Low Complexity Joint Estimation of Synchronization Impairments in Sparse Channel for MIMO-OFDM System
该文提出了一种低复杂度的单用户MIMO-OFDM系统同步损伤和信道联合估计方法。基于考虑载波频率偏移、采样频率偏移、符号定时误差等同步损伤和信道影响的系统模型,提出了一种联合估计的最大似然(ML)算法。为了降低ML网格搜索的复杂度,需要减少用于估计的接收信号样本的数量。传统的基于最小二乘(LS)的信道估计方法在小样本欠定系统中无法实现,导致联合估计器性能不佳。所提出的ML算法在稀疏衰落场景中使用基于压缩感知(CS)的信道估计方法,其中用于估计的接收样本小于基于LS的估计所需的样本。通过数值仿真研究了该估计方法的性能,发现基于CS的联合估计器性能优于基于LS的联合估计器
2013-04-28 cs.IT math.IT
Blind Estimation of Sparse Multi-User Massive MIMO Channels
我们提供了一个最大似然公式的盲估计的大规模毫米波MIMO信道,同时考虑到他们的底层稀疏结构。这种方法的主要优点是,由于导频序列的开销可以显着减少,特别是当工作在低SNR每天线。因此,在角域中的稀疏性被利用作为一个关键属性,使用户的信道之间的明确的盲分离。另一方面,由于仅假设稀疏性,所提出的方法相对于信道和数据的统计特性是鲁棒的,并且允许在快速时变的情况下进行估计,并且最终将干扰用户与相邻基站分离。此外,性能极限是基于千里眼Cramér Rao下限推导出来的。仿真结果表明,这种最大似然公式产生优越的估计精度与合理的计算复杂性和有限的模型假设。
2016-12-01 cs.IT math.IT
Blind Estimation of Sparse Broadband Massive MIMO Channels with Ideal and One-bit ADCs
我们研究了大规模毫米波MIMO信道盲估计的最大似然问题,同时考虑到其底层的稀疏结构,在宽带制度中的天线的时间移位,并最终在接收器处的一位量化。利用角域中的稀疏性作为一个关键属性,使用户的信道之间的明确的盲分离。这种方法的主要优点是,由于导频序列的开销可以显着减少,特别是当工作在低SNR每天线。此外,由于稀疏性是关于信道的唯一假设,因此所提出的方法对于信道和数据的统计特性是鲁棒的,并且允许在快速时变的情况下执行信道估计和干扰用户与相邻基站的分离。对于1比特接收机的情况下,提出了一种盲信道估计,依赖于期望最大化(EM)算法。此外,性能极限是根据千里眼Cramer Rao下限得出的。仿真结果表明,这种最大似然公式产生优越的估计精度在窄带以及宽带制度与合理的计算复杂性和有限的模型假设。
2017-09-20 cs.IT math.IT
Blind Identification of SM and Alamouti STBC-OFDM Signals
提出了一种有效的空间复用(SM)和阿拉姆(AL)编码正交频分复用(OFDM)信号识别算法。利用来自不同天线的接收信号之间的互相关来提供区分特征以识别SM-OFDM和AL-OFDM信号。该算法既不需要估计信道系数和噪声功率,也不需要对发射信号进行调制。此外,它不需要空时分组码(STBC)或OFDM块同步。通过大量的仿真实验证明了该算法的有效性,在存在不同的传输损伤,如时间和频率偏移,多普勒频率,空间相关衰落。
2016-12-09 cs.IT math.IT
Maximum Likelihood Algorithms for Joint Estimation of Synchronization Impairments and Channel in MIMO-OFDM System
研究了多输入多输出正交频分复用(MIMO-OFDM)系统中同步损伤和信道联合估计的最大似然(ML)算法。系统模型,考虑到载波频率偏移,采样频率偏移,符号定时误差和信道脉冲响应的影响制定。给出了连续参数估计的Cramér-Rao下界,该下界反映了不同损伤之间的耦合效应和联合估计的重要性.我们提出了一种最大似然估计算法,同步损伤和信道一起,使用网格搜索方法。为了降低ML算法中联合网格搜索的复杂度,本文还提出了一种具有多个一维搜索的改进ML(MML)算法。此外,一个阶段明智的ML(SML)算法使用现有的算法,估计较少的参数,也提出了。通过数值仿真研究了估计算法的性能,发现提出的ML和MML算法具有比SML算法更好的性能。
2012-10-27 cs.IT math.IT
