针对低轨卫星星地通信高动态信道特点,采用正交时频空(Orthogonal Time Frequency Space, OTFS)调制方式,提出一种低导频开销、高精度的两阶段信道估计方法,实现对时延、多普勒频移和信道增益3个参数的精细估计。所提TP-CSIE(Two Phase ...针对低轨卫星星地通信高动态信道特点,采用正交时频空(Orthogonal Time Frequency Space, OTFS)调制方式,提出一种低导频开销、高精度的两阶段信道估计方法,实现对时延、多普勒频移和信道增益3个参数的精细估计。所提TP-CSIE(Two Phase Channel State Information Estimation)方案采用时域训练序列为导频结构,解决时延-多普勒(Delay-Doppler, DD)域嵌入式导频方案在高动态星地链路下导频开销过大的问题。由于DD域信道的固有稀疏性,OTFS信道估计问题被转化为稀疏信号的恢复问题。在算法第一阶段,选用稀疏信号恢复算法进行信道参数的初始估计,利用重叠相加法获得部分先验信息以提高压缩采样匹配追踪(Compressive Sampling Matching Pursuit, CoSAMP)算法的准确性。在算法第二阶段,设计增强型旋转不变子空间算法实现信道参数的准确估计。仿真结果表明,与现有方案相比,所提算法归一化均方误差性能约有7 dB性能的提升,误码率性能约有10 dB的提升。展开更多
针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短...针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短码信号序列估计方法。将LSC-DSSS信号输入NIC神经网络以估计随机采样起点,再通过不断输入数据训练NIC神经网络权值向量。当网络收敛时,权值向量的符号值即为LSC-DSSS信号的复合码序列片段。使用延迟相乘,消除幅度模糊与短扩频码序列的影响,再利用梅西算法获得扰码序列的生成多项式。仿真实验结果表明,NIC神经网络较特征值分解法的抗噪声性能提高6 dB,同时较Hebbian准则神经网络所需学习组数减少50%。展开更多
文摘针对低轨卫星星地通信高动态信道特点,采用正交时频空(Orthogonal Time Frequency Space, OTFS)调制方式,提出一种低导频开销、高精度的两阶段信道估计方法,实现对时延、多普勒频移和信道增益3个参数的精细估计。所提TP-CSIE(Two Phase Channel State Information Estimation)方案采用时域训练序列为导频结构,解决时延-多普勒(Delay-Doppler, DD)域嵌入式导频方案在高动态星地链路下导频开销过大的问题。由于DD域信道的固有稀疏性,OTFS信道估计问题被转化为稀疏信号的恢复问题。在算法第一阶段,选用稀疏信号恢复算法进行信道参数的初始估计,利用重叠相加法获得部分先验信息以提高压缩采样匹配追踪(Compressive Sampling Matching Pursuit, CoSAMP)算法的准确性。在算法第二阶段,设计增强型旋转不变子空间算法实现信道参数的准确估计。仿真结果表明,与现有方案相比,所提算法归一化均方误差性能约有7 dB性能的提升,误码率性能约有10 dB的提升。
文摘针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短码信号序列估计方法。将LSC-DSSS信号输入NIC神经网络以估计随机采样起点,再通过不断输入数据训练NIC神经网络权值向量。当网络收敛时,权值向量的符号值即为LSC-DSSS信号的复合码序列片段。使用延迟相乘,消除幅度模糊与短扩频码序列的影响,再利用梅西算法获得扰码序列的生成多项式。仿真实验结果表明,NIC神经网络较特征值分解法的抗噪声性能提高6 dB,同时较Hebbian准则神经网络所需学习组数减少50%。
