适用于高频率选择性衰落的FBMC迭代信道均衡方法及系统

    公开(公告)号:CN113556305B

    公开(公告)日:2022-12-13

    申请号:CN202110682086.0

    申请日:2021-06-19

    Abstract: 本发明属于多载波通信技术领域,公开了一种适用于高频率选择性衰落的FBMC迭代信道均衡方法及系统,所述适用于高频率选择性衰落的FBMC迭代信道均衡方法包括:分别生成发送信号和接收信号;计算对应符号ap,q的分析滤波器组输出信号;迭代均衡算法初始化,q=2;进行第一次均衡;第一次重构符号;进行第二次均衡;第二次重构符号;令q=q+1,如果q<N‑1,重复第一次均衡、第一次重构符号、第二次均衡以及第二次重构符号;否则,已得到全部均衡信息,信道均衡结束。本发明所用分析滤波器输出信号模型为精确模型,没有传统方法使用严格慢衰落或平坦衰落的近似,适用于任何衰落的FBMC/OQAM通信系统,消除高频率选择性信道下的残余干扰,提高系统性能。

    一种FBMC系统中联合信道均衡的RLS信道估计方法

    公开(公告)号:CN112491756A

    公开(公告)日:2021-03-12

    申请号:CN202011324250.2

    申请日:2020-11-23

    Abstract: 本发明涉及一种FBMC系统中联合信道均衡的RLS信道估计方法,方法包括如下步骤:获取由FBMC‑OQAM导频符号、FBMC‑OQAM全零符号和FBMC‑OQAM数据符号组构成的帧结构,并根据该帧结构生成基带发送信号;根据生成的基带发送信号和多信道的脉冲响应,得到基带接收信号;计算帧结构中第一符号组中各符号对应的分析滤波器组输出信号和伪导频信号,并根据计算结果计算信道初始估计;首先计算其余各符号的子载波信号经分析滤波器组后的输出信号和伪导频信号,然后采用迫零均衡算法对信道进行均衡,并对伪导频信号进行重构,得到重构后伪导频信号,最后根据重构后的伪导频信号计算RLS信道估计值。发明所提供的技术方案在计算FBMC‑OQAM系统RLS信道估计值是具有较高的频谱效率。

    NOMA系统中基于引力搜索算法的吞吐量最大化方法

    公开(公告)号:CN111556577A

    公开(公告)日:2020-08-18

    申请号:CN202010429077.6

    申请日:2020-05-20

    Abstract: 本发明公开了一种NOMA系统中基于引力搜索算法的吞吐量最大化方法,主要解决现有的求解约束优化问题方法的时间复杂度高和应用范围受限的问题。其实现方案为:1)初始化质点集合的参数;2)判断质点集合中质点的位置向量是否违反任意一个强约束条件:若违反,则将质点的位置向量进行转化,否则,迭代更新质点集合的参数;3)判断迭代次数是否达到设置的终止条件,若达到,则在可行域中搜寻最优解,否则,返回2)。本发明在求解约束优化问题时通过对约束条件进行分类以及对Kbest质点集合的设计,提升了在迭代计算过程中对可行域边界处的搜索能力,减小了时间复杂度,扩展了应用范围,适用于实际系统。

    基于新型无冲突交织器的低延迟并行Turbo译码方法

    公开(公告)号:CN102064838B

    公开(公告)日:2014-01-15

    申请号:CN201010576274.7

    申请日:2010-12-07

    Abstract: 本发明公开了一种基于新型无冲突交织器的低延迟并行Turbo译码方法,主要解决MAP类算法中因迭代和递推计算引起较大译码延迟的问题。其实现步骤是:对接收的信道信息进行分块和分窗;初始化先验信息和状态度量初值;第一级软输入软输出处理器SISO I和第二级软输入软输出处理器SISO II同时逐窗向前滑动译码;利用新型无冲突交织器分别对第一级软输入软输出处理器SISO I和第二级软输入软输出处理器SISO II产生外信息进行交织和解交织;当迭代达到最大迭代次数,将得到的对数似然比L(xk)与门限0比较,进行硬判决,得到译码比特的估计值。本发明具有译码延迟小、吞吐率高且性能损失小的优点,可用于LTE接收机的Turbo译码器。

    OFDM系统中基于建设性干扰的峰均比抑制方法

    公开(公告)号:CN111447164B

    公开(公告)日:2021-11-19

    申请号:CN202010429352.4

    申请日:2020-05-20

    Abstract: 本发明公开一种OFDM系统中基于建设性干扰的峰均比抑制方法,主要解决OFDM系统中现有方法发送信号峰均比过高的问题。其技术方案包括:首先,对调制信号进行预编码处理;再对预编码处理后的信号重排列并进行OFDM调制;接着,以时域发送信号最大值为优化目标,以建设性干扰的可扩展区域条件为约束,构建OFDM系统下行链路峰均比抑制模型;然后,利用G‑ADMM算法完成模型的迭代求解,最终得到具有低峰均比的信号。本发明降低了OFDM系统发送信号的峰均比,适合于实际系统应用。