Semi-Blind Channel-and-Signal Estimation for Uplink Massive MIMO With Channel Sparsity
本文考虑了上行链路大规模多输入多输出(MIMO)系统的收发机设计与信道稀疏在角域。最近的研究表明,基于稀疏学习的盲信号检测能够通过使用基于消息传递的稀疏矩阵分解方法来恢复信道和数据。短导频序列被插入到用户数据包中,以消除稀疏矩阵分解中固有的所谓相位和置换模糊性。在本文中,更有效地利用这些短导频序列的知识,我们提出了一种半盲信道和信号估计(SCSE)计划,其中的导频序列的知识被集成到消息传递算法稀疏矩阵分解。SCSE算法涉及对所有可能的用户排列的枚举,因此当用户数量相对较大时是耗时的。为了降低复杂性,我们进一步开发了简化的SCSE(S-SCSE),以适应大量用户的系统。我们表明,我们的半盲信号检测方案大大优于国家的最先进的盲检测和训练为基础的计划在短导频制度。
2019-06-04 cs.IT math.IT
Blind Estimation of Multiple Carrier Frequency Offsets
多载波频率偏移(CFO)出现在分布式天线系统中,其中数据从多个天线同时发射。在这样的系统中,由于发射机和接收机的本地振荡器之间的失配,接收信号包含多个CFO。这导致数据星座的时变旋转,其需要在符号恢复之前在接收器处被补偿。本文提出了一种新的盲频偏估计和符号恢复方法。接收到的基带信号被过采样,其多相分量被用来制定一个虚拟的多输入多输出(MIMO)问题。通过应用盲MIMO系统估计技术,估计系统响应,并用于随后将多个CFO估计问题转化为许多独立的单CFO估计问题。此外,从MIMO系统响应的相位获得CFO的初始估计。还推导了Cramer-Rao下界,并将所提出的估计器的大样本性能与该界进行了比较。
2007-07-03 cs.IT math.IT
EM-based Semi-blind Channel Estimation in AF Two-Way Relay Networks
提出了一种基于期望最大化的放大转发双向中继网络互易信道半盲信道估计算法。通过将数据样本和导频两者结合到估计中,所提出的算法提供了比传统的基于训练的方法高得多的精度。此外,该算法每次迭代具有线性的计算复杂性,并在少量迭代后收敛。
2013-04-24 cs.IT math.IT stat.OT
Channel Estimation for Two-Way Relay Networks in the Presence of Synchronization Errors
本文研究了在双向中继网络(TWRN)中,当两个信源之间存在同步误差时,导频辅助的信道估计问题。当两个信源发送的信号在中继站叠加时,不可预测的同步误差会导致时域偏移和信号到达顺序(SAO)模糊。首先提出了一种两步信道估计算法,利用线性最小均方误差(LMMSE)估计器获得基于导频符号的初始信道估计,然后利用线性最小误差概率(LMEP)估计器更新这些估计。最佳的训练序列和功率分配的中继设计,以进一步提高性能的LMMSE的初始信道估计。为了解决SAO的模糊问题,广义似然比测试(GLRT)方法的应用和上界的SAO检测错误概率推导。通过使用SAO信息,提出了一种缩放的LMEP估计算法,以补偿SAO检测误差引起的性能下降。仿真结果表明,所提出的信道估计算法能够有效地消除TWRN中异步传输带来的负面影响,性能明显优于现有的信道估计算法。
2014-11-02 cs.IT math.IT
Blind Estimation of Effective Downlink Channel Gains in Massive MIMO
我们考虑大规模MIMO下行链路与时分双工(TDD)操作和共轭波束成形传输。为了可靠地解码期望信号,用户需要知道有效信道增益。在本文中,我们提出了一种盲信道估计方法,它可以应用在用户,它不需要任何下行链路导频。我们表明,我们提出的方案可以大大优于每个用户只有统计信道知识的情况下,性能的差异是特别大的某些类型的通道,最显着的锁眼通道。与依赖于下行链路导频的方案相比,我们提出的方案在宽范围的信噪比下产生更准确的信道估计,并且避免在导频上花费时频资源。
2015-03-31 cs.IT math.IT
Robust Preamble Design for Synchronization, Signaling Transmission and Channel Estimation
