLC传输下的抗干扰方案。全文主要内容和贡献如下:1.综合分析了低压电力线信道恶劣的信道环境,同时考虑电力线线路上衰减损耗以及多路传输的影响,从理论指导下完成电力线多径信道建模,便于后续信道估计及自适应均衡算法的抗干扰措施研究;2.简介了电力线多载波OFDM系统其基本原理,并在理论与仿真实验角度,分析和对比了各类传统信道估计方法。为了有效消除估计后残留偏差,提出一种采用K-means方法来选择合适抗干扰的信道估计方案:在发端设计调和序列,消除训练序列对数据序列的干扰,并根据聚类分析方法,对时域统计平均的奇异值分解（SVD）信道估计开展噪声与信号类的迭代更新,实现时域去噪目的,以完成系统估计和恢复信道,提高了系统抗干扰及误码率性能,且仿真验证了其有效性;3.在有限带宽电力线信道中,当采用单载波传输且速率较高时,码间干扰也随之增大。为了消除码间干扰,采用相移键控类调制的单载波均衡技术,在常模均衡算法（CMA）和最小均方误差（LMS）基础上,提出适用于电力线载波通信的两级双模CMA-LMS自适应均衡算法,通过选定优化可变步长,实现算法的快速收敛及稳定工作,有效地减少了码间干扰影响,实现对信号的自适应补偿。此外,还通过仿真验证了所提算法的有效性,并分析了其算法复杂度,以便实践应用参考。本文通过对PLC系统的抗干扰技术的优化升级,可有效提升系统性能,并降低实现复杂度。因此,该方案具有较高工程实用价值,可广泛应用于PLC应用系统,特别是要求成本低,传输可靠等需求的物联网应用系统等。
刘旭[8]（2020）在《基于OFDM水声通信系统的信道估计与均衡模块的改进》文中指出当今社会科学技术发展迅猛,广袤的海洋空间逐渐引起人们的重视。对海洋的探索需要水下信息的传递,其中以水声通信为主要代表技术。但由于复杂的海洋环境和水声信道环境,使得水声通信技术的系统实现成为一个工程难点。本实验室前期开发了基于OFDM（Orthogonal Frequency Division Multiplexing）的水声通信系统,但其在收发机相对运动变化过快,海面波动较大,海水介质不均匀等恶劣海况时,通信性能大幅下降。基于实验数据分析发现,上述问题出现的主要原因是水声信道中多普勒效应加剧,进而导致系统误码率大幅上升。水声通信系统中信道估计与均衡模块是处理多普勒效应的主要模块,因此本研究重点对上述两模块改进优化。通过分析多普勒效应对信道估计和均衡模块的具体影响,对信道估计模块的改进有:引入了多普勒深度因子;优化了基于压缩感知的信道估计算法,在添加了多普勒因子典型集并给出构建规则,提出了新的正则化参数选取方式。信道均衡模块的改进有:提出了基于对角加载因子的最小均方误差均衡;提出了对正则化参数和对角加载因子的索引循环赋值。通过上述两模块的改进系统接收机由ICI-ignorant（Inter-carrier Interference ignorant）接收机变为ICI-aware接收机。最终在模拟水声多径时变信道中对上述改进进行仿真,证实了改进后的ICI-aware接收机能够实现严重多普勒效应时的高速可靠通信。ICI-aware接收机抗多普勒效应效果较好,但在多普勒效应较小时接收机复杂度相对较高。因此在其基础上利用turbo准则将接收机改进为自适应迭代接收机,其能自动平衡系统性能和复杂度之间的关系。具体的改进有:在信道估计模块中引入先验信息以获得额外导频;信道均衡模块中改为基于先验信息的MMSE（Minimum Mean Squared Error）均衡;提出了从译码模块中获取先验信息和概率转换方式。在模拟水声多径时变信道中对其进行仿真,证明了自适应迭代接收机能在保证通信系统性能的前提下,也使复杂度尽可能地减小。在上述改进的基础上,本论文利用实验室中千岛湖’17湖试实验数据对ICI-aware接收机和自适应迭代接收机进行验证,结果表明改进后的两种接收机都达到了预期要求,实验数据解调误码率下降,系统性能得到大幅提升。
黄菊菊[9]（2019）在《5G通信系统中抗干扰信道的估计和均衡方法研究》文中指出随着5G移动通信的发展,科研人员更加注重信号传输的时效性、准确性。本文结合5G移动现有的通信技术的关键技术,对信道的抗干扰技术、信道估计技术、信道均衡技术提供一些优化意见以供研究参考。5G的关键技术之一MIMO技术的应用成倍地提高了系统容量,有效的抑制信道衰落,将MIMO技术与OFDM系统配合使用,有利于消除符号间干扰,同时提高频谱利用率。无线信道中存在干扰问题一直是人们关心的核心问题。在无线通信中,由于传播环境的复杂性会使得信号发生多普勒效应和时延拓展,这些衰落信道都会给信号带来码间干扰。MIMO OFDM上行无线通信系统中的多天线技术以及单小区场景也面临着干扰问题。在对MIMO OFDM上行单小区系统在估计方法上进行了深入研究。在MIMO OFDM信道下,引入非盲信道估计,利用导频的方法对信道提高估计精度。在传统LS估计算法、MMSE估计算法和LMMSE估计算法下提出了改进型的LMMSE估计算法,以实现一种估计精度较高同时算法复杂度也可以接受的信道估计方法,将估计算法与插值算法相结合提高信道估计性能。最后对MIMO OFDM信道的均衡方法做了深入研究。LMS自适应均衡算法的步长因子μ的选取对自适应滤波器的收敛速度和稳态误差都有影响,因此提出了均衡算法的改进,将基于小波变换的均衡算法与变步长的均衡算法结合的新的均衡算法,可以减少信号的相关性,提高信号的收敛速度以及减少稳态误差。
