一、MIMO OFDM系统中基于MDL准则的均方根时延扩展估计(英文)（论文文献综述）
姜铁增[1]（2019）在《基于LTE信号的灾后环境下的信道建模与定位算法研究》文中进行了进一步梳理自然灾害时刻影响着人们的生命安全,如何在灾后搜救工作中快速完成伤员定位更是重中之重。基于移动信号的定位技术因其基础设施完善、可快速布设基站的特性在灾后搜救领域有着不错的发展前景。手机随身携带率和LTE手机使用率逐年升高,LTE相比GSM和CDMA有着更大的带宽同时使用了MIMO技术提高了时延估计的精度,使用OFDM技术提升了抗多径和符号间干扰的能力,因此LTE信号已可作为一种灾后搜救资源。针对灾后环境下LTE信号的信道建模与定位技术的研究较少,而灾后环境下LTE频段的信道模型需要实地测量,定位精度受到灾后非视距环境的影响严重等问题,对LTE频段的信道进行了建模与实地测量,取得的研究成果如下:1)对灾后环境的信道建模进行了研究,提出了一种普适的信道衰落模型。对大尺度衰落模型与小尺度衰落中的多径信道冲激响应模型进行了建模,使用基于空间平滑的ESPRIT算法估计了信道参数并进行了参数拟合,得出了标准化多径时延符合指数分布,其幅值符合高斯分布的结论。得到了基于空间平滑的ESPRIT算法相比于AR模型法和ESPRIT参数估计方法在模型阶数和归一化均方根误差方面评价更高的结论。基于两种实际灾后环境建立了针对LTE信号频段的多径冲激响应模型,可以模拟灾后场景下的信道模型。另外获得的三种参数的概率分布可以用于非视距识别,降低非视距对测量值的影响,对位置精确解算有着重要的作用。2)提出了一种TDOA精确估计算法,减弱了非视距造成的影响,经过仿真验证了其性能。提出了一种基于非视距误差识别和抑制的定位算法,该方法先使用基于峰度、平均超量时延和均方根时延扩展参数的似然比率测试法进行非视距识别,之后进行了 TDOA精确估计以抑制非视距误差,再将TDOA测量值带入EFIR滤波算法中求解位置,相比其他算法以牺牲计算时间为代价得到了更好的定位精度。本文基于LTE信号频段对灾后层叠和混乱倒塌环境进行了信道建模,大尺度衰落模型的误差在2dB以内,小尺度多径冲激响应模型的评价指标平均超量时延、均方根时延扩展和峰度等参数与实际测得参数的误差在9%以内,可用于模拟两种倒塌情况下的信道。使用两种倒塌环境的数据对提出的算法进行了仿真,相比非视距识别、抑制后使用EKF算法和进行非视距识别后使用加权最小二乘算法以N倍计算时间为代价降低了非视距误差的影响,定位误差在两种灾后场景中降低了约20%-3 0%。
田旋旋[2]（2018）在《基于雷达通信一体化机制的车辆情境信息感知方法研究》文中研究说明随着国民经济的飞速发展,车辆已成为现代城市的重要组成部分,但是随之而来的交通拥堵、事故以及环境污染等现象也成为了当今社会令人瞩目的问题。利用信息技术对车辆驾驶进行智能辅助,能够降低交通事故发生概率、提高道路利用效率,因此得到了业界广泛的关注。对车辆自身状态信息和周围环境信息（以下统称“情境信息”）进行实时、准确地获取是实施驾驶辅助、乃至真正“无人驾驶”的重要前提。获取高精度情境信息不但需要具备精准的探测能力,也需要能够与基站、协作车辆进行数据交互和融合。这对智能车辆的感知、通信能力提出了更高的要求。与此同时,车载传感器数目增多,会导致系统体积、能耗增加、电磁干扰严重等诸多问题。而雷达通信一体化（Radar-Communication Integration,RadCom）理论提出将雷达和通信功能通过同一套系统完成,能够降低硬件成本,节约频谱资源,是当今研究的热点课题。将RadCom技术应用于感知智能驾驶所需的情境信息,能够实现车载设备的通用性、小型化和多功能化,具有重要的理论意义和实际应用前景。本文以车辆智能驾驶的情境信息获取为目标,以高精度车载雷达为信息获取主要途径,根据智能驾驶对情境信息感知与融合的需求,提出了基于正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）的雷达通信一体化系统方案。在此基础上,进一步提出了基于多源数据的高效融合方法,以满足智能驾驶对增强情境信息感知的实时性、准确性和鲁棒性要求。具体工作可概括为如下四个部分:本文基于OFDM信号和相位编码（Phase Coded,PC）技术,设计了基于脉冲串PC-OFDM的雷达通信一体化信号,获取雷达和通信性能的折中。具体而言,本文从模糊函数（Ambiguity Function,AF）和包络峰均比（Peak-to-Mean Envelope Power Ratio,PMEPR）两方面研究其信号特性,理论推导了完整的模糊函数表达式,分析了距离和速度模糊函数与信号各参数之间的关系,为一体化信号设计提供理论基础。此外,本文提出了一种改进音频保留（Tone Reservation,TR）方法降低一体化信号包络起伏,在峰值减小音频（Peak Reduction Tones,PRTs）上构造互补集,使得模糊函数和包络控制方面同时取得较好的性能。针对情境信息中的目标参数估计研究,本文提出了低复杂度高可靠性的接收信号处理算法。首先基于连续波OFDM的一体化信号,采用基于调制符号的处理算法,结合频域过采样技术,实现了对目标距离、速度、角度和散射类型的联合估计。在此基础上,本文基于脉冲串PC-OFDM的一体化信号,结合相关和离散傅里叶变换（Discrete Fourier Transformation,DFT）的处理算法,利用相位编码的自相关特性,降低通信信息对雷达性能的影响。在利用脉冲相干积累获得高速度分辨率的同时,提出了一种最小二乘（Least Square,LS）的速度解模糊方法,能够在较低复杂度条件下获得高分辨率的距离-速度像。车辆的高速运动会产生明显的多普勒效应,从而引起OFDM信号的载波间干扰（Inter-Carrier Interference,ICI）。而多车协作中其他车辆的接入会导致目标回波信号受到其他车辆一体化信号的干扰。首先针对ICI问题,本文对连续波OFDM信号进行改进,提出了基于交织OFDM（Interleaved OFDM,I-OFDM）的一体化信号,并基于多普勒估计和校正实现了雷达的无ICI处理。在此基础上,提出了一种基于信号重构的混合信号分离算法,通过重构信号与接收信号相消恢复出目标回波信号。仿真结果表明,所提算法相比现有算法,对多普勒具有较强的鲁棒性,且对混合信号具有较优的分离性能,能够获取低信干比下高分辨的目标距离-速度像。鉴于车辆容易落入网络覆盖的盲区,本文提出了一种借助无人机的间接协作感知策略。针对低信噪比下微弱目标无人机的探测问题,本文对连续波OFDM信号进行改进,构建了基于重复OFDM（Repeated Symbols OFDM,RS-OFDM）的一体化信号,提出了一种联合多普勒补偿和压缩感知的处理方法,通过构建一维距离像稀疏模型实现对微弱目标的准确感知。在此基础上,采用动态非参数置信度传播（Dynamic Non-parametric Belief Propagation,DNBP）的间接协作定位算法,实现对GPS、RadCom、惯导感知数据的融合,并基于克拉美罗界（Cramer-Rao Lower Bound,CRLB）验证了所提算法在性能、复杂度方面的提升。通过本文的研究,解决了网络覆盖盲区车辆定位精度较低的问题。
潘云强[3]（2015）在《MIMO无线通信系统中信道与干扰协方差阵估计方法研究》文中进行了进一步梳理作为LTE关键技术之一,MIMO技术能有效地提高频谱效率,增加系统容量,具有广泛的应用前景。在无线MIMO系统中,信道状态信息对于相干解调、空时检测与自适应传输等至关重要,信道估计的准确与否与系统性能密切相关。为了提高频谱效率,现代移动通信系统的频率复用率越来越高,小区间同信道干扰越来越强,严重制约系统系统性能。因此,论文将主要研究MIMO系统中信道和干扰协方差阵的估计方法,所完成工作包括以下三个方面：针对配备有二维天线阵列的MIMO-OFDM系统,提出一种基于压缩感知理论的信道估计方法。该方法联合估计三维空时信道的路径延时、方位角和仰角等参数。为了降低算法复杂度,提出一种分步估计方案：首先,利用信道在时延域的稀疏性,结合压缩感知理论,估计出所有路径的延时；然后,对于每条路径,利用其在角度域的稀疏性,估计出该路径的方位角和仰角；最后,将所估计出的信道参数代入空时信道模型,获得MIMO信道矩阵。所提方案较之于最小二乘（LS）估计,能显着地提高信道估计精度,同时减少导频开销。针对存在同信道干扰的MIMO-OFDM系统,提出一种最大后验概率的信道与干扰协方差阵估计方法。该方法联合估计信道与干扰协方差阵,提高了信道与干扰协方差阵的估计精度,在采用干扰抑制合并接收后,能显着地降低系统误码率。进一步,利用协方差阵的相关性和矩阵的秩,提出干扰协方差阵的两种处理方法,不仅保证了干扰协方差阵的半正定性,而且提高了估计精度。同时,采用最小描述长度算法完成了干扰用户数目和干扰信道多径数目的估计。针对存在同信道干扰的MIMO系统,分析了信道与干扰协方差阵的估计误差对系统可达速率的性能影响。利用随机矩阵理论,论文首先推导了系统可达速率的解析表达式,包括以下四种情况：a)理想信道、理想瞬时干扰协方差阵：b)估计信道、理想瞬时干扰协方差阵：c)估计信道、估计瞬时干扰协方差阵：d)估计信道、理想长时干扰协方差阵。通过与蒙特卡洛仿真结果对比,验证了所推导结果的正确性。最后,分析了信道和干扰协方差阵的估计误差对系统可达速率性能的影响。