欧洲第二代数字视频广播标准(DVB-T2)引入了P1符号。该P1符号有助于粗同步,并携带7比特传输参数信令(TPS),包括快速傅立叶变换大小、单输入/单输出和多输入/单输出传输模式等。然而,该P1符号在衰落信道上遭受明显的性能损失。本文提出了一种改进的前导码方案,在频域中插入一对最优的m序列。一个序列用于载波频率偏移(CFO)估计,另一个携带TPS以通知接收器关于传输配置参数。与传统的前导码方案相比,所提出的前导码提高了CFO估计性能和信令容量。同时,在没有额外开销的情况下,所提出的方案比传统方案利用更多的活动导频。这样,它可以方便的信道估计,提高帧同步精度以及增强其对频率选择性衰落信道的鲁棒性。
2015-11-27 cs.IT math.IT
Super-Resolution Blind Channel-and-Signal Estimation for Massive MIMO with One-Dimensional Antenna Array
在本文中,我们研究了盲信道和信号估计,利用突发稀疏结构的角域传播信道在大规模MIMO系统。现有技术的方法通过利用均匀的角度采样网格(也称为角采样网格)对角域信道表示进行采样来利用结构化信道稀疏性。虚拟信道表示。然而,这种方法仅适用于均匀线阵,并且可能由于虚拟表示和真实角度信息之间的不匹配而导致显著的性能损失。为了解决这些挑战,我们提出了一个稀疏信道表示与超分辨率采样网格和隐藏的马尔可夫支持。在此基础上,提出了一种新的基于近似推理的盲估计算法,实现了对信道和用户信号的同时估计,并重点采用期望最大化方法学习角度信息。此外,我们证明了我们的算法的低复杂度的实现,利用因子图和消息传递原则来计算边际后验。数值实验结果表明,与现有方法相比,该方法在各种条件下均能显著降低估计误差,验证了该方法的有效性和鲁棒性.
2019-07-09 cs.IT math.IT
Semi-Blind Cascaded Channel Estimation for Reconfigurable Intelligent Surface Aided Massive MIMO
可重构智能表面(Reconfigurable intelligent surface,RIS)是一种具有广阔应用前景的绿色技术,可以降低大规模多输入多输出(multiple-input multiple-output,MIMO)无线网络的能耗,提高网络的覆盖率和频谱效率。在RIS辅助的MIMO系统中,信道状态信息(CSI)的获取对于实现RIS的无源波束成形增益是重要的,但是由于发射机-RIS-接收机信道的级联特性以及无源RIS元件的信号处理能力的缺乏,也是具有挑战性的。在这样的系统中用于CSI获取的现有技术方法是依赖于导频符号的长序列的纯基于训练的策略。本文研究了基于RIS-Aided的大规模MIMO系统的半盲级联信道估计问题,在该系统中,接收端利用少量的导频序列同时估计信道系数和部分未知的发射信号。具体来说,我们制定了一个三线性矩阵分解任务的半盲级联信道估计。在贝叶斯推理框架下,我们利用近似消息传递原理开发了一个计算效率高的迭代算法来解决三线性推理问题。同时,我们提出了一个分析框架,通过统计物理学中的副本方法来表征所提出的方法在大系统极限下的理论性能界。大量的仿真结果证明了所提出的半盲级联信道估计算法的有效性。
2021-02-11 cs.IT math.IT
On the relaxed maximum-likelihood blind MIMO channel estimation for orthogonal space-time block codes
本文研究了当信号星座图的有限字母约束放松时,采用正交空时分组码的MIMO系统的最大似然信道估计。我们研究了由该方法产生的信道系数估计子空间。我们提供了一个代数表征这个子空间的优化问题变成一个纯粹的代数,更重要的是,导致几个有趣的分析证明。我们证明,概率为1,信道系数的估计子空间的维数是确定性的,它通过增加接收天线的数量减少到一定的临界接收天线数量,之后的维数保持不变。事实上,我们表明,超过这个临界数量的接收天线,信道系数的估计子空间是等距的一个固定的确定性不变的空间,可以很容易地计算每个特定的OSTB码。
2020-05-25 cs.IT math.IT
Effect of Synchronizing Coordinated Base Stations on Phase Noise Estimation
本文研究了多点协作传输系统中的振荡器相位噪声估计问题。具体来说,我们调查协调基站(BS)之间的相位同步的PN估计在用户接收机(下行链路信道)的效果。在这方面,推导出用于PN估计的贝叶斯Cramér-Rao界,其是协调BS之间的相位同步水平的函数。结果表明,基站同步质量对PN码估计有重要影响。
2014-07-16 cs.IT math.IT