戴博[10]（2019）在《基于神经网络的大规模MIMO-OFDM系统信道估计和均衡方法研究》文中研究说明大规模多输入多输出（Multi-input Multi-output,MIMO）技术在不增加信号带宽及发射功率的情况下可以显着增强系统容量,并且有效改善频谱利用率,被视为第五代（5th Generation,5G）移动通信系统的关键技术之一。对于大规模MIMO-OFDM系统而言,在接收端准确的信道估计和均衡器设计是两个极具挑战性的难题,尤其当发射端和接收端天线阵列增加时,使用传统基于导频的信道估计、均衡方法会导致严重的导频污染以及算法复杂度的急剧上升。本文介绍了一种新的信道估计、均衡框架,该框架将大规模MIMO-OFDM系统中相关算法与深度神经网络（Deep Neural Network,DNN）相结合,将通信系统产生的数据分为训练集和测试集分别用来训练和学习。该类方法能够突破传统通信系统模块化的局限性,应对更复杂的信道环境,降低算法复杂度的同时获得性能上的提升。基于DNN网络的信道估计方法性能优于传统最小二乘（Least Square,LS）和经典BPNN（Back Propagation Neural Network,BPNN）网络方法,相比最小均方误差算法（Minimum Mean Square Error,MMSE）不需要信道自相关矩阵和噪声方差的先验统计信息以及矩阵求逆的复杂运算。无论信道模型是否考虑到达角发射角或相关性的应用场景下,都可以利用DNN网络,忽略信道详细参数信息的逐一估计,更为简单智能。将基于DNN网络的信道均衡看作分类问题,把输入信号按照调制方式的星座图分为不同的类,接收信号通过DNN网络均衡器恢复出相应的类,进而恢复发送信号。该方法将大规模MIMO-OFDM系统发送端插入的已知导频符号作为DNN网络均衡器的输入数据,并在此基础上充分分析网络输入、输出之间的对应关系,利用数学上分类加权的思路提出优化后的DNN网络代价函数。通过仿真实验表明改进后的DNN网络均衡器不但能提供更好的均衡性能,而且在训练初始阶段大幅度提升网络收敛速度,降低训练所需时间。
二、一种基于特征值求解的OFDM信道均衡算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于特征值求解的OFDM信道均衡算法（论文提纲范文）
（1）基于转换域调制的多载波系统信道估计与均衡（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状及挑战性问题 |
| 1.2.1 高速移动场景OFDM频域信道估计与均衡 |
| 1.2.2 基于转换域调制的多载波系统信道估计与均衡 |
| 1.3 主要研究内容及创新点 |
| 1.4 论文组织结构 |
| 1.5 本章小节 |
| 第二章 DFT-S-OFDM系统时域信道估计与均衡算法 |
| 2.1 引言 |
| 2.2 DFT-S-OFDM系统信号传输模型 |
| 2.3 DFT-S-OFDM系统频域信道估计 |
| 2.4 DFT-S-OFDM系统时域信道估计 |
| 2.4.1 导频符号信道估计 |
| 2.4.2 导频处CIR估计精度分析 |
| 2.4.3 时域块状内插 |
| 2.4.4 时域块状内插精度分析 |
| 2.5 时域多点内插 |
| 2.6 分段BEM信道估计 |
| 2.7 信道估计复杂度分析 |
| 2.8 DFT-S-OFDM系统时域信道均衡 |
| 2.9 仿真分析 |
| 2.9.1 参数优化 |
| 2.9.2 信道估计及均衡性能 |
| 2.10 本章小结 |
| 第三章 丰富散射场景OTFS信道估计算法 |
| 3.1 引言 |
| 3.2 OTFS信号传输模型 |
| 3.3 OTFS系统等效信道响应分析 |
| 3.4 低维子空间信道建模 |
| 3.4.1 低维子空间构建 |
| 3.4.2 子空间信道建模精度分析 |
| 3.4.3 Clarke信道下子空间建模精度 |
| 3.5 子空间信道估计 |
| 3.5.1 低开销导频结构 |
| 3.5.2 投影系数估计 |
| 3.5.3 信道估计精度分析 |
| 3.5.4 信道估计复杂度分析 |
| 3.6 迭代OTFS符号检测 |