石钧[4]（2012）在《OFDM无线通信系统信道估计及自适应算法的研究》文中提出正交频分复用（OFDM）技术在宽带无线移动通信系统中已得到广泛应用,而信道估计及自适应算法是OFDM系统中的主要关键技术。本文选题来源于国家自然科学基金等项目,具有重要的理论意义及广阔的应用前景。本文重点探讨了如何降低多径信道中频率选择性衰落以及时间选择性衰落的影响,以抑制系统的载波间干扰（ICI）,从而提高OFDM系统性能。在此基础上,本文主要完成了以下具有创新性的研究成果：针对一般频域信道估计算法存在的运算复杂度高以及低秩算法准确性下降的问题,本文基于分数时延抽头近似（FTCA）信道模型,提出了一种结合FTCA模型和传统LMMSE算法的信道估计算法。仿真结果表明,本文算法在降低原有的信道估计算法复杂度的基础上,实现了近似于传统LMMSE信道估计算法的误码率性能。而且,该信道估计获得的误码率性能远优于采用同样导频数量的基于梳状导频LMMSE信道估计的插值算法。为了解决快时变环境下OFDM系统载波间干扰（ICI）的问题,本文提出了一种针对快时变衰落OFDM信道估计的FTCA基扩展模型,即FTCA-BEM模型。由于此基扩展模型与Jakes模型的拟合程度较高,因此该算法可以适用于相对多谱勒频率较大的无线通信信道估计。此外,本文还推导了相应于这些算法的优化导频序列以进一步改进信道估计算法的性能。由于MIMO-OFDM系统中,不同空间信道上,不同子载波的衰减存在差异,根据接收端信道估计获得各子载波信道增益的信息反馈,在发送端再自适应地进行比特功率分配,即可达到优化系统性能的目的。本文针对V-BLAST OFDM系统,提出了一种有记忆的可变步长的迭代“注水”算法,发送端只需知道各子载波信道的信噪比信息,并且无需预编码和成形,就可以完成系统性能的优化。这样既减少了反馈的信息量,又降低了系统和自适应算法的复杂度、从而提高了算法的收敛速度。最后,对本文的研究工作进行了总结；并对未来进一步开展研究工作的方向和主要内容,进行了展望。
邵向丽[5]（2012）在《基于子空间的MIMO-OFDM系统盲信道估计》文中进行了进一步梳理MIMO-OFDM技术充分利用时间分集、频率分集和空间分集来提高传输信号的质量，是下一代移动通信系统中非常有潜力的技术实施方案。信道估计，作为无线通信系统的一项关键技术，是MIMO-OFDM系统进行相干检测的必须条件，因此受到了研究人员越来越多的关注。本文首先介绍了MIMO-OFDM系统的基本原理及其简化矩阵模型，然后简要叙述了信道估计两大类算法的分类与关键技术。盲信道估计中的噪声子空间法具有结构简单、性能优异的特点，本文主要围绕其展开研究。本文提出了一种基于重复因子的噪声子空间改进算法，不再利用循环前缀引入的数据冗余进行信道估计，而是利用重复因子来引入新的数据冗余，大大减少了估计所需的接收样本，放宽了估计中信道时不变的要求。为了降低改进算法的复杂度，则利用子空间跟踪算法中的快速数据投影算法做了进一步的改进。新改进算法不仅降低了估计的复杂度，而且减少了用于估计的接收符号数。仿真表明，相比于传统噪声子空间法，新改进算法的归一化均方根误差值有所提高，但误比特率基本一致。
张金成[6]（2011）在《短波通信中的信道与信噪比估计技术研究》文中指出近年来,为满足人们日益增长的对大数据量通信业务的需求,短波高速通信系统应运而生。目前,对短波高速通信的研究主要从块传输和突发传输两方面着手。前者大都需要在每块数据中适当地插入部分导频,以完成对信道的估计与均衡,如短波正交频分复用（Orthogonal Frequency Division Multiplexing, OFDM）系统和单载波频域均衡（single carrier-frequency domain equalization, SC-FDE）系统;后者在选定最佳通信信道并和对方握手后,瞬间将信号发送出去,如采用3G-ALE协议的系统。信道估计和信噪比估计技术是通信信号接收解调中的关键技术,用于辅助后续均衡处理和译码算法时,能够大大提高系统的可靠性。本文主要研究了上述三类系统中的信道估计算法,并在总结近年来信噪比估计方法的基础上,重点研究了其中一种强鲁棒性的盲信噪比估计方法。本文工作依托实验室承担的某重点预研项目的部分展开,主要内容如下:1、基于导频的OFDM信道估计。针对梳状导频无法很好地估出频响变化剧烈的信道和块状导频跟不上快时变信道的不足,研究了一种迭代的判决反馈信道估计方法,即利用判决后的发送符号估计更新信道系数估值,再依此信道估值对接收信号进行均衡,直至信道估值收敛后,迭代终止。该方法大大改善了短波恶劣信道下系统的性能。2、双选信道下SC-FDE系统中的信道估计。提出了一种改进的信道估计算法,将两个相邻数据块的导频组成一个新导频,再根据循环卷积的时域循环移位性质对新导频进行处理,得到若干组不同移位时的信道系数估值,利用无线信道的稀疏特性,对每组信道估值进行降噪处理并求平均得到最终的信道估值,进而改善了信道估计性能和频域均衡效果。3、短波高速突发通信系统中的信道估计。提出一种盲信道估计和盲均衡方法,利用粒子滤波估计发送符号的后验概率密度,并依此概率密度得到发送符号序列估值,根据最大似然准则更新信道系数和噪声方差,而后再重新估计后验概率密度,经过若干次这样的迭代后,信道系数估值收敛到稳态值。该方法无需训练序列即可实现对多径衰落信道的盲辨识与盲均衡,性能接近信道已知时的情形。4、信噪比估计算法研究。系统总结了近年来主要的信噪比估计算法,并就不同条件下的方法进行了计算机仿真,得到了一些比较直观的结论,具有一定的参考价值。基于此,对其中基于子空间分解的盲信噪比估计方法进行深入的研究。提出一种改进的自相关矩阵构造方法,在估计性能和计算复杂度之间取得较好的折中。该方法能够对中频信号直接处理,与调制方式和发送端成型滤波器的滚降系数无关,在短波信道下也能较好地估计出信号的信噪比。
彭春华[7]（2010）在《信道估计及DCF算法在旅客列车无线Internet接入中的应用研究》文中研究表明随着我国高速铁路的迅猛发展,为旅客提供无线Internet接入服务,不仅是铁路部门提升自身服务质量的需求,也是扩大需求市场,促进经济发展的需求。为此,论文对旅客列车无线宽带接入中的相关技术进行了详细分析。论文首先分析了列车高速移动时无线信道的特征,提出了IEEE802.11a在列车高速移动下的简化信道模型,并讨论了多普勒频移、相干时间等主要参数的变化特性。为实现高速移动移动信道的准确估计,论文提出了一种基于Kalman滤波器的估计方法。把基于训练序列的信道估计值利用Kalman滤波算法进行递推计算,并将计算结果作为滤波器的观测量,并利用导频序列得到的信道估计值来求解Kalman滤波器参数,实现在时间上对信道的跟踪。Kalman滤波算法不但能反映移动信道在频率上的变化,而且能反映信道在时间上的变化。与仅用训练序列或导频的估计方法相比,大大提高了估计精度。为减少Kalman滤波估计在时变信道所带来的误差,论文还提出了在IEEE802. 11a帧结构中对前训练序列进行复制,把复制的序列插入随后的数据域作为中导码,并利用中导码来实时修正Kalman滤波器参数,减少估计误差的方法。为研究IEEE802. 11a DCF算法在列车高速移动中应用特性,论文分析了系统吞吐量和介质访问时延与AP、竞争窗口初始值、最大退避阶数、数据分组大小等参数的关系,并提出了高速移动列车无线接入系统的DCF传输方式采用基本接入方式的建议。为提高移动网络的吞吐量,论文提出了DCF算法的改进方法。通过改进AP和STA的退避算法,提高了AP的优先级,并利用二维离散时间Markov模型对改进算法作了定量分析。仿真证明这一算法较好地解决了接入点瓶颈问题,提高了网络整体吞吐量。为进一步提高网络的性能,论文还提出了自适应x进制退避算法。系统中各节点在退避过程中不只是采用二进制,而是根据节点数的多少,自适应选择较合理的进制,仿真证明了这一改进的有效性。