Power Systems Topology and State Estimation by Graph Blind Source Separation
本文研究了电力系统状态和拓扑的盲估计问题。我们使用的线性化直流模型的实际功率测量与未知的电压相位(即状态)和一个未知的导纳矩阵(即拓扑结构),并表明最佳的问题,可以制定为一个盲声源分离(BSS)问题与加权拉普拉斯混合矩阵。我们开发的约束最大似然(ML)估计的拉普拉斯矩阵的这个图BSS(GBSS)问题的高斯分布状态。的ML-BEST被证明是唯一的状态二阶统计量的函数。由于ML-BEST方法的拓扑恢复阶段导致高复杂度的优化问题,因此我们提出了两种低复杂度的方法来实现它:1)两阶段拓扑恢复,其基于求解松弛凸优化,然后找到最接近的拉普拉斯矩阵,以及2)增强拉格朗日拓扑恢复。我们推导出一个封闭形式的表达相关的Cramer-Rao界(CRB)的拓扑矩阵估计。IEEE-14总线测试用例系统和随机网络的性能评估所提出的方法。结果表明,所提出的ML-BEST方法的状态估计性能与Oracle最小均方误差(MSE)状态估计器性能渐近一致,拓扑估计的MSE达到了所提出的CRB.
2018-09-17 cs.IT math.IT
Partially-blind Estimation of Reciprocal Channels for AF Two-Way Relay Networks Employing M-PSK Modulation
我们考虑放大转发双向中继的信道估计问题,假设信道互易性和M-PSK调制。在早期的工作中,部分盲最大似然估计是通过将数据视为确定性未知数而得到的。我们证明了该估计器在高信噪比(SNR)下以高概率逼近真实信道,但并不一致。然后,我们提出了一种替代的估计,这是一致的,并具有同样有利的高信噪比性能。我们还得到了无偏估计方差的Cramer-Rao界。
2012-02-15 cs.IT math.IT stat.OT
NB-IoT Uplink Synchronization by Change Point Detection of Phase Series in NTNs
针对NTN中NB-IoT上行同步受大传播时延和多普勒频移影响的问题,提出基于机器学习相位序列CPD的两阶段ToA/CFO估计方法,在低SNR下提升精度并扩大估计范围。
2023-06-04 cs.IT math.IT
Semi-Blind Joint Channel and Symbol Estimation in IRS-Assisted Multi-User MIMO Networks
智能反射面(IRS)是未来第五代无线通信的一项重要技术。在完全被动的IRS辅助系统中,信道估计是具有挑战性的,并且应当仅在基站处或在终端处执行,因为IRS的元件不能处理信号。在这封信中,我们制定了一个基于张量的半盲接收机,解决了联合信道和符号估计问题的IRS辅助多用户多输入多输出系统。所提出的方法依赖于广义PARATUCK张量模型的IRS反射的信号,基于一个两阶段的封闭形式的半盲接收机使用Khatri-Rao和Kronecker分解。仿真结果表明,所提出的半盲接收机的优良性能,在归一化均方误差和符号出错率,以及较低的计算复杂性,最近提出的并行因子分析为基础的接收机相比。
2022-05-04 cs.IT eess.SP math.IT
Impact Analysis of Antenna Array Geometry on Performance of Semi-blind Structured Channel Estimation for massive MIMO-OFDM systems
本文研究大规模MIMO-OFDM系统中天线阵列几何结构对半盲结构化信道估计性能的影响,用Cramér-Rao Bound分析两种估计方法的误差,发现半盲方法性能更优,且均匀圆柱阵列系统表现优于传统均匀线阵。
2023-05-16 cs.IT eess.SP math.IT
Timing acquisition and demodulation of an UWB system based on the differential scheme
由于超宽带(UWB)系统的脉冲持续时间很短,需要快速的同步算法来适应多个异步用户,因此盲同步是实现高效UWB系统的一个主要挑战。本文提出了一种基于特殊码设计的非相干传输码块同步算法(CBSA)。同步算法直接应用在接收信号上来估计定时偏移,而不需要任何训练序列。不同的用户可以通过不同长度的扩频码共享可用带宽。这允许接收器分离用户,并且恢复所发送的符号的定时信息。仿真结果和比较验证了所提出的方案,即使在多用户的情况下,有前途的性能。事实上,与参考文献[5]相比,所提出的算法提供了约3 dB的增益。