| 3.6.1 单一CP-OTFS系统矩阵传输形式 |
| 3.6.2 迭代符号检测 |
| 3.7 仿真分析及讨论 |
| 3.7.1 (32,32)OTFS系统信道估计与解调性能 |
| 3.7.2 (32,128)OTFS系统信道估计与解调性能 |
| 3.8 本章小结 |
| 第四章 OTFS系统基于置信空间的迭代均衡算法 |
| 4.1 引言 |
| 4.2 CP-OTFS基带传输模型 |
| 4.3 IDI产生机理及其统计特性分析 |
| 4.3.1 稀疏信号散射场景IDI分析 |
| 4.3.2 丰富散信号射场景IDI分析 |
| 4.4 低复杂度符号检测和干扰消除算法 |
| 4.4.1 矩阵-向量化CP-OTFS传输模型 |
| 4.4.2 线性均衡 |
| 4.4.3 低复杂度迭代均衡 |
| 4.4.4 算法复杂度分析 |
| 4.5 解调性能分析 |
| 4.6 本章小结 |
| 第五章 MIMO-OTFS系统基于多级分离的信道均衡与符号检测 |
| 5.1 引言 |
| 5.2 MIMO-OTFS信号传输模型 |
| 5.2.1 MIMO-OTFS系统模型 |
| 5.2.2 信道模型 |
| 5.2.3 MIMO-OTFS信道矩阵分析 |
| 5.3 MIMO-OTFS信道均衡 |
| 5.3.1 线性均衡 |
| 5.3.2 低复杂度时空域信道均衡 |
| 5.4 迭代增强数据检测算法 |
| 5.5 算法实现及复杂度分析 |
| 5.6 仿真分析 |
| 5.7 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间取得的成果 |
（2）超奈奎斯特非正交频分复用相干光通信系统核心DSP算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文背景和研究意义 |
| 1.2 国内外研究现状和技术难题 |
| 1.2.1 研究现状 |
| 1.2.2 技术难题 |
| 1.3 论文的主要研究内容和结构安排 |
| 第二章 112Gbps PM-CO-QPSK-FTN-NOFDM DSP算法方案设计 |
| 2.1 引言 |
| 2.2 112Gbps PM-CO-QPSK-FTN-NOFDM DSP算法方案概要设计 |
| 2.3 112Gbps PM-CO-QPSK-FTN-NOFDM发射端DSP算法方案 |
| 2.3.1 发射端DSP算法方案 |
| 2.3.2 发送端保护间隔设计 |
| 2.4 112Gbps PM-CO-QPSK-FTN-NOFDM接收端DSP算法方案 |
| 2.4.1 接收端算法方案设计 |
| 2.4.2 DSP算法方案仿真验证 |
| 2.5 本章小结 |
| 第三章 PM-CO-FTN-NOFDM系统频偏与相偏联合估计算法研究 |
| 3.1 PM-CO-FTN-NOFDM相位损伤影响分析 |
| 3.2 基于RF-Pilot的PM-CO-FTN-NOFDM频偏与相偏联合估计算法 |
| 3.3 本章小结 |
| 第四章 PM-CO-FTN-NOFDM系统信道估计算法研究 |
| 4.1 引言 |
| 4.2 偏振相关损伤以及ICI损伤影响分析 |
| 4.2.1 基于琼斯矩阵的无插值的信道估计算法工作原理 |
| 4.2.2 算法仿真验证 |
| 4.3 本章小结 |
| 第五章 论文总结与展望 |
| 5.1 论文工作总结 |
| 5.2 不足与改进方向 |
| 缩略词索引 |
| 参考文献 |
| 攻读硕士期间发表学术论文和参与科研项目情况 |
| 致谢 |
（3）基于多色LED的宽光谱通信理论与技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略词说明 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 可见光通信发展动态 |
| 1.2.1 可见光通信国际发展动态 |
| 1.2.2 可见光通信国内发展动态 |
| 1.3 多色可见光通信技术简介 |
| 1.3.1 信道模型 |
| 1.3.2 调制方式 |
| 1.3.3 实验系统研发 |
| 1.4 前人相关工作综述 |
| 1.4.1 多色可见光通信中的光滤波器设计 |
| 1.4.2 光滤波器通带偏移效应的对抗方法 |
| 1.4.3 多色可见光通信中收发机改进设计 |
| 1.4.4 多色OFDM可见光通信的信道均衡 |
| 1.4.5 多色OFDM可见光通信的功率分配 |
| 1.5 论文的研究内容和章节安排 |
| 第二章 多色可见光通信中光滤波器设计 |
| 2.1 引言 |
| 2.2 系统模型 |
| 2.2.1 光滤波器模型 |
| 2.2.2 LED光谱模型 |
| 2.2.3 信道模型 |