    NOMA系统中基于引力搜索算法的吞吐量最大化方法

    公开(公告)号:CN111556577B

    公开(公告)日:2022-06-07

    申请号:CN202010429077.6

    申请日:2020-05-20

    Abstract: 本发明公开了一种NOMA系统中基于引力搜索算法的吞吐量最大化方法,主要解决现有的求解约束优化问题方法的时间复杂度高和应用范围受限的问题。其实现方案为:1)初始化质点集合的参数;2)判断质点集合中质点的位置向量是否违反任意一个强约束条件:若违反,则将质点的位置向量进行转化,否则,迭代更新质点集合的参数;3)判断迭代次数是否达到设置的终止条件,若达到,则在可行域中搜寻最优解,否则,返回2)。本发明在求解约束优化问题时通过对约束条件进行分类以及对Kbest质点集合的设计,提升了在迭代计算过程中对可行域边界处的搜索能力,减小了时间复杂度,扩展了应用范围,适用于实际系统。

    基于神经网络的变换域自适应滤波信道估计方法

    公开(公告)号:CN111614584B

    公开(公告)日:2021-11-23

    申请号:CN202010429993.X

    申请日:2020-05-20

    Abstract: 本发明公开了一种基于神经网络的变换域自适应滤波信道估计方法,主要解决传统的变换域滤波方法使用固定大小的滤波窗口,滤除噪声少的问题。其实现方案为:1)构建神经网络;2)为神经网络收集训练数据集;3)使用训练数据集对神经网络进行离线训练;4)将接收端的时域估计向量其输入到训练好的神经网络中,获得滤波窗口大小;5)根据滤波窗口大小滤除噪声;6)将滤除噪声后时域估计向量进行离散傅里叶变换,得到频域估计向量,完成信道估计。本发明由于在传统方法的基础上,引入神经网络,能获得最佳的滤波窗口大小,相比传统算法增加了滤除噪声的数量,提高了信道估计精度,可用于正交频分复用OFDM技术的信道估计。

    基于神经网络的信道插值方法

    公开(公告)号:CN111884976A

    公开(公告)日:2020-11-03

    申请号:CN202010705053.9

    申请日:2020-07-21

    Abstract: 本发明公开了一种基于神经网络的信道插值方法,主要解决传统的线性插值和拉格朗日插值方法在高信噪比下出现性能瓶颈的问题。其实现方案为:1)构建神经网络;2)为神经网络收集训练数据集;3)使用训练数据集对神经网络进行离线训练;4)神经网络训练完成后,再次获得接收端已知频点上的频域估计向量;5)将已知频点上的频域估计向量输入到训练好的神经网络中,获得所有频点上的频域估计向量,完成信道估计。本发明由于在信道估计时,引入神经网络,相比于传统算法能够更精确地估计出未知频点上的信道信息,而且在高信噪比条件下不会出现性能瓶颈,提高了信道估计精度,可用于正交频分复用OFDM技术的信道估计。

    OFDM系统中联合旋转预编码与PTS峰均比抑制方法

    公开(公告)号:CN111817997A

    公开(公告)日:2020-10-23

    申请号:CN202010706724.3

    申请日:2020-07-21

    Abstract: 本发明公开一种OFDM系统中联合旋转预编码与PTS的峰均比抑制方法,主要解决现有OFDM系统中发送信号峰均比过高的问题。其实现方案是:1)对调制信号进行旋转性预编码处理;2)根据系统的峰均比性能要求设置限幅门限,并判断旋转性预编码处理后的调制信号是否达到门限要求,对未达要求的调制信号继续进行预编码迭代;3)对预编码迭代完成的调制信号进行子块划分与OFDM调制;4)将分块调制后的信号与选定的相位因子备选集相乘,得到备选信号集;5)计算所有备选信号的峰均比值,并从备选信号中选择峰均比值最低的信号作为最终的优化信号输出。本发明降低了发送信号的峰均比,可用于OFDM系统。

    基于神经网络的变换域自适应滤波信道估计方法

    公开(公告)号:CN111614584A

    公开(公告)日:2020-09-01

    申请号:CN202010429993.X

    申请日:2020-05-20

    Abstract: 本发明公开了一种基于神经网络的变换域自适应滤波信道估计方法,主要解决传统的变换域滤波方法使用固定大小的滤波窗口,滤除噪声少的问题。其实现方案为:1)构建神经网络;2)为神经网络收集训练数据集;3)使用训练数据集对神经网络进行离线训练;4)将接收端的时域估计向量其输入到训练好的神经网络中,获得滤波窗口大小;5)根据滤波窗口大小滤除噪声;6)将滤除噪声后时域估计向量进行离散傅里叶变换,得到频域估计向量,完成信道估计。本发明由于在传统方法的基础上,引入神经网络,能获得最佳的滤波窗口大小,相比传统算法增加了滤除噪声的数量,提高了信道估计精度,可用于正交频分复用OFDM技术的信道估计。

Patent Agency Ranking