刘殷卉[8]（2010）在《OFDM系统分段最小均方误差信道估计与多层专用导频设计的研究》文中研究指明随着移动通信与互联网的飞速发展,“宽带化”是下一代移动通信发展的必然趋势。正交频分复用（OFDM）和多输入多输出（MIMO）技术能够有效地提高数据传输速率与频谱利用效率,被认为是下一代移动通信系统物理层的核心技术。本论文对MIMO-OFDM系统物理层的若干关键理论和技术进行了深入研究,包括：信道估计、专用导频设计等问题。论文的主要工作和创新点在于：1.基于导频符号的OFDM信道估计技术的研究本论文对一些经典的信道估计算法进行了总结,并在此基础上提出了一种改进的OFDM信道估计方案——分段最小均方误差（Segment Minimum Mean Squared Error, SMMSE）信道估计。该方案将全带宽进行划分为连续的、大小相等的多个窄带,在每个窄带内进行最小均方误差（Minimum Mean Squared Error, MMSE）信道估计,从而在带导频的OFDM符号上计算得到全频带信道估计,在此基础上,对当前子帧内在每个子载波上进行时间方向的MMSE信道估计,求出所有时频资源的信道响应。通过复杂度分析与仿真得到误块率（BLock Error Ratio, BLER）性能来看,所提方案可以在性能损失较小的情况下极大地减少运算量,这为MMSE信道估计方法有效应用于实际系统提供支持。2.参数化OFDM信道估计技术的研究本论文考虑到MMSE信道估计需要知道信道的先验统计信息,在之前SMMSE信道估计的基础上,提出了一种快速的、低运算量的参数化OFDM信道估计方案,并给出具体的实现方式。该方案包括：信道多径参数的估计,最大多普勒频移的估计,信道参数估计与SMMSE信道估计的结合。该方案使用较少的子帧,延迟较小,保证了估计的有效性；另外,该方案避免使用运算量较大的操作,控制运算量。仿真结果表明,所提方案能够估计出信道参数,使得SMMSE信道估计方案能够适应于各种信道环境下。另外,仿真结果表明,所提方案具有比经典参数化信道估计方案更优越的性能。3. MIMO-OFDM系统专用导频的设计本论文分析了专用导频在多层传输的优势,对MIMO-OFDM系统多层传输中层数为2的情况,从导频密度、导频复用方式、导频放置位置等方面对专用导频的设计进行深入的研究。在导频密度上,综合考虑了专用导频对信道估计性能与占用时频资源的影响,分别把两种影响转化为等效的信干比（Signal to Interference plus Noise Ratio, SINR）,再计算总体的等效SINR,最后从各种导频密度中选取SINR损失最小的导频密度。在导频复用方式和导频放置位置方面,推导出层间专用导频实现正交性的两种复用方式——频分复用与码分复用,然后分别在两种复用方式框架下结合链路的频谱效率与导频图案设计的实用性,确定最佳的专用导频放置位置。最后通过对两种复用方式的比较,结合各导频图案的性能仿真结果,得到最适合两层传输的专用导频图案。论文的研究方法可以推广至更高阶传输时的专用导频设计；研究结果,也即两层传输时的专用导频图案,也可以作为更高阶传输时专用导频设计的基础。以上研究成果,分别以学术论文的形式被IEEE的期刊和会议以及国内期刊所录用。
吴怡梦[9]（2009）在《宽带移动通信中AMC和HARQ技术研究》文中提出移动通信正向宽带化和个人化方向发展,各种新的无线技术不断涌现,标准化进程也在不断加快。HSDPA作为WCDMA的升级,极大提高了下行链路数据传输能力,峰值速率可达10Mbps;LTE作为准4G标准,以OFDM/MIMO为核心技术,上/下行峰值速率分别可达50Mbps和100Mbps。HSDPA和LTE系统针对无线信道时变特性,采用了自适应编码调制（AMC）和混合反馈重发（HARQ）技术,从而在保证QoS的前提下,最大限度的利用频谱资源,提高数据传输速率。本文第二章研究了无线信道建模,分析了单载波系统和OFDM系统的信道特性;研究了平坦衰落信道的建模仿真,分析比较了平坦衰落信道的三种正弦波叠加法,即直接仿真法、Jakes模型和改进Jakes模型,仿真显示改进Jakes模型的统计特性与理论值有更好的吻合程度;在此基础上研究了OFDM信道的延迟抽头线模型以及三种仿真方法。第三章研究了AMC和HARQ的若干关键技术,包括AMC和HARQ中的可变码率LDPC（RC-LDPC）码打孔算法,构造了6种调制编码方式（MCS）;研究了物理层抽象理论,仿真分析比较了平均值、RBIR和EESM等三种物理层抽象方法,得出了RBIR和EESM在各种信道下均具有较好的估计精度,而平均值抽象只适用于平坦慢衰落信道的结论;研究了AMC门限选择算法,即固定门限和外环算法,通过仿真比较了三种固定门限算法在平坦慢衰落信道中的性能,而外环算法可以克服固定门限对信道估计和预测偏差敏感等不足,因此得出了固定门限和外环算法相结合是最佳AMC门限算法的结论;对基于HARQ的两种自适应机制,即星座图重组和OFDM子载波重映射进行了仿真分析,结果显示采用上述自适应与HARQ相结合带来了性能增益。第四章在重传期间信道状态不变和FSMC两种模型下,分析研究了重传数据不合并与合并两种情况下的AMC-HARQ系统的性能,并考虑了合并后数据中的噪声与合并前的噪声存在相关性这一客观事实,根据结合信道误块率准则和吞吐率最大准则,分析了吞吐率、误帧率的理论值和最优切换门限,并仿真加以验证。第五章研究了AMC系统中信道预测技术,仿真分析了平坦衰落信道中四种信道预测器（MMSE,LS,ESPRIT,COMB）的性能及应用场景;对OFDM信道预测现有四种方法进行了阐述,在ESPRIT预测算法基础上提出了IDFT+ESPRIT算法,该算法可以适当降低算法的复杂度,而性能几乎没有恶化;最后对三种自适应预测算法:LMS、RLS和自适应ESPRIT算法的性能进行了仿真分析比较。
陈奎[10]（2009）在《井下移动目标精确定位理论与技术的研究》文中研究说明采用无线技术对人员与设备进行定位与跟踪是增加煤矿监控手段、保障煤矿安全生产的主要途径之一。本文在分析了无线定位基本算法和井下信道特点的基础上,研究井下无线定位与跟踪的相关算法,着重研究以宽带信号为基础的定位与跟踪算法。OFDM信号具有很强的多径抑制能力,文中使用OFDM信号作为宽带定位信号,在频域讨论OFDM信号的TOA估计。提出利用MUSIC超分辨率算法实现精确的TOA估计。为此,讨论变换域信道估计算法,将其推广到二维空间并给出二维插值的改进方法。在OFDM多天线接收的基础上,提出超分辨率AOA算法,并利用波束形成方法对AOA算法改进。针对盲巷道或巷道分支,提出联合TOA/AOA超分辨率算法,使用一个参考节点完成目标定位。最后,将矩阵束技术引入TOA和AOA的超分辨率估计中,以减少MUSIC算法的计算量。考虑到基于UWB的井下WSN节点是硬件受限的。为了减少计算量,提出一种两步定位方法,将低速非相关能量采集和高速相关匹配滤波的定位算法结合起来。针对定位过程中两个阶段的归一化门限设置,提出基于最大最小能量比MMR的归一化门限建模方法。在UWB频域TOA算法中,提出一种减少计算量的归一化乘幂法,采用迭代的方法取代MUSIC类算法中的奇异值分解SVD。对于井下信道的非视距传播,利用代价函数给出NLOS鉴别方法。结合巷道的几何特征,提出利用几何面积计算形心的算法对NLOS影响进行消减,在此基础上利用几何定位精度因子GDOP选择或加权TOA测量值,进一步减少NLOS误差。对于多径的抑制,讨论了基于TK算子的多径抑制方法,给出一种基于互TK能量算子的直接TDOA估计方法,得到独立于TOA估计的TDOA估计。本文分析和研究了宽带信号在井下定位中的方法和需要解决的问题。依据巷道的特点,甄选适合的定位算法以提高定位精度、消减NLOS和多径传播的影响。当然,井下无线定位还有很多有待解决的问题,如:无线定位的本安特性;井下巷道的信道特点和物理特点使得需要在各种定位技术的基础上融合或折中;另外,井下定位还需要在定位精度和定位成本之间需要权衡,但至今还没有针对井下无线定位的行业标准或规范。