| 2.2.4 信号模型 |
| 2.3 单色检测下SINR最大化光滤波器设计 |
| 2.4 多色联合检测下光滤波器设计 |
| 2.4.1 LMMSE多色联合检测下总MSE最小化 |
| 2.4.2 ML多色联合检测下互信息最大化 |
| 2.5 仿真结果分析 |
| 2.5.1 系统配置 |
| 2.5.2 多色光传输信道模型的实验验证 |
| 2.5.3 单色检测下SINR最大化设计结果 |
| 2.5.4 LMMSE多色联合检测下总MSE最小化设计结果 |
| 2.5.5 ML多色联合检测下互信息最大化设计结果 |
| 2.6 不同准则下优化的光滤波器比较 |
| 2.7 本章小结 |
| 第三章 随机入射角度下鲁棒性光滤波器设计 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.2.1 光滤波器通带随入射角的偏移效应 |
| 3.2.2 信道模型 |
| 3.2.3 度量指标:归一化MSE |
| 3.3 统计平均鲁棒性光滤波器设计 |
| 3.3.1 问题建立 |
| 3.3.2 优化算法 |
| 3.4 最差情况鲁棒性光滤波器设计 |
| 3.4.1 问题建立 |
| 3.4.2 优化算法 |
| 3.5 仿真结果分析 |
| 3.5.1 统计平均鲁棒性光滤波器设计结果 |
| 3.5.2 最差情况鲁棒性光滤波器设计结果 |
| 3.5.3 不同鲁棒性准则优化的光滤波器比较 |
| 3.5.4 BER比较 |
| 3.6 本章小结 |
| 第四章 多色可见光通信中收发机改进设计 |
| 4.1 引言 |
| 4.2 新型的重叠覆盖光滤波器组结构 |
| 4.2.1 结构描述 |
| 4.2.2 信道模型 |
| 4.3 基于重叠覆盖光滤波器组的接收机设计 |
| 4.3.1 信号模型 |
| 4.3.2 接收机分析与设计 |
| 4.3.3 仿真结果分析 |
| 4.4 基于重叠覆盖光滤波器组的收发机联合设计 |
| 4.4.1 信号模型 |
| 4.4.2 问题建立 |
| 4.4.3 优化求解 |
| 4.4.4 复杂度分析 |
| 4.4.5 仿真结果分析 |
| 4.5 本章小结 |
| 第五章 多色OFDM可见光通信系统分析与优化 |
| 5.1 引言 |
| 5.2 DCO-OFDM可见光通信系统模型 |
| 5.2.1 发射机 |
| 5.2.2 VLC信道 |
| 5.2.3 接收机 |
| 5.2.4 多色光DCO-OFDM传输 |
| 5.3 DCO-OFDM预均衡和后均衡性能分析 |
| 5.3.1 预均衡和后均衡方案介绍 |
| 5.3.2 可达速率比较 |
| 5.3.3 信道参数对可达速率之差的影响 |
| 5.3.4 讨论 |
| 5.3.5 仿真和实验结果分析 |
| 5.4 多色光DCO-OFDM直流偏置和交流功率优化 |
| 5.4.1 多色光照明条件的约束 |
| 5.4.2 多色DCO-OFDM功率优化问题的建立 |
| 5.4.3 多色DCO-OFDM功率优化问题的求解 |
| 5.4.4 仿真结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文研究内容总结 |
| 6.2 未来研究方向展望 |
| 参考文献 |
| 作者攻读博士学位期间的研究成果 |
| 致谢 |
（4）深度学习在无线通信物理层中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 中英文缩略词对照表 |
| 第1章 绪论 |
| 1.1 论文研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 深度学习在波达方向估计中的应用 |
| 1.2.2 深度学习在MIMO系统中的应用 |
| 1.2.3 深度学习在OFDM系统中的应用 |
| 1.3 论文主要工作和结构安排 |
| 第2章 基于卷积神经网络的单比特波达方向估计 |
| 2.1 引言 |
| 2.2 系统模型与基础理论 |
| 2.2.1 窄带信号模型 |
| 2.2.2 天线阵列结构模型 |
| 2.2.3 信道模型 |
| 2.2.4 波达方向估计的Cramer-Rao下限 |
| 2.3 经典波达方向估计算法 |
| 2.3.1 多重信号分类算法 |
| 2.3.2 基于旋转不变子空间技术的估计 |
| 2.4 神经网络 |
| 2.4.1 神经元模型 |
| 2.4.2 前馈神经网络 |
| 2.4.3 神经网络的学习 |
| 2.4.4 神经网络的优化与正则化 |
| 2.5 基于卷积神经网络的单比特波达方向估计方法 |
| 2.5.1 模数转换器的单比特量化模型 |
| 2.5.2 卷积神经网络的输入预处理 |