2012-04-05 cs.IT math.IT
Blind Deconvolution of Ultrasonic Signals Using High-Order Spectral Analysis and Wavelets
超声法缺陷检测受脉冲宽度的限制。可以通过利用脉冲的先验信息的反卷积过程或通过其估计来提高分辨率。本文提出了一种基于小波收缩的维纳滤波器正则化方法,用于反射率函数的估计。最后的结果表明,提高了信噪比与更好的轴向分辨率。
2012-02-26 cs.IT math.IT
A compressive channel estimation technique robust to synchronization impairments
由于波束成形之前的硬件非理想性和低SNR测量,毫米波频率下的初始接入是一个具有挑战性的问题。先前的工作已经利用了毫米波MIMO信道在空间角度域中稀疏的观察,并且已经使用基于压缩感知的算法进行信道估计。然而,他们中的大多数忽略了硬件损伤,如载波频率偏移和相位噪声,并且当考虑到这些损伤时不能很好地执行。在本文中,我们开发了一种压缩信道估计算法的窄带毫米波系统,这是鲁棒的非理想性。我们通过构建对毫米波信道和CFO进行建模的张量来解决这个问题,并在仍然利用毫米波信道的稀疏性的同时估计张量。仿真结果表明,在相同的设置下,我们的方法表现得更好,比可比的算法是强大的相位误差。
2017-07-29 cs.IT math.IT
Decentralized Expectation Propagation for Semi-Blind Channel Estimation in Cell-Free Networks
针对无蜂窝大规模MIMO上行半盲信道估计中的导频污染问题,提出融合CLT与EP的去中心化因子分解方法,在无需新增辅助变量的同时降低CPU计算负担。
2024-10-02 cs.IT eess.SP math.IT
Fundamental limits via CRB of semi-blind channel estimation in Massive MIMO systems
本文研究了大规模MIMO系统中半盲信道估计的CRB渐近行为,推导出数学上易处理的表达式,发现当传输块长度和训练序列长度同步增长且用户数固定时CRB可任意小,否则误差存在非零下界。
2025-07-11 cs.IT eess.SP math.IT
Blind Cyclic Prefix-based CFO Estimation in MIMO-OFDM Systems
本文提出一种基于循环前缀的低开销盲CFO估计方法,利用天线和时间分集,提供闭式解和算法,在计算复杂度线性增加下显著提升MIMO-OFDM系统性能。
2023-08-29 cs.IT eess.SP math.IT
Semi-blind Channel Estimation and Data Detection for Multi-cell Massive MIMO Systems on Time-Varying Channels
研究了空间相关时变信道下多小区大规模MIMO系统上行链路的半盲信道估计和符号检测问题。提出了一种基于期望传播(EP)的算法,利用指数族分布迭代逼近未知信道矩阵和发送数据符号的联合后验分布。然后,该分布被用于信道矩阵的直接估计和数据符号的检测。流行的卡尔曼滤波算法被称为KF-M的修改版本出现从我们的EP推导,它是用来初始化的EP为基础的算法。卡尔曼平滑算法其次是KF-M的性能也进行了研究。仿真结果表明,基于KF-M、KS-M和EP的半盲算法的信道估计误差和符号出错率(SER)随着基站天线数和发送帧长度的增加而改善。结果表明,基于EP的算法在信道估计和符号检测方面明显优于KF-M和KS-M算法。最后,我们的研究结果表明,当应用于时变信道,这些算法优于块衰落信道模型开发的算法。
2020-11-18 cs.IT eess.SP math.IT
Point spread function estimation for blind image deblurring problems based on framelet transform
University of Mohaghegh Ardabili(莫哈格·阿达比里大学)