二、MIMO OFDM系统中基于MDL准则的均方根时延扩展估计(英文)（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、MIMO OFDM系统中基于MDL准则的均方根时延扩展估计(英文)（论文提纲范文）
（1）基于LTE信号的灾后环境下的信道建模与定位算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 定位算法方面研究现状 |
| 1.2.2 灾后环境信道建模研究现状 |
| 1.2.3 非视距识别和抑制算法研究现状 |
| 1.3 研究内容 |
| 1.4 论文结构安排 |
| 第二章 相关理论基础研究 |
| 2.1 无线信道的传播理论 |
| 2.1.1 无线信道的传播特性 |
| 2.1.2 无线信道的衰落特性 |
| 2.1.3 无线信道的传播模型 |
| 2.2 LTE信号研究 |
| 2.2.1 PRS信号 |
| 2.2.2 PRACH前导序列 |
| 2.3 滤波算法研究 |
| 2.3.1 KF滤波算法 |
| 2.3.2 EKF滤波算法 |
| 2.3.3 UKF滤波算法 |
| 2.4 信道建模及定位算法评价标准 |
| 2.4.1 信道建模评价标准 |
| 2.4.2 定位算法评价标准 |
| 2.5 总结 |
| 第三章 灾后环境下的信道建模研究 |
| 3.1 信道模型的选取 |
| 3.1.1 信道衰落模型 |
| 3.1.2 多径冲激响应模型 |
| 3.2 灾后环境信道测量方法 |
| 3.2.1 信道测量系统设计 |
| 3.2.2 实际场景选取 |
| 3.3 大尺度衰落建模 |
| 3.3.1 大尺度衰落建模与测量环境设置 |
| 3.3.2 大尺度衰落模型参数分析 |
| 3.4 小尺度衰落建模 |
| 3.4.1 小尺度模型参数估计方法研究 |
| 3.4.2 参数估计模型性能对比 |
| 3.4.3 小尺度衰落模型参数分析与验证 |
| 3.5 总结 |
| 第四章 基于非视距误差识别和抑制的定位算法研究 |
| 4.1 非视距误差识别和抑制算法 |
| 4.1.1 基于似然比率测试的非视距识别算法 |
| 4.1.2 基于TDOA精确估计的非视距抑制算法 |
| 4.1.3 仿真设置 |
| 4.1.4 仿真数据分析 |
| 4.2 基于EFIR滤波的定位算法 |
| 4.2.1 EFIR算法 |
| 4.2.2 仿真设置 |
| 4.2.3 仿真数据分析 |
| 4.3 基于非视距误差识别与抑制的定位算法研究 |
| 4.3.1 总体算法描述 |
| 4.3.2 仿真设置 |
| 4.3.3 仿真分析 |
| 4.4 总结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（2）基于雷达通信一体化机制的车辆情境信息感知方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.1.1 智能车辆情境信息感知 |
| 1.1.2 雷达通信一体化机制 |
| 1.2 课题研究的目的及意义 |
| 1.3 国内外研究现状及分析 |
| 1.3.1 情境信息的感知方法 |
| 1.3.2 雷达通信一体化系统 |
| 1.3.3 数据融合处理算法 |
| 1.3.4 存在问题与不足 |
| 1.4 论文主要研究内容及组织结构 |
| 第2章 一体化信号参数设计优化与性能分析 |
| 2.1 引言 |
| 2.2 一体化波形的设计标准及工作模式 |
| 2.2.1 设计标准 |
| 2.2.2 工作模式 |
| 2.3 基于OFDM体制的一体化波形 |
| 2.3.1 连续波OFDM信号 |
| 2.3.2 脉冲串PC-OFDM信号 |
| 2.4 OFDM一体化信号特性分析 |
| 2.4.1 模糊函数分析 |
| 2.4.2 包络峰均比分析 |
| 2.5 仿真结果分析 |
| 2.5.1 连续波OFDM模糊函数分析 |
| 2.5.2 脉冲串PC-OFDM模糊函数分析 |
| 2.5.3 包络峰均比分析 |
| 2.6 小结 |
| 第3章 基于一体化机制的目标参数估计 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.3 连续波OFDM一体化系统的目标参数估计 |
| 3.3.1 距离和速度估计 |
| 3.3.2 角度估计 |
| 3.3.3 目标散射类型估计 |
| 3.3.4 仿真结果分析 |
| 3.4 脉冲串PC-OFDM一体化系统的距离和速度估计 |
| 3.4.1 距离和速度估计 |
| 3.4.2 性能分析 |
| 3.4.3 仿真结果分析 |
| 3.5 小结 |
| 第4章 基于一体化机制的干扰抑制分析 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 多车协作感知 |
| 4.2.2 交织OFDM信号 |
| 4.3 ICI抑制算法 |
| 4.4 基于通信信号重构的信号分离算法 |
| 4.5 仿真结果分析 |
| 4.5.1 ICI抑制性能分析 |
| 4.5.2 混合信号分离性能分析 |
| 4.5.3 通信性能分析 |
| 4.6 小结 |
| 第5章 基于一体化机制的间接协作车辆定位 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.2.1 基于无人机辅助的间接协作定位 |
| 5.2.2 重复OFDM信号 |
| 5.3 无人机的距离和速度估计 |
| 5.3.1 多普勒补偿 |
| 5.3.2 高分辨距离像的稀疏表示模型 |
| 5.3.3 仿真结果分析 |
| 5.4 间接协作定位算法 |
| 5.4.1 基于动态非参数置信度传播的间接协作定位 |
| 5.4.2 定位性能分析 |
| 5.4.3 仿真结果分析 |
| 5.5 小结 |
| 结论 |
| 参考文献 |
| 附录A 模糊函数的推导 |
| A.1 PC-OFDM信号 |
| A.2 PCSF-OFDM信号 |
| 附录B 间接协作定位Fisher信息矩阵 |
| B.1 Fisher信息矩阵的推导 |
| B.2 车辆定位精度的讨论 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（3）MIMO无线通信系统中信道与干扰协方差阵估计方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 本论文专用术语的注释表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究内容 |
| 1.3 内容安排 |
| 1.4 数学符号约定 |
| 第二章 MIMO-OFDM无线通信系统概述 |
| 2.1 引言 |
| 2.2 无线通信信道 |
| 2.2.1 路径损耗 |
| 2.2.2 阴影衰落 |
| 2.2.3 小尺度衰落 |
| 2.2.4 多径信道数学模型 |
| 2.3 MIMO与OFDM系统 |
| 2.3.1 MIMO系统 |
| 2.3.2 OFDM系统 |
| 2.4 信道估计 |
| 2.4.1 LS估计 |
| 2.4.2 LMMSE估计 |
| 2.5 本章小结 |
| 第三章 基于压缩感知的MIMO-OFDM系统信道估计 |
| 3.1 引言 |
| 3.2 压缩感知理论 |
| 3.2.1 信号稀疏表示 |
| 3.2.2 观测矩阵设计 |
| 3.2.3 信号重构算法 |
| 3.3 系统模型 |
| 3.4 稀疏信道估计 |
| 3.4.1 路径延时估计 |
| 3.4.2 到达角估计 |
| 3.4.3 修正的信道矩阵估计 |
| 3.5 仿真结果 |
| 3.6 本章小结 |
| 第四章 MIMO-OFDM系统信道与干扰协方差阵估计 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.3 最大后验概率的信道与协方差阵估计 |
| 4.3.1 方案一 |
| 4.3.2 方案二 |