| 2.5.3 卷积神经网络的基本概念 |
| 2.5.4 波达方向估计的卷积神经网络架构 |
| 2.5.5 卷积神经网络的损失函数与正则化 |
| 2.6 仿真与分析 |
| 2.6.1 阵列天线接收信号数据集 |
| 2.6.2 神经网络模型训练参数 |
| 2.6.3 神经网络模型的搭建与训练过程 |
| 2.6.4 实验结果 |
| 2.7 本章总结 |
| 第3章 MIMO卷积检测网络 |
| 3.1 引言 |
| 3.2 MIMO检测模型 |
| 3.3 MIMO检测算法 |
| 3.3.1 迫零检测算法 |
| 3.3.2 线性最小均方误差检测算法 |
| 3.3.3 最大似然检测算法 |
| 3.3.4 基于机器学习的检测算法 |
| 3.4 MIMO卷积检测网络 |
| 3.4.1 神经网络中的卷积运算 |
| 3.4.2 卷积检测网络的结构 |
| 3.4.3 卷积检测网络的性能仿真 |
| 3.5 MIMO卷积检测网络的进一步改进 |
| 3.5.1 残差网络与残差结构 |
| 3.5.2 预训练与微调 |
| 3.6 本章总结 |
| 第4章 基于深度学习的OFDM接收机设计 |
| 4.1 引言 |
| 4.2 OFDM系统原理 |
| 4.2.1 OFDM通信系统基本原理 |
| 4.2.2 OFDM信道估计 |
| 4.2.3 单抽头均衡器 |
| 4.3 信道模型 |
| 4.3.1 指数信道模型 |
| 4.4 卷积接收机CRNET |
| 4.4.1 卷积信道估计网络EstNet |
| 4.4.2 卷积信道均衡网络EquNet |
| 4.4.3 CRNET |
| 4.5 仿真结果 |
| 4.5.1 CRNET仿真环境说明 |
| 4.5.2 Est Net仿真结果 |
| 4.5.3 CRNET仿真结果 |
| 4.6 本章总结 |
| 第5章 全文总结与展望 |
| 5.1 论文工作总结 |
| 5.2 进一步研究方向 |
| 致谢 |
| 参考文献 |
（5）宽带微功率无线通信系统的信道估计与均衡的FPGA实现（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 Chirp宽带的研究现状 |
| 1.2.2 信道估计算法研究现状 |
| 1.2.3 信道均衡算法研究现状 |
| 1.3 论文的主要研究内容和章节结构 |
| 第2章 Chirp-BOK调制系统与算法 |
| 2.1 Chirp扩频技术 |
| 2.1.1 Chirp信号的基本特性 |
| 2.1.2 Chirp扩频技术的特点 |
| 2.2 宽带微功率系统 |
| 2.2.1 宽带微功率系统模型 |
| 2.2.2 宽带微功率系统物理层帧结构 |
| 2.3 宽带微功率系统的信道特性 |
| 2.3.1 微功率无线信道的衰耗特性 |
| 2.3.2 微功率无线信道的多径特性 |
| 2.3.3 信道估计误差对信道容量的影响 |
| 2.3.4 信道估计误差对系统信噪比的影响 |
| 2.4 信道估计与均衡的基本算法 |
| 2.4.1 信道估计算法研究 |
| 2.4.2 信道均衡算法研究 |
| 2.5 本章小结 |
| 第3章 信道估计与均衡算法设计与仿真 |
| 3.1 宽带微功率系统信道估计研究 |
| 3.1.1 基于小波去噪信道估计算法改进 |
| 3.1.2 算法性能仿真分析 |
| 3.2 宽带微功率系统信道均衡算法研究 |
| 3.2.1 宽带微功率系统的信道均衡算法 |
| 3.2.2 算法性能仿真结果分析 |
| 3.3 信道估计与均衡算法的实现可行性及定点仿真 |
| 3.3.1 信道估计与均衡算法在FPGA上实现可行性分析 |
| 3.3.2 定点仿真结果分析 |
| 3.4 本章小结 |
| 第4章 信道估计与均衡模块的设计与实现 |
| 4.1 FPGA概述 |
| 4.1.1 FPGA设计流程 |
| 4.1.2 FPGA设计使用的EDA工具 |
| 4.1.3 Verilog HDL简介 |
| 4.2 信道估计与均衡模块的设计与实现 |
| 4.2.1 硬件实现的总体框图 |
| 4.2.2 估计与均衡模块的实现 |
| 4.3 信道估计模块的验证与综合 |
| 4.3.1 验证工作简介 |
| 4.3.2 验证平台介绍 |
| 4.3.3 功能验证仿真 |
| 4.3.4 逻辑综合 |
| 4.4 软件无线电平台验证 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（6）高速通信系统的物理层技术研究与实现 ——信道估计技术（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 信道估计技术的发展和研究现状 |
| 1.3 论文的主要工作和结构安排 |