图像处理中最重要的问题之一是由于模糊处理而丢失的图像的近似。这类问题分为非盲问题和盲问题。由于原始图像和点扩散函数估计的未知性,第二类问题在计算方面比第一类问题更复杂。本文提出了一种基于$l_0-αl_1$正则化和小框架变换的粗到精迭代算法来逼近扩展函数估计。小框架转移由于核到不同频率的分解而改善了恢复的核。在该模型中,采用分数阶梯度算子代替了普通的梯度算子.该方法是研究不同类型的图像,如文字,人脸,自然。该方法的输出反映了所提出的算法在恢复图像的盲问题的有效性。
2021-12-21 cs.CV cs.IT eess.IV
Bilinear Expectation Propagation for Distributed Semi-Blind Joint Channel Estimation and Data Detection in Cell-Free Massive MIMO
针对无蜂窝大规模MIMO上行传输场景,提出基于双线性期望传播的分布式半盲联合信道估计与数据检测算法,通过因子图消息传递实现低复杂度分布式计算,性能优于同类多项式时间算法。
2023-12-18 cs.IT eess.SP math.IT
Blind Performance Prediction for Deep Learning Based Ultra-Massive MIMO Channel Estimation
可靠性对于无线系统的物理层是至关重要的,因为它对端到端性能具有决定性影响。然而,由于神经网络的黑盒性质,基于深度学习(DL)的物理层算法的不确定性很难量化。这一限制是妨碍其实际部署的主要障碍。在本文中,我们试图量化一类重要的基于DL的信道估计器的不确定性。提出了一种有效的统计方法,使盲预测的均方误差的DL估计信道的接收导频的基础上,单独的,没有知识的地面真理信道,信道的先验分布,或噪声统计。盲性能预测的复杂度低,并且仅与天线的数量成线性比例。仿真结果验证了该方法在超大规模多输入多输出(UM-MIMO)信道估计中的准确性和有效性。
2023-02-05 cs.IT eess.SP math.IT
Cramér-Rao Bounds for Blind Multichannel Estimation
在一些估计问题中,并不是所有的参数都能被识别,这就导致了Fisher信息矩阵(Fisher Information Matrix)的奇异性。Cramér-Rao界(CRB),它是α的逆,然后没有定义。为了正则化估计问题,可以对参数施加约束并导出相应的CRB。本文研究了局部可识别性与正则性之间的对应关系。此外,证明了非线性奇异性的数目等于具有定义良好的约束CRB和局部可识别性所需的独立约束的数目。通常,许多约束集可以使参数可识别,从而为CRB提供不同的值,这些值并不总是相关的。当可以选择的约束,我们提出了一个受约束的CRB,伪逆的?,它给出了,对于最小数量的约束,最低限度的均方估计误差。这些结果适用于两种方法,盲FIR多通道估计,允许识别的通道的比例或相位因子。这两种方法对应于未知信道输入的确定性和高斯模型。的奇异性和局部可识别性的研究和相应的约束CRBs的推导和解释。
2017-10-04 cs.IT eess.SP math.IT
Blind SNR Estimation and Nonparametric Channel Denoising in Multi-Antenna mmWave Systems
提出了一种适用于多天线毫米波无线系统的平均噪声功率、接收信号功率、信噪比和均方误差的盲估计方法。所提出的估计器可以以低复杂度计算并且仅依赖于波束空间稀疏性,即,在典型的毫米波信道中仅存在少量的主要传播路径的事实。我们的估计器可用于(i)快速跟踪多天线毫米波系统中的一些关键量,同时避免额外的导频开销,以及(ii)设计需要这些量的高效非参数算法。我们提供了一个理论分析所提出的估计,我们证明了他们的功效,通过合成实验,并使用一个非参数信道矢量去噪任务与现实的多天线毫米波信道。
2021-02-08 cs.IT eess.SP math.IT
Breaking the TDD Flow for Over-the-Air Phase Synchronization in Distributed Antenna Systems
针对分布式天线阵列相位同步需打破标准TDD流程的问题,提出改进TDD流程适配同步信号传输,推导下行频谱效率,验证了频繁重估相位差及Kalman滤波跟踪对低质量LO系统频谱效率的提升作用。
2025-09-03 cs.IT eess.SP math.IT
Double-Sparsity Learning Based Channel-and-Signal Estimation in Massive MIMO with Generalized Spatial Modulation