| 4.4 参量估计 |
| 4.4.1 干扰多径数目的估计 |
| 4.4.2 干扰用户数目的估计 |
| 4.5 仿真结果 |
| 4.6 本章小结 |
| 第五章 信道与协方差阵估计误差下MIMO系统性能分析 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.3 可达速率分析 |
| 5.3.1 理想信道、理想瞬时干扰协方差阵 |
| 5.3.2 估计信道、理想瞬时干扰协方差阵 |
| 5.3.3 估计信道、估计瞬时干扰协方差阵 |
| 5.3.4 估计信道、理想长时干扰协方差阵 |
| 5.4 仿真结果 |
| 5.5 本章小结 |
| 第六章 全文总结 |
| 参考文献 |
| 攻读硕士学位期间投递和发表的论文和专利 |
| 致谢 |
（4）OFDM无线通信系统信道估计及自适应算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 无线通信中的关键技术 |
| 1.2.1 正交频分复用(OFDM)技术 |
| 1.2.2 MIMO技术 |
| 1.2.3 MIMO-OFDM技术 |
| 1.3 OFDM信道估计算法综述 |
| 1.4 本文的内容安排 |
| 参考文献 |
| 第二章 无线传播环境 |
| 2.1 前言 |
| 2.2 多径信道参数 |
| 2.2.1 频率选择性衰落参数 |
| 2.2.2 时间选择性衰落参数 |
| 2.2.3 空间选择性衰落参数 |
| 2.3 无线通信信道分类 |
| 2.3.1 多径时延引起的信道衰落 |
| 2.3.2 多谱勒频移引起的衰落 |
| 2.4 衰落概率模型 |
| 2.4.1 瑞利衰落 |
| 2.4.2 莱斯模型 |
| 2.5 本章小结 |
| 参考文献 |
| 第三章 准静态信道下参数化信道估计算法研究 |
| 3.1 引言 |
| 3.2 OFDM系统的基本原理 |
| 3.3 准静态信道下参数化信道估计算法 |
| 3.3.1 基于块状导频的频域信道估计算法 |
| 3.3.2 基于梳状导频结构的频域信道估计算法 |
| 3.3.3 基于实际信道模型的信道估计 |
| 3.4 基于FTCA信道模型的信道估计算法 |
| 3.4.1 FTCA信道模型 |
| 3.4.2 基于FTCA信道模型的信道估计算法 |
| 3.4.4 FTCA信道模型中信道估计算法的仿真 |
| 3.5 FTCA模型及信道估计的理论分析 |
| 3.6 基于FTCA的信道估计改进算法 |
| 3.6.1 基于FTCA的信道估计改进算法 |
| 3.6.2 FTCA信道估计和插值算法的比较 |
| 3.7 仿真结果和分析 |
| 3.8 本章小结 |
| 参考文献 |
| 第四章 快时变环境中OFDM系统的信道估计 |
| 4.1 引言 |
| 4.2 子载波间干扰(ICI)分析 |
| 4.3 复指数基信道模型 |
| 4.4 OFDM的系统模型 |
| 4.5 快时变信道中的信道估计 |
| 4.6 导频序列的设计 |
| 4.6.1 LS信道估计的导频优化 |
| 4.6.2 LMMSE信道估计导频优化 |
| 4.6.3 导频的设计步骤 |
| 4.7 仿真结果及分析 |
| 4.8 本章小结 |
| 参考文献 |
| 第五章 MIMO-OFDM系统自适应比特功率分配 |
| 5.1 引言 |
| 5.2 MIMO-OFDM系统模型 |
| 5.3 注水定理和调制方案 |
| 5.4 自适应比特功率分配算法的探讨 |
| 5.4.1 Hughes-Hartogs算法 |
| 5.4.2 Chow算法 |
| 5.4.3 Fi scher算法 |
| 5.4.4 基于误比特率的功率分配算法 |
| 5.5 一种适用于MIMO-OFDM的比特功率分配算法 |
| 5.5.1 自适应比特优化算法的推导 |
| 5.5.2 MIMO-OFDM自适应算法的检测 |
| 5.5.3 MIMO-OFDM自适应比特功率算法 |
| 5.6 仿真结果及分析 |
| 5.7 本章小结 |
| 参考文献 |
| 第六章 总结和展望 |
| 6.1 论文工作及创新成果总结 |
| 6.2 今后工作展望 |
| 致谢 |
| 攻读博士学位期间完成的科研论文 |
（5）基于子空间的MIMO-OFDM系统盲信道估计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 MIMO-OFDM 系统信道估计研究现状 |
| 1.3 本文内容及结构安排 |
| 第二章 MIMO 信道模型及 OFDM 基础 |
| 2.1 OFDM 技术基本原理 |
| 2.1.1 OFDM 系统的基本模型 |
| 2.1.2 循环前缀和保护间隔 |
| 2.1.3 OFDM 系统的关键技术 |
| 2.2 MIMO 信道模型 |
| 2.2.1 频率选择性衰落 |
| 2.2.2 时间选择性衰落 |
| 2.2.3 空间选择性衰落 |
| 2.2.4 MIMO 传输模型 |
| 2.3 MIMO-OFDM 系统模型 |
| 2.4 本章小结 |
| 第三章 MIMO-OFDM 系统信道估计技术 |
| 3.1 MIMO-OFDM 系统非盲信道估计 |
| 3.1.1 基于训练序列的非盲信道估计 |
| 3.1.2 基于导频的非盲信道估计 |
| 3.2 MIMO-OFDM 系统盲信道估计 |
| 3.2.1 基于高阶统计量的盲信道估计 |
| 3.2.2 基于二阶统计量的盲信道估计 |
| 3.3 本章小结 |
| 第四章 基于噪声子空间的改进盲信道估计 |
| 4.1 一种基于重复因子的改进算法 |
| 4.1.1 改进算法描述 |
| 4.1.2 改进算法性能仿真 |
| 4.2 子空间跟踪算法及新改进算法 |
| 4.2.1 子空间跟踪算法简介 |
| 4.2.2 新改进算法描述 |
| 4.2.3 新改进算法性能仿真 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
（6）短波通信中的信道与信噪比估计技术研究（论文提纲范文）
| 表目录 |
| 图目录 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 研究现状 |
| 1.2.1 信道估计研究现状 |
| 1.2.2 信噪比估计研究现状 |
| 1.3 本文主要工作 |
| 1.4 各章内容安排 |
| 第二章 短波信道模型 |
| 2.1 引言 |
| 2.2 短波电波传播特性 |
| 2.3 短波信道特征 |
| 2.4 短波信道模型 |
| 2.5 本章小结 |
| 第三章 短波块传输系统中的信道估计与均衡 |
| 3.1 引言 |
| 3.2 OFDM 系统中的信道估计与均衡 |
| 3.2.1 OFDM 系统基带模型 |
| 3.2.2 OFDM 系统中的信道估计算法 |
| 3.2.3 迭代的判决反馈信道估计算法 |
| 3.2.4 仿真实验与性能分析 |
| 3.3 SC-FDE 系统中的信道估计与均衡 |
| 3.3.1 SC-FDE 系统基带模型 |
| 3.3.2 SC-FDE 系统的帧结构 |
| 3.3.3 SC-FDE 系统中的信道估计算法 |
| 3.3.4 SC-FDE 系统中改进的信道估计算法 |
| 3.3.5 仿真实验与性能分析 |
| 3.4 两者性能比较 |
| 3.5 本章小结 |
| 第四章 短波突发通信中的盲信道辨识与盲均衡 |
| 4.1 引言 |
| 4.2 基于粒子滤波的盲信道辨识与盲均衡 |
| 4.2.1 系统模型 |
| 4.2.2 粒子滤波原理 |
| 4.2.3 基于粒子滤波的盲辨识与盲均衡算法 |
| 4.2.4 仿真实验与性能分析 |
| 4.3 粒子滤波在短波高速突发通信系统中的应用 |
| 4.3.1 系统模型 |
| 4.3.2 算法描述 |
| 4.3.3 算法步骤 |
| 4.3.4 粒子选择策略 |
| 4.3.5 仿真实验与性能分析 |
| 4.4 本章小结 |
| 第五章 信噪比估计算法研究 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.3 信噪比估计主要算法 |
| 5.3.1 基于最大似然的估计方法 |
| 5.3.2 基于谱分析的估计方法 |