| 第二章 系统的基本原理及无线信道模型 |
| 2.1 MIMO-OFDM通信系统基本原理 |
| 2.1.1 OFDM技术 |
| 2.1.2 MIMO技术 |
| 2.1.3 典型的MIMO-OFDM通信系统 |
| 2.2 典型的MIMO-OFDM通信信道 |
| 2.2.1 无线信道的基本特点 |
| 2.2.2 小尺度衰落信道模型 |
| 2.2.3 典型的MIMO信道模型 |
| 2.3 本章小结 |
| 第三章 MIMO-OFDM信道估计技术研究 |
| 3.1 引言 |
| 3.2 导频设计准则 |
| 3.3 基于导频的信道估计算法 |
| 3.3.1 基于LS准则的信道估计 |
| 3.3.2 基于MMSE准则的信道估计 |
| 3.3.3 基于LMMSE准则的信道估计 |
| 3.4 数据位置插值算法 |
| 3.4.1 线性内插 |
| 3.4.2 二次内插 |
| 3.4.3 三次样条插值 |
| 3.5 信道估计及插值算法复杂度分析 |
| 3.6 算法仿真与分析 |
| 3.6.1 采用不同信道估计方式的性能对比 |
| 3.6.2 采用不同导频方式的性能对比 |
| 3.6.3 采用不同插值方式的性能对比 |
| 3.7 本章小结 |
| 第四章 基于训练符号的信道估计的研究 |
| 4.1 802.11 ac物理层的帧结构 |
| 4.1.1 802.11 ac标准中的非VHT前导码字段 |
| 4.1.2 802.11 ac标准中的VHT-LTF字段 |
| 4.2 802.11 ac接收机信道估计的设计 |
| 4.2.1 先导码部分信道估计设计 |
| 4.2.2 数据部分信道估计设计 |
| 4.2.3 Cordic算法 |
| 4.3 802.11 ac接收机信道估计的性能仿真 |
| 4.3.1 先导码部分信道估计性能仿真 |
| 4.3.2 数据部分信道估计性能仿真 |
| 4.4 基于已知训练序列的信道估计算法设计 |
| 4.4.1 基于LS准则的MIMO-OFDM信道估计 |
| 4.4.2 相偏校正算法 |
| 4.5 本章小结 |
| 第五章 MIMO-OFDM通信系统软硬件平台搭建及测试 |
| 5.1 MIMO-OFDM通信系统硬件平台方案设计 |
| 5.2 MIMO-OFDM通信系统硬软件平台搭建 |
| 5.2.1 系统硬件平台介绍 |
| 5.2.2 系统的开发的软件平台介绍 |
| 5.2.3 MIMO-OFDM系统的整体结构设计 |
| 5.3 MIMO信道估计与检测模块的实现 |
| 5.3.1 导频的插入与组帧 |
| 5.3.2 先导码部分L-SIG的信道估计与检测 |
| 5.3.3 数据部分信道估计与检测 |
| 5.4 高速MIMO-OFDM通信链路上板测试 |
| 5.4.1 系统在硬件上实现的资源消耗 |
| 5.4.2 系统硬软件联合测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作及展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（7）高速电力线载波通信抗干扰技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 电力线通信发展现状及其标准 |
| 1.2.1 电力线通信现状及发展 |
| 1.2.2 电力线通信标准 |
| 1.3 电力线通信中的调制技术 |
| 1.4 电力线通信中的均衡技术 |
| 1.5 全文重点研究内容及结构 |
| 1.6 全文篇章结构 |
| 第2章 电力线通信工作机理及其信道建模 |
| 2.1 电力线载波通信原理 |
| 2.2 几种典型噪声及其特性研究 |
| 2.2.1 有色背景噪声 |
| 2.2.2 窄带噪声 |
| 2.2.3 与工频异步的周期性脉冲噪声 |
| 2.2.4 与工频同步的周期性脉冲噪声 |
| 2.2.5 随机脉冲噪声 |
| 2.3 信道阻抗特性 |
| 2.4 信道衰减特性 |
| 2.5 多径传输效应 |
| 2.6 信道模型 |
| 2.7 PLC信道补偿的可行方法探讨 |
| 2.8 本章小结 |
| 第3章 多载波下电力线OFDM信道估计 |
| 3.1 电力线OFDM系统基本原理 |
| 3.2 低压电力线OFDM系统模型 |
| 3.3 传统的OFDM系统信道估计 |
| 3.3.1 LS信道估计 |
| 3.3.2 MMSE信道估计 |
| 3.3.3 LMMSE信道估计 |
| 3.3.4 SVD信道估计 |
| 3.4 几类基本插值方法 |
| 3.5 基于K-means方法的信道估计 |
| 3.6 实验仿真与结果分析 |
| 3.6.1 传统类信道估计方案比较 |