在本文中,我们研究了联合天线活动检测,信道估计和多用户检测的大规模多输入多输出(MIMO)系统与一般空间调制(GSM)。本文首先考虑大规模MIMO信道的稀疏性和GSM系统的信号稀疏性,建立了一个双稀疏大规模MIMO模型。基于双稀疏模型,我们制定了盲检测问题。为了解决盲检测问题,我们提出了基于消息传递的盲信道和信号估计(BCSE)算法。BCSE算法基本上遵循仿射稀疏矩阵分解技术,但进行了关键修改以处理模型的双稀疏性。我们表明,BCSE算法显着优于现有的盲和基于训练的算法,并能够密切接近精灵的界限(与已知信道或已知信号)。在BCSE算法中,稀疏矩阵分解后,使用短导频来消除相位和排列模糊。为了更有效地利用短导频,我们进一步发展了半盲信道和信号估计(SBCSE)算法,将相位和排列模糊度的估计到迭代消息传递过程中。我们表明,SBCSE算法大大优于同行的算法,包括BCSE算法在短导频制度。
2019-10-25 cs.IT eess.SP math.IT
Blind Channel Estimation and Data Detection with Unknown Modulation and Coding Scheme
本文研究了一种在未知多径衰落信道下的完全盲接收方法,它包括盲信道估计、噪声功率估计、调制分类、信道编码识别和数据检测等多个任务。这些任务中的每一个都在文献中得到了充分的研究。然而,据我们所知,这一总体问题以前没有被调查过。本文件是联合处理这一总体问题的第一次尝试。我们提出了一个完整的盲接收机的方法,联合估计未知的信道状态信息和噪声功率,识别未知的调制和编码方案,检测感兴趣的数据,因此命名为BERD接收机。所提出的BERD接收机的另一个优点是,它可以实现为单个接收机和多个接收机,这确保了成功的估计,识别和检测这样一个极其困难的问题。此外,数值结果表明,所提出的接收机的性能在三个方面:a)BERD接收机优于线性最小均方误差(LMMSE)基于导频的信道估计超过3.5 dB的MSE为0.01; b)当信道状态信息完美时,BERD接收机的正确调制/编码识别性能在0.3dB以内,接近识别基准(CSI)可用; c)当调制、信道编码和CSI完全已知时,与基准相比,BERD接收器在0.001的出错率下在0.5dB内。最后,BERD接收机在民用和军用领域都有着广泛的应用,如频谱共享中的干扰消除、电子战中的实时信号截获和处理、软件无线电中的检测信号自动识别等。
2019-09-25 cs.IT eess.SP math.IT
Semi-Blind Joint Channel and Symbol Estimation for IRS-Assisted MIMO Systems
智能反射面(IRS)是第六代无线系统的一项很有前途的技术,实现了智能无线电环境的概念。在本文中,我们提出了一种新的基于张量的接收机的IRS辅助的多输入多输出通信能够联合估计的信道和传输的数据流在半盲的方式。假设完全无源IRS架构并在发射机处引入简单的空时编码方案,可以有利地使用PARATUCK张量模型来构建接收信号模型,PARATUCK张量模型可以被视为并行因子分析和Tucker模型的混合。利用PARATUCK张量模型的代数结构,推导出一种半盲接收机。所提出的接收器是基于三线性交替最小二乘法,迭代估计两个涉及的- IRS-基站和用户终端-IRS-通信信道和发送的符号矩阵。我们讨论的可识别性条件,确保联合半盲恢复所涉及的信道和符号矩阵,并提出了一个联合设计的编码和IRS反射矩阵,以优化接收机的性能。对于所提出的半盲接收机,还提供了预期的Cramér-Rao下界的推导。所提出的接收机设计的数值性能评估证实了其优越的性能方面的归一化均方误差的估计信道和实现的符号出错率。
2022-05-20 cs.IT eess.SP math.IT
Reconstruction of signals from their autocorrelation and cross-correlation vectors, with applications to phase retrieval and blind channel estimation
我们考虑的问题,重建两个信号的自相关和互相关测量。该逆问题是信号处理中的基本问题,并且在许多应用中出现,包括相位恢复和盲信道估计。在典型的相位恢复设置中,仅可获得自相关测量。我们表明,当使用三个简单的“掩模”获得的测量,相位恢复减少到上述重建问题。这个问题的经典解决方案是基于找到自相关和互相关向量的$z$变换之间的公因子。这种解决方案在实际应用中取得了有限的成功,主要是因为它在噪声环境中不够稳定。在这项工作中,凸规划在可证明和稳定地解决各种二次约束问题的成功的启发,我们开发了一个半定规划为基础的算法,并提供理论保证。特别是,我们表明,几乎所有的信号都可以唯一地恢复通过这种算法(全球阶段)。比较数值研究表明,所提出的方法显着优于经典的方法在噪声设置。
