针对现有信道估计方案导致正交时频空间(Orthogonal Time Frequency Space,OTFS)调制系统峰均功率比(Peak-to-Average Power Ratio,PAPR)高或频谱效率(Spectral Efficiency,SE)低的问题,提出一种多叠加导频的低PAPR、高SE信道估计方法...针对现有信道估计方案导致正交时频空间(Orthogonal Time Frequency Space,OTFS)调制系统峰均功率比(Peak-to-Average Power Ratio,PAPR)高或频谱效率(Spectral Efficiency,SE)低的问题,提出一种多叠加导频的低PAPR、高SE信道估计方法。发送端利用时域正交性和离散傅里叶域相位的随机性,在时延多普勒域中嵌入与数据相叠加的5导频符号的导频图案实现低PAPR,提高SE。接收端以数据符号与噪声之和的能量均值为基准,实现导频信号检测,同时根据每个导频的不同位置信息恢复出存在相位旋转的数据信号。基于能量准则,利用多个独立的接收信号进行联合信道估计,以降低数据符号的干扰,并采用消息传递算法进行数据恢复。仿真结果表明,该方法比单叠加导频信道估计的PAPR低,同时较嵌入式导频信道估计的SE提高约14.4%。展开更多
在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随...在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。展开更多
水声通信作为海洋信息传输的核心技术,广泛应用于海洋探测、海事监管及海底工程等领域。然而,水声信道因双重色散特性而极具挑战性,对系统设计构成重大障碍。尽管正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)技术...水声通信作为海洋信息传输的核心技术,广泛应用于海洋探测、海事监管及海底工程等领域。然而,水声信道因双重色散特性而极具挑战性,对系统设计构成重大障碍。尽管正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)技术已在水声通信中得到广泛应用,但其性能仍受限于信道状态估计的准确性。正交时频空(Orthogonal Time Frequency Space, OTFS)调制技术通过将数据转换到时延-多普勒域内传输,能够有效地应对水声信道中的多径效应和多普勒频移,提高通信系统的性能和可靠性。综述了OTFS在水声通信中的关键处理技术,涵盖信道估计、信道均衡及多址接入技术三个核心方面,并从天线拓展、机器学习融合及同步创新等方面探讨了未来发展趋势,同时详细分析了复杂信道环境下的信号检测、计算复杂度与实时性平衡、参数估计准确性及水下环境对数据可靠性的影响面临的技术挑战。展开更多
文摘针对现有信道估计方案导致正交时频空间(Orthogonal Time Frequency Space,OTFS)调制系统峰均功率比(Peak-to-Average Power Ratio,PAPR)高或频谱效率(Spectral Efficiency,SE)低的问题,提出一种多叠加导频的低PAPR、高SE信道估计方法。发送端利用时域正交性和离散傅里叶域相位的随机性,在时延多普勒域中嵌入与数据相叠加的5导频符号的导频图案实现低PAPR,提高SE。接收端以数据符号与噪声之和的能量均值为基准,实现导频信号检测,同时根据每个导频的不同位置信息恢复出存在相位旋转的数据信号。基于能量准则,利用多个独立的接收信号进行联合信道估计,以降低数据符号的干扰,并采用消息传递算法进行数据恢复。仿真结果表明,该方法比单叠加导频信道估计的PAPR低,同时较嵌入式导频信道估计的SE提高约14.4%。
文摘在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。
文摘水声通信作为海洋信息传输的核心技术,广泛应用于海洋探测、海事监管及海底工程等领域。然而,水声信道因双重色散特性而极具挑战性,对系统设计构成重大障碍。尽管正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)技术已在水声通信中得到广泛应用,但其性能仍受限于信道状态估计的准确性。正交时频空(Orthogonal Time Frequency Space, OTFS)调制技术通过将数据转换到时延-多普勒域内传输,能够有效地应对水声信道中的多径效应和多普勒频移,提高通信系统的性能和可靠性。综述了OTFS在水声通信中的关键处理技术,涵盖信道估计、信道均衡及多址接入技术三个核心方面,并从天线拓展、机器学习融合及同步创新等方面探讨了未来发展趋势,同时详细分析了复杂信道环境下的信号检测、计算复杂度与实时性平衡、参数估计准确性及水下环境对数据可靠性的影响面临的技术挑战。
文摘双基地多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达阵元故障会导致三阶观测张量中出现缺失切片数据,严重影响目标角度估计性能。为此,提出一种基于原子范数的阵元故障MIMO雷达差分共阵角度估计方法。首先,对MIMO雷达三阶观测张量进行PARAFAC分解得到收发阵列的不完整因子矩阵;然后,利用收发阵列的因子矩阵分别获得发射和接收差分共阵的导向矩阵,并利用差分共阵的冗余度对故障阵元缺失数据进行填充,从而得到等效虚拟收发阵列的虚拟因子矩阵;最后,为了填补等效虚拟阵列中的空洞,分别对等效虚拟收发阵列的虚拟因子矩阵建立原子范数约束下的低秩矩阵重构模型,并将其表述为半正定规划(Semi-definite Programming, SDP)问题,利用交替方向乘子法(Alternating Direction Method of Multipliers, ADMM)求解该矩阵重构模型。仿真结果表明,所提方法可以有效重构出不完整因子矩阵中的缺失数据,从而改善MIMO雷达阵元故障下的角度估计性能。