| 3.6.2 电力线OFDM信道估计新方案 |
| 3.7 本章小结 |
| 第4章 单载波下的CMA-LMS电力线信道均衡算法 |
| 4.1 均衡器设计原理 |
| 4.2 常用均衡器 |
| 4.2.1 均衡器基带模型 |
| 4.2.2 LMS算法 |
| 4.3 盲均衡器 |
| 4.3.1 盲均衡器的迫零设计准则 |
| 4.3.2 盲均衡算法 |
| 4.4 双模CMA-LMS自适应均衡算法 |
| 4.5 双模CMA-LMS仿真结果分析 |
| 4.6 并行化CMA-LMS均衡器结构及复杂度分析 |
| 4.7 本章小结 |
| 第5章 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 作者在读期间成果及参加的科研项目 |
（8）基于OFDM水声通信系统的信道估计与均衡模块的改进（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水声通信国内外研究现状 |
| 1.2.2 基于OFDM的水声通信国内外研究现状 |
| 1.2.3 信道估计和均衡模块国内外研究现状 |
| 1.3 论文的主要研究内容与结构安排 |
| 第2章 水声信道分析与OFDM水声通信系统结构 |
| 2.1 引言 |
| 2.2 水声信道特性分析 |
| 2.3 OFDM水声通信系统结构及功能 |
| 2.4 信道特性对系统的影响 |
| 2.5 本章小结 |
| 第3章 针对多普勒效应的信道估计和均衡模块改进 |
| 3.1 引言 |
| 3.2 多普勒效应对信道估计和均衡模块的影响 |
| 3.3 信道估计模块的改进 |
| 3.3.1 基于压缩感知的Spa RSA信道估计算法 |
| 3.3.2 压缩感知中的传感矩阵 |
| 3.3.3 凸优化中的正则化参数 |
| 3.4 信道均衡模块改进 |
| 3.4.1 迫零信道均衡 |
| 3.4.2 基于对角加载因子的MMSE信道均衡 |
| 3.5 改进后的信道估计和均衡模块性能仿真分析 |
| 3.5.1 未加噪声时模块改进性能仿真 |
| 3.5.2 加入噪声后系统整体性能仿真 |
| 3.6 本章小结 |
| 第4章 基于先验信息的自适应迭代接收机 |
| 4.1 引言 |
| 4.2 非自适应ICI-aware接收机 |
| 4.3 自适应迭代接收机 |
| 4.3.1 先验信息的求解与概率转换 |
| 4.3.2 基于先验信息的信道估计模块 |
| 4.3.3 基于先验信息的MMSE均衡 |
| 4.4 自适应迭代接收机性能仿真分析 |
| 4.5 基于千岛湖实验数据的改进后接收机性能分析 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（9）5G通信系统中抗干扰信道的估计和均衡方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 5G移动通信简介 |
| 1.1.1 5G与4G的区别 |
| 1.1.2 5G移动通信的特点 |
| 1.1.3 5G移动通信的关键技术 |
| 1.2 课题研究的意义 |
| 1.3 OFDM系统的背景 |
| 1.4 抗干扰技术的现状 |
| 1.5 本文结构和工作安排 |
| 第二章 衰落信道及衰落模型 |
| 2.1 信道分类 |
| 2.2 衰落分类 |
| 2.2.1 衰落因素 |
| 2.2.2 多径衰落 |
| 2.3 常见衰落模型 |
| 2.3.1 瑞利衰落模型 |
| 2.3.2 莱斯衰落模型 |
| 2.3.3 高斯衰落模型 |
| 2.4 本章小结 |
| 第三章 5G通信中抗干扰技术及MIMO OFDM系统 |
| 3.1 5G通信中的干扰原因 |
| 3.1.1 干扰的类型 |
| 3.1.2 产生干扰的原因 |
| 3.2 5G通信中抗干扰技术 |
| 3.2.1 多输入多输出(MIMO)技术 |
| 3.2.2 智能天线技术 |
| 3.3 OFDM技术 |
| 3.3.1 OFDM原理 |
| 3.3.2 OFDM保护间隔和循环前缀 |
| 3.3.3 DFT实现方法 |
| 3.4 MIMO OFDM通信系统 |
| 3.4.1 MIMO OFDM系统原理 |
| 3.4.2 MIMO OFDM系统的关键模块 |
| 3.5 本章小结 |
| 第四章 MIMO-OFDM信道估计算法的研究 |
| 4.1 信道估计的导频设计 |
| 4.1.1 导频分类 |
| 4.1.2 导频间隔 |
| 4.2 常见的插值算法 |
| 4.3 信道估计算法 |
| 4.3.1 LS信道估计算法 |
| 4.3.2 MMSE信道估计算法 |
| 4.3.3 LMMSE信道估计算法 |
| 4.3.4 基于奇异值分解的LMMSE算法 |