2016-10-09 cs.IT math.IT math.OC
Joint Ranging and Clock Synchronization for Dense Heterogeneous IoT Networks
由于用于物联网(IoT)节点之间的通信的信号的窄带性质,物联网(IoT)网络中的同步和测距具有挑战性。最近,已经提出了几种使用窄带信号的到达相位差(PDoA)测量进行距离估计的估计器。然而,这些估计是基于数据模型,不考虑时钟偏差的范围估计的影响。本文在统一的框架下研究了钟偏估计和距离估计。我们推导出一种新的和精确的数据模型PDoA测量,其中包括未知的时钟偏差的影响。然后,我们制定联合估计的时钟偏差和范围作为一个二维(2-D)的频率估计问题的一个单一的复杂的正弦曲线。此外,我们建议:(i)用于收集PDoA测量结果的双向通信协议,以及(ii)用于利用测量数据的移位不变性属性来联合估计时钟偏斜和距离的加权最小二乘(WLS)算法。最后,通过数值实验,将所提出的协议和估计器的性能与Cramer Rao下界进行了比较,证明了所提出的估计器是渐近有效的.
2018-12-04 cs.IT eess.SP math.IT
Blind Channel Estimation for Amplify-and-Forward Two-Way Relay Networks Employing M-PSK Modulation
研究放大转发双向中继网络的信道估计问题。大多数关于这个问题的工作都集中在基于导频的方法上,这种方法会产生显著的训练开销,从而降低系统的频谱效率。为了避免这种损失,这项工作提出了盲信道估计算法的AF TWRN采用恒模(CM)信令。我们的主要算法是基于确定性最大似然(DML)的方法。假设M-PSK调制,我们表明,由此产生的估计是一致的,并在高信噪比的调制阶数高于2的高概率接近真实的信道。然而,对于BPSK,DML表现不佳,我们提出了一种替代算法,考虑到BPSK结构的数据符号,执行得更好。为了比较的目的,我们还研究了高斯最大似然(GML)的方法,将数据符号作为高斯分布的滋扰参数。我们推导出Cramer-Rao界,并使用Monte-Carlo模拟研究所提出的算法的均方误差(MSE)性能。我们还比较了DML算法的符号出错率(SER)性能与基于训练的最小二乘(LS)算法,并证明了DML提供了一个优越的精度和频谱效率之间的权衡。
2012-03-02 cs.IT math.IT stat.OT
Blind Channel Estimation and Joint Symbol Detection with Data-Driven Factor Graphs
School of ECE, Ben-Gurion University of the Negev(本-古里安大学内盖夫分校电气与计算机工程学院)
本文研究时变线性码间干扰信道的盲联合信道估计与符号检测,提出一种交织BP与EM迭代的因子图算法以降低复杂度,并开发数据驱动版本引入动量与学习参数更新调度,显著提升了性能与复杂度权衡,在高信噪比下优于相干BP检测。
2025-02-03 cs.IT cs.LG eess.SP
Blind Equalization and Channel Estimation in Coherent Optical Communications Using Variational Autoencoders
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Nokia(诺基亚)
本文研究了基于变分推理的自适应盲均衡器在光通信载波恢复中的应用。这些均衡器基于最大似然信道估计的低复杂度近似。我们将变分自编码器(VAE)均衡器的概念推广到高阶调制格式,包括概率星座成形(PCS),在光通信中无处不在,在接收机过采样,和双偏振传输。除了基于卷积神经网络的黑盒均衡器之外,我们还提出了基于线性蝶形滤波器的基于模型的均衡器,并使用变分推理范式训练滤波器系数。作为副产品,VAE还提供可靠的信道估计。我们分析了VAE在经典的加性高斯白噪声(AWGN)信道与符号间干扰(ISI)和色散线性光双偏振信道的性能和灵活性。我们表明,它可以扩展盲自适应均衡器的应用范围优于国家的最先进的恒模算法(CMA)的PCS固定,但也随时间变化的信道。评价伴随着超参数分析。
2022-09-15 cs.IT cs.LG eess.SP