| 5.3.3 基于统计量的估计方法 |
| 5.3.4 仿真实验与性能分析 |
| 5.4 基于子空间分解的盲信噪比估计算法 |
| 5.4.1 信号模型 |
| 5.4.2 算法原理 |
| 5.4.3 改进算法 |
| 5.4.4 仿真实验与性能分析 |
| 5.5 本章小结 |
| 结束语 |
| 参考文献 |
| 作者简历 攻读硕士学位期间完成的主要工作 |
| 致谢 |
（7）信道估计及DCF算法在旅客列车无线Internet接入中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源及研究背景 |
| 1.2 旅客列车无线宽带接入技术研究现状 |
| 1.2.1 泄漏电缆方案 |
| 1.2.2 蜂窝系统方案 |
| 1.2.3 卫星通信方案 |
| 1.2.4 Wimax方案 |
| 1.2.5 WiFi方案 |
| 1.3 信道估计和DCF算法的研究现状 |
| 1.3.1 信道估计的研究现状 |
| 1.3.2 WLAN DCF协议研究现状 |
| 1.4 本文结构与安排 |
| 第二章 IEEE802.11a高速移动特性研究 |
| 2.1 IEEE802.11系列在交通领域中的应用 |
| 2.2 无线宽带移动通信的信道特征 |
| 2.2.1 移动通信的信号损耗分析 |
| 2.2.2 三类选择性衰落 |
| 2.2.3 无线宽带移动通信的信道特征 |
| 2.3 列车高速移动环境下的无线信道特点 |
| 2.4 IEEE802.11a标准技术规范 |
| 2.4.1 IEEE802.11a的频段 |
| 2.4.2 子载波与调制技术 |
| 2.4.3 数据传输速率 |
| 2.4.4 PLCP帧结构 |
| 2.5 IEEE802.11a在列车高速移动环境下的应用分析 |
| 2.5.1 信道模型 |
| 2.5.2 多普勒频移 |
| 2.5.3 相干时间 |
| 2.6 本章小结 |
| 第三章 基于Kalman滤波的信道估计 |
| 3.1 无线信道估计的重要性 |
| 3.2 信道估计技术 |
| 3.2.1 基于导频的信道估计算法 |
| 3.2.2 信道估计中的内插技术 |
| 3.2.3 基于训练符号的信道估计算法 |
| 3.3 高速移动旅客列车无线接入系统中的信道估计方法 |
| 3.3.1 Kalman滤波器 |
| 3.3.2 基于Kalman滤波算法的高速移动旅客列车信道估计 |
| 3.3.3 Kalman滤波器收敛性分析 |
| 3.3.4 基于Kalman滤波器的信道估计仿真结果 |
| 3.4 引入中导码的高速移动旅客列车信道估计 |
| 3.4.1 基于中导码的信道估计方法 |
| 3.4.2 基于中导码估计的仿真结果 |
| 3.4.3 性能分析 |
| 3.5 本章小结 |
| 第四章 DCF协议在旅客列车无线接入中的性能研究 |
| 4.1 IEEE802.11 DCF |
| 4.1.1 概述 |
| 4.1.2 IEEE 802.11中的帧间间隔 |
| 4.2 IEEE802.11a DCF接入方式 |
| 4.2.1 基本接入方式 |
| 4.2.2 RTS/CTS方式 |
| 4.3 DCF协议分组级模型 |
| 4.3.1 基于无接入点的WLAN的DCF协议 |
| 4.3.2 基于有接入点的WLAN的DCF协议 |
| 4.4 吞吐量性能 |
| 4.4.1 最大有效吞吐量 |
| 4.4.2 有效吞吐量与STA数量的关系 |
| 4.4.3 有效吞吐量与竞争窗口初始值的关系 |
| 4.4.4 有效吞吐量与最大退避阶数的关系 |
| 4.4.5 有效吞吐量与数据分组大小的关系 |
| 4.4.6 误码率对有效吞吐量的影响 |
| 4.5 介质访问时延性能 |
| 4.5.1 介质访问时延与STA数量的关系 |
| 4.5.2 介质访问时延与竞争窗口初始值的关系 |
| 4.5.3 误码率对介质访问时延的影响 |
| 4.6 高速移动旅客列车无线Internet接入DCF传输方式的选择 |
| 4.7 本章小结 |
| 第五章 DCF协议在旅客列车无线接入中的改进研究 |
| 5.1 接入点瓶颈问题 |
| 5.2 增加有效吞吐量的算法设计 |
| 5.2.1 STA的算法 |
| 5.2.2 AP的算法 |
| 5.3 DCF改进算法的分析 |
| 5.3.1 DCF改进算法的状态机模型 |
| 5.3.2 改进算法的理论模型及性能分析 |
| 5.3.3 改进协议仿真实验及结果 |
| 5.4 自适应X进制退避机制 |
| 5.4.1 大量STA时二进制退避算法的分析 |
| 5.4.2 自适应X进制退避机制系统下的吞吐量分析 |
| 5.4.3 不同STA数量下相应X值的确定 |
| 5.4.4 性能比较与分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要工作及成果 |
| 6.2 问题与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要的科研成果 |
（8）OFDM系统分段最小均方误差信道估计与多层专用导频设计的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 论文研究背景 |
| 1.1.1 移动通信发展历程 |
| 1.1.2 B3G/4G的研究现状 |
| 1.2 MIMO-OFDM技术的发展与研究现状 |
| 1.2.1 MIMO技术的发展与研究现状 |
| 1.2.2 OFDM技术的发展与研究现状 |
| 1.2.3 MIMO技术与OFDM技术的结合 |
| 1.3 LTE TDD物理层框架 |
| 1.3.1 帧结构 |
| 1.3.2 时隙结构 |
| 1.3.3 资源粒子与资源块 |
| 1.3.4 下行物理信道的基带处理 |
| 1.3.5 公共导频 |
| 1.4 论文的主要贡献 |
| 1.5 论文的组织 |
| 1.6 参考文献 |
| 第2章 MIMO-OFDM系统基本原理 |
| 2.1 引言 |
| 2.2 MIMO-OFDM系统基本原理 |
| 2.2.1 MIMO技术 |
| 2.2.1.1 MIMO技术原理 |
| 2.2.1.2 MIMO系统信道容量分析 |
| 2.2.2 OFDM技术 |
| 2.2.2.1 OFDM技术原理 |
| 2.2.2.2 OFDM系统基带实现 |
| 2.2.3 MIMO-OFDM系统 |
| 2.3 无线信道传播特性 |
| 2.3.1 信道衰落特性 |
| 2.3.1.1 大尺度衰落 |
| 2.3.1.2 小尺度衰落 |
| 2.3.2 信道扩展特性 |
| 2.3.2.1 频率扩展与相关时间 |
| 2.3.2.2 时延扩展与相关带宽 |
| 2.3.2.3 角度扩展与相关距离 |
| 2.4 小结 |
| 2.5 参考文献 |
| 第3章 OFDM信道估计技术 |
| 3.1 引言 |
| 3.1.1 信道估计技术的意义 |
| 3.1.2 信道估计技术的分类及特点 |
| 3.1.3 基于导频的信道估计技术的研究 |
| 3.2 改进的信道估计方案——SMMSE信道估计 |
| 3.2.1 方案概述 |
| 3.2.2 基本原理 |
| 3.2.2.1 滤波器加权系数计算方法 |
| 3.2.2.2 互相关函数的计算 |
| 3.2.2.3 信道估计运算顺序 |
| 3.2.3 算法描述 |
| 3.2.4 实现框图 |
| 3.3 复杂度分析 |
| 3.4 性能评估 |
| 3.4.1 仿真评估内容 |
| 3.4.2 仿真链路 |
| 3.4.3 仿真参数 |
| 3.4.4 仿真结果与讨论 |
| 3.4.4.1 一发一收 |
| 3.4.4.2 一发二收 |
| 3.4.4.3 仿真结果讨论 |
| 3.5 小结 |
| 3.6 附录 |
| 3.6.1 一种零阶贝塞尔函数的拟合方法 |
| 3.6.2 一维MMSE信道估计的算法实例 |
| 3.7 参考文献 |
| 第4章 参数化OFDM信道估计技术 |
| 4.1 引言 |
| 4.1.1 估计信道参数的意义 |
| 4.1.2 参数化信道估计技术的研究 |
| 4.2 信道多径功率时延估计 |
| 4.2.1 基本原理 |
| 4.2.2 算法描述 |