| 4.3.5 改进的LMMSE信道估计算法 |
| 4.4 仿真与分析 |
| 4.4.1 仿真一:不同导频间隔的误码率 |
| 4.4.2 仿真二:不同估计算法的系统性能 |
| 4.4.3 仿真三:不同插值算法的误码率 |
| 4.5 本章小结 |
| 第五章 MIMO-OFDM信道均衡算法的研究 |
| 5.1 自适应均衡的原理 |
| 5.2 均衡器分类 |
| 5.2.1 时域均衡器 |
| 5.2.2 线性均衡器 |
| 5.3 LMS均衡算法及仿真 |
| 5.3.1 LMS均衡算法原理 |
| 5.3.2 LMS均衡算法仿真与分析 |
| 5.4 改进的均衡算法 |
| 5.4.1 基于小波变换的自适应滤波算法 |
| 5.4.2 基于小波变换的变步长LMS算法 |
| 5.5 仿真与总结 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 附录 攻读硕士学位期间撰写的论文 |
| 致谢 |
（10）基于神经网络的大规模MIMO-OFDM系统信道估计和均衡方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 信道估计方法国内外研究现状 |
| 1.3 信道均衡方法国内外研究现状 |
| 1.4 神经网络技术应用于无线通信领域研究现状 |
| 1.5 本文内容与结构安排 |
| 第二章 大规模MIMO系统概述和神经网络技术原理 |
| 2.1 无线信道特性 |
| 2.1.1 路径损耗 |
| 2.1.2 大尺度衰落 |
| 2.1.3 小尺度衰落 |
| 2.2 大规模MIMO基本理论 |
| 2.2.1 大规模MIMO技术 |
| 2.2.2 典型的点对点大规模MIMO-OFDM系统模型 |
| 2.2.3 大规模MIMO-OFDM系统信道估计原理 |
| 2.2.4 大规模MIMO-OFDM系统信道均衡原理 |
| 2.3 神经网络技术基本原理 |
| 2.3.1 神经网络的重要特征 |
| 2.3.2 神经元 |
| 2.3.3 激活函数 |
| 2.4 本章小结 |
| 第三章 基于深度神经网络的信道估计方法 |
| 3.1 信道估计基础 |
| 3.1.1 LS算法 |
| 3.1.2 MMSE算法 |
| 3.1.3 LMMSE算法 |
| 3.1.4 基于压缩感知的大规模MIMO-OFDM系统信道估计 |
| 3.2 基于DNN网络信道估计方法 |
| 3.2.1 DNN网络结构 |
| 3.2.2 DNN网络模型训练 |
| 3.2.3 基于DNN网络的大规模MIMO-OFDM系统信道估计算法 |
| 3.3 算法仿真性能分析 |
| 3.3.1 DNN网络相关参数的确定 |
| 3.3.2 DNN网络与传统LS和经典BPNN网络性能对比 |
| 3.4 本章小结 |
| 第四章 基于深度神经网络的信道均衡方法及优化 |
| 4.1 信道均衡基础 |
| 4.1.1 ZF均衡算法 |
| 4.1.2 MMSE均衡算法 |
| 4.1.3 ML均衡算法 |
| 4.2 基于DNN网络信道均衡方法 |
| 4.2.1 DNN网络均衡算法原理 |
| 4.2.2 DNN网络均衡算法描述 |
| 4.3 基于分类加权方法的DNN网络优化 |
| 4.4 均衡算法仿真性能分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
四、一种基于特征值求解的OFDM信道均衡算法（论文参考文献）
- [1]基于转换域调制的多载波系统信道估计与均衡[D]. 瞿辉洋. 电子科技大学, 2021
- [2]超奈奎斯特非正交频分复用相干光通信系统核心DSP算法研究[D]. 唐玉倩. 北京邮电大学, 2021(01)
- [3]基于多色LED的宽光谱通信理论与技术研究[D]. 葛鹏飞. 东南大学, 2021(02)
- [4]深度学习在无线通信物理层中的应用[D]. 薛谦. 东南大学, 2020(01)
- [5]宽带微功率无线通信系统的信道估计与均衡的FPGA实现[D]. 王浩林. 重庆邮电大学, 2020(02)
- [6]高速通信系统的物理层技术研究与实现 ——信道估计技术[D]. 严瑛. 电子科技大学, 2020(07)
- [7]高速电力线载波通信抗干扰技术研究[D]. 姚辉. 杭州电子科技大学, 2020(04)
- [8]基于OFDM水声通信系统的信道估计与均衡模块的改进[D]. 刘旭. 哈尔滨工业大学, 2020(02)
- [9]5G通信系统中抗干扰信道的估计和均衡方法研究[D]. 黄菊菊. 南京邮电大学, 2019(02)
- [10]基于神经网络的大规模MIMO-OFDM系统信道估计和均衡方法研究[D]. 戴博. 天津工业大学, 2019(02)