| 4.2.3 实现框图 |
| 4.2.4 仿真结果 |
| 4.3 最大多普勒频移估计 |
| 4.3.1 基本原理 |
| 4.3.2 算法描述 |
| 4.3.3 实现框图 |
| 4.3.4 仿真结果 |
| 4.4 参数化的SMMSE信道估计 |
| 4.5 小结 |
| 4.6 参考文献 |
| 第5章 MIMO-OFDM系统专用导频设计 |
| 5.1 引言 |
| 5.1.1 专用导频的意义 |
| 5.1.2 研究现状 |
| 5.2 基于专用导频的系统模型 |
| 5.3 Rank 2专用导频密度研究 |
| 5.3.1 Rank 2传输的基本模型 |
| 5.3.2 专用导频密度的性能研究 |
| 5.3.2.1 信道估计导致的等效SINR |
| 5.3.2.2 资源占用导致的等效SINR |
| 5.3.3 专用导频密度的选择 |
| 5.4 Rank 2专用导频复用方式与放置位置 |
| 5.4.1 专用导频的复用方式分析 |
| 5.4.2 专用导频放置位置分析 |
| 5.4.2.1 性能方面 |
| 5.4.2.2 实用性方面 |
| 5.4.3 典型图案与性能比较 |
| 5.4.3.1 频分复用 |
| 5.4.3.2 码分复用 |
| 5.5 Rank 2专用导频图案的确定 |
| 5.6 小结 |
| 5.7 参考文献 |
| 第6章 论文总结 |
| 6.1 论文主要结论 |
| 6.2 进一步的研究工作 |
| 缩略术语 |
| 符号定义 |
| 攻博期间的研究成果和论文情况 |
| 参研项目 |
| 发表论文 |
| 致谢 |
（9）宽带移动通信中AMC和HARQ技术研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 背景概述 |
| 1.2 自适应编码调制技术 |
| 1.2.1 HSDPA系统的AMC |
| 1.2.2 LTE系统的AMC |
| 1.3 混合自动请求重传技术 |
| 1.3.1 HSDPA和LTE系统中的HARQ |
| 1.4 本文研究思路及内容安排 |
| 2 无线信道建模与仿真 |
| 2.1 无线信道概述 |
| 2.1.1 阴影衰落及建模 |
| 2.2 单载波系统的信道特性及建模 |
| 2.2.1 小尺度衰落特性 |
| 2.2.2 平坦衰落信道建模仿真 |
| 2.3 OFDM信道特性及建模 |
| 2.3.1 OFDM信道特性 |
| 2.3.2 OFDM信道建模仿真 |
| 2.4 无线信道包络分布 |
| 2.4.1 单载波时域信道包络分布 |
| 2.4.2 多载波频域信道包络分布 |
| 2.5 本章小结 |
| 3 AMC和HARQ关键技术研究 |
| 3.1 RC-LDPC码的构造 |
| 3.1.1 RC-BLDPC码的打孔构造 |
| 3.2 物理层抽象技术 |
| 3.2.1 平均值物理层抽象 |
| 3.2.2 RBIR物理层抽象 |
| 3.2.3 EESM物理层抽象 |
| 3.3 AMC门限选择 |
| 3.3.1 固定门限算法 |
| 3.3.2 外环门限算法 |
| 3.4 基于HARQ的自适应机制 |
| 3.4.1 星座图重组 |
| 3.4.2 OFDM子载波重映射 |
| 3.5 仿真验证及分析 |
| 3.5.1 物理层抽象验证 |
| 3.5.2 AMC门限算法仿真 |
| 3.5.3 基于HARQ的自适应机制仿真 |
| 3.6 本章小结 |
| 4 AMC与HARQ的联合优化 |
| 4.1 系统描述 |
| 4.2 重传期间信道状态不变模型下的系统分析 |
| 4.2.1 结合信道误块率准则 |
| 4.2.2 吞吐率最大准则 |
| 4.3 FSMC模型下的系统分析 |
| 4.3.1 结合信道误块率准则 |
| 4.3.2 吞吐率最大准则 |
| 4.4 仿真验证 |
| 4.4.1 信噪比合并分析 |
| 4.4.2 HSDPA系统仿真 |
| 4.4.3 LTE系统仿真 |
| 4.5 本章小结 |
| 5 信道预测技术 |
| 5.1 平坦衰落信道预测 |
| 5.1.1 分析预测—AR模型 |
| 5.1.2 物理预测—ESPRIT算法 |
| 5.2 OFDM信道预测 |
| 5.2.1 MMSE预测 |
| 5.2.2 ESPRIT预测 |
| 5.3 自适应预测 |
| 5.4 性能仿真 |
| 5.4.1 平坦衰落信道预测算法分析 |
| 5.4.2 OFDM信道预测算法分析 |
| 5.4.3 自适应信道预测算法分析 |
| 5.5 本章小结 |
| 6 结论 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（10）井下移动目标精确定位理论与技术的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义(Background and Significance) |
| 1.2 无线定位的研究现状(Wireless Positioning Status) |
| 1.2.1 发展和应用(Development and Application) |
| 1.2.2 定位精度(Positioning Precision) |
| 1.2.3 定位稳定性(Positioning Stability) |
| 1.2.4 定位技术可实现性(Positioning Implementation) |
| 1.3 井下定位的研究现状(Underground Positioning Status) |
| 1.3.1 井下无线信道(Underground Wireless Channel) |
| 1.3.2 井下无线通信(Underground Wireless Communication) |
| 1.3.3 井下无线定位(Underground Wireless Positioning Status) |
| 1.4 论文的主要工作和章节安排(Main Works and Chapters) |
| 1.4.1 本文的主要研究工作(Main Works) |
| 1.4.2 章节内容安排(Chapters Arrangements) |
| 2 无线定位和井下无线定位方法 |
| 2.1 定位原理分类和准则(Principle Classification and Criteria) |
| 2.1.1 无线定位基本原理(Wireless Positioning Concepts) |
| 2.1.2 无线定位的分类(Wireless Positioning Classification) |
| 2.1.3 无线定位的评价标准(Positioning Evaluation Criteria) |
| 2.2 无线定位的测距方法(Wireless Ranging Methods) |
| 2.2.1 接收强度(Received Signal Strength) |
| 2.2.2 到达时间TOA 方法(Time of Arrival, TOA ) |
| 2.2.3 到达时间差TDOA 方法(Time Differency of Arrival, TDOA) |
| 2.2.4 到达角度AOA 方法(Angle of Arrival, AOA) |
| 2.2.5 混合定位(Hybird Positioning) |
| 2.2.6 各种测距方法的优缺点(Advantage & Disadvantage) |
| 2.3 位置估计算法(Position Estimation Algorithm) |
| 2.4 井下无线定位(Underground Wireless Positioning) |
| 2.4.1 井下信道(Underground Channel Characteristics) |
| 2.4.2 井下信道建模(Underground Channel Modeling) |
| 2.4.3 矿井无线信息与监控系统(Wireless Monitoring System) |
| 2.5 本章小结(Chapter Summary) |
| 3 直巷道中OFDM 超分辨率定位算法 |
| 3.1 OFDM 系统基本原理(OFDM System Principle) |
| 3.2 OFDM 变换域信道估计(Channel Estimation) |
| 3.2.1 导频和信道估计(Pilot and Channel Estimation) |
| 3.2.2 变换域(Transform Domain) |
| 3.2.3 二维变换域估计(2D Transform Domain Estimation) |
| 3.2.4 改进二维变换域信道估计(Transform Domain Improvement) |
| 3.3 时延估计和TOA 定位(Channel TDE & TOA Positioning) |
| 3.3.1 超分辨率时延估计(High Resolution TDE) |
| 3.3.2 超分辨率算法的修正与实现(Highr-Resolution Modification & Implement) |
| 3.4 超分辨率角度估计(High Resolution AOA/DOA Estimation) |
| 3.4.1 OFDM 多天线接收模型(OFDM Multi-antenna Receive Model) |
| 3.4.2 超分辨率AOA 估计(Super-resolution AOA) |
| 3.4.3 TOA/AOA 联合估计(Jointed TOA/AOA Estimation) |
| 3.5 TOA/AOA 算法仿真分析(Simulation Analysis of TOA/AOA) |
| 3.6 本章小结(Chapter Summary) |
| 4 井下工作面超宽带TOA 定位算法 |
| 4.1 UWB 技术特点(UWB Technology Characteristics) |
| 4.2 UWB 信号与信道模型(UWB Signal and UWB Channel) |
| 4.2.1 UWB 信号(UWB Signal) |
| 4.2.2 UWB 信道模型(UWB Channel Model) |
| 4.2.3 UWB 接收信号(UWB Received Signal) |
| 4.3 时域TOA 定位(Time-domain TOA Positioning) |
| 4.3.1 基于非相关的定位(Non-correlation positioning) |
| 4.3.2 相关滤波的定位(Correlation Filtering Positioning) |
| 4.3.3 适合WSN 的两步定位(Two-step Positioning for UWB) |
| 4.4 UWB 频域TOA 定位(Frequency Domain TOA Positioning) |
| 4.4.1 频域TOA 信号模型(Frequency-Domain TOA Model) |
| 4.4.2 UWB 频域TOA 算法(UWB Frequency Domain TOA) |
| 4.4.3 迭代TOA 算法(Iterarion TOA Algorithm) |
| 4.4.4 迭代TOA 算法仿真(TOA Iterarion Simulation) |
| 4.5 本章小结(Chapter Summary) |
| 5 井下定位的多径抑制算法 |
| 5.1 CAZAC 序列信道时延估计(CAZAC Sequence Based TDE) |
| 5.1.1 CAZAC 序列特点(Characteristics of the CAZAC Sequence) |
| 5.1.2 基于CAZAC 的OFDM 时延估计(CAZAC Based OFDM TDE) |
| 5.1.3 仿真结果与分析(Simulation Results & Analysis) |
| 5.2 TK 算子多径时延估计(TK Operator Based Multipaths TDE) |
| 5.2.1 TK 算子(TK Operator) |
| 5.2.2 TK 算子的性能仿真(TK Operator Performance Simulation) |
| 5.3 互TK 能量算子TDOA 估计(CTKEO TDOA Estimation) |
| 5.3.1 互 TK 能量算子Ψ_( Bd)( Cross TK Energy Operator) |
| 5.3.2 互TK 算子TDOA 估计(CTKEO-Based TDOA Estimation) |
| 5.4 本章小结(Chapter Summary) |
| 6 无线定位的NLOS 鉴别和抑制方法 |
| 6.1 NLOS 对定位的影响(NLOS Impacts on Positioning) |
| 6.2 NLOS 鉴别算法(NLOS Identification) |
| 6.2.1 NLOS 鉴别和代价函数(NLOS Identification & Cost Function) |
| 6.2.2 代价函数NLOS 识别结果和分析(CF NLOS Identification and Results) |
| 6.3 井下基站几何分布及其影响(BS Geometric Distribution and Impact in UCT) |
| 6.3.1 精度因子DOP(Geometric Dilution of Precision) |
| 6.3.2 GDOP 精度因子的计算(GDOP Calculating Process) |
| 6.3.3 正多边形形心的GDOP(GDOP of Regular Polygon Centroid) |
| 6.3.4 基于GDOP的NLOS 抑制方法(GDOP Based NLOS Restrain) |
| 6.4 本章小结(Chapter Summary) |
| 7 井下基站部署和NLOS 环境下定位方法 |
| 7.1 单点 TOA/AOA 定位方法(Single-BS TOA/AOA Positioning) |
| 7.2 两点TOA 定位方法(Two-BS TOA Positioning Method) |
| 7.2.1 两点TOA 定位模型(Two-BS TOA Positioning Model) |
| 7.2.2 两点TOA/AOA 位置的估计(Two-BS TOA/AOA Positioning) |
| 7.3 多点定位方法(Multi-BS Positioning Method) |
| 7.3.1 三点TOA/AOA 位置的估计(Three-BS TOA/AOA Positioning) |
| 7.3.2 面积形心TOA 算法(Area Centroid TOA Algorithm) |
| 7.4 本章小结(Chapter Summary) |
| 8 结论与展望 |
| 8.1 结论(Conclusions) |
| 8.2 展望(Prospects) |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
四、MIMO OFDM系统中基于MDL准则的均方根时延扩展估计(英文)（论文参考文献）
- [1]基于LTE信号的灾后环境下的信道建模与定位算法研究[D]. 姜铁增. 北京邮电大学, 2019(08)
- [2]基于雷达通信一体化机制的车辆情境信息感知方法研究[D]. 田旋旋. 哈尔滨工业大学, 2018(01)
- [3]MIMO无线通信系统中信道与干扰协方差阵估计方法研究[D]. 潘云强. 东南大学, 2015(08)
- [4]OFDM无线通信系统信道估计及自适应算法的研究[D]. 石钧. 北京邮电大学, 2012(01)
- [5]基于子空间的MIMO-OFDM系统盲信道估计[D]. 邵向丽. 西安电子科技大学, 2012(04)
- [6]短波通信中的信道与信噪比估计技术研究[D]. 张金成. 解放军信息工程大学, 2011(07)
- [7]信道估计及DCF算法在旅客列车无线Internet接入中的应用研究[D]. 彭春华. 中南大学, 2010(01)
- [8]OFDM系统分段最小均方误差信道估计与多层专用导频设计的研究[D]. 刘殷卉. 北京邮电大学, 2010(11)
- [9]宽带移动通信中AMC和HARQ技术研究[D]. 吴怡梦. 北京交通大学, 2009(02)
- [10]井下移动目标精确定位理论与技术的研究[D]. 陈奎. 中国矿业大学, 2009(02)