DS—SSMA通信系统在瑞利衰落信道中分集算法的性能

讨论了直接序列扩频多址通信系统在瑞利衰落信道中分集算法的性能，推导了在等益组合和选择最大分集算法下通信系统的平均差错率。理论分析和数据模拟指出：在改善系统性能和降低复杂性方面，等增益组合分集算法优于选择最大分集算法。     

基于原模图LDPC码的多用户MIMO干扰消除

现有的MIMO系统中,当多用户在同一信道同时与AP通信时,存在多用户干扰的问题。本文提出1种基于原模图LDPC码的多用户MIMO干扰消除的方法,解决了现有MIMO局域网吞吐量受限于基站天线数的问题,使多用户可以在同一信道同时通信。该方法将原模图LDPC码应用到多用户MIMO系统中,通过对发送数据流的信道编码,增强空间复用信息的抗干扰能力和纠错能力。其核心思想是:利用多用户信道衰落的差异,AP(接入节点)接收端优先提取信号最强的用户信息,将其他用户信号和信道噪声视为新的噪声,通过迭代译码算法,AP接收端可以获得所有共信道用户的发送信息。在多用户干扰信道,此方法能够提供更高的复用增益。仿真结果表明,与直接提取用户信息相比,在平坦瑞利衰落信道应用本方法提取用户信息可分别得到2～20dB的编码增益,通信容量增加了2倍。     

改进的更软切换的实现及其性能分析

宏分集可以有效地克服大尺度衰落的影响。针对CDMA系统反向信道更软切换的实现,提出了一种改进的基于最大比合并的宏分集方式。采用两级RAKE接收机,将来自不同扇区的信号进行最大比合并。建立一种简化的高斯模型,分析比较了在瑞利衰落信道下,最大比合并和选择合并技术对更软切换性能的影响,并得到了误码率表达式。仿真结果表明,基于最大比合并方式的更软切换优于选择合并策略。     

TD-SCDMA移动通信中的Pre-Rake分集合并

提出在时分同步码分多址(TD SCDMA)系统中采用基于QPSK调制的Pre Rake技术,亦包括TD SCD MA反向信道估计算法与系统性能分析理论。理论与仿真结果表明Pre Rake技术可使TD SCDMA移动用户获得多径分集增益,降低其误码率,加之把RAKE接收机从移动台端搬移到基站端来实现的优点,Prerake技术可在TD SCDMA系统中应用。     

基于双渐消因子调节的自适应卡尔曼滤波器

卡尔曼(Kalman)滤波为线性最优递推滤波算法,但鲁棒性差,无法实时精确跟踪系统突变状态。为此,设计了一款双渐消因子调节的自适应Kalman滤波器。算法剖析了状态扰动环境下,不精准的先验预测及定量滤波增益对最优估计的影响。在标准Kalman滤波器的基础上,引入双渐消因子,实时激活滤波增益,调节先验估计及量测新息在状态估计中的权重。基于新息正交性定理,依据Sage开窗估计原理与加权最小二乘准则,建立了双渐消因子的函数解析式。借鉴滤波发散判据,构造了函数边界条件。实例研究表明,相较于抗差Kalman滤波器,自适应Kalman滤波器鲁棒性强,状态收敛速度快,稳态跟踪精度提升了44.76%。     

基于LCCMA 的盲自适应多用户检测新算法

基于LCCMA(线性约束恒模算法)提出了一种新的盲自适应多用户检测算法。本文中提出的这种算法适用于多径衰落信道,能很好抵消多址干扰和克服多径衰落。仿真证明,这种算法的性能和基于子空间分解的多用户检测算法的性能相当,但运算复杂度低于子空间算法。因此这种算法的总体性能优于基于子空间分解的多用户检测算法,是值得进一步研究的课题,并使之推广应用。     

主从结构的自适应滤波器

根据理论分析，提出了一种主从结构的自适应滤波算法（ＡμＬＭＳ），它利用一个从自适应滤波器，按照最小均方误差准则，自动寻找主自适应滤波器的最佳步长矢量，使滤波器的特性得到显著的提高。计算机模拟实验结果验证了其良好的性能。该主从结构自适应滤波算法的思想可拓展至其它一些自适应滤波算法中去建立其相应的主从结构。     

多小区信道估计技术的研究

在TD-SCDMA系统中提出基于PIC(并行干扰消除)和sIC(串行干扰消除)的多小区信道估计技术,给出在这两种信道估计模式下多小区联合检测的性能.仿真表明,基于PIC和SIC的多小区信道估计技术可以明显提高系统性能,在采用这两种信道估计方式后,即使使用单小区联合检测也能提高系统性能,其中,基于PIC的多小区信道估计技术与多小区联合检测技术相结合,可以获得更大的增益.     

多业务环境下切换优先算法的改进

切换是移动通信中充分利用有限频谱的一项关键技术。本文提出了在数据业务和话音业务环境下,基于混合信道分配(HCA)方案上的双先进先出(FIFO)排队算法:系统分别为切换语音呼叫和初始语音呼叫与数据呼叫分配了大小为Nh和No的排队空间,两队列均遵从FIFO法则;同时,为切换语音呼叫预留了可根据当前业务量调整数目的Cr个信道。通过与单FIFO排队算法和基于HCA的单FIFO排队算法的比较,可以看到本算法改善了系统的性能,更能适应高业务量小区的需要。     

基于简化鲁棒UKF的GNSS/INS紧组合列车定位方法

针对GNSS/INS组合列车定位中的信息融合非线性与传感器量测故障问题，为满足复杂多变列车运行场景下列车定位精度与鲁棒性的需求，提出一种基于简化鲁棒UKF的GNSS/INS紧组合列车定位优化方法。综合标准KF的时间更新与标准UKF的量测更新来构建简化UKF,在保证GNSS/INS紧组合列车定位精度的同时改善定位解算实时性。在简化UKF滤波框架内，引入故障检测与自适应调整因子构建简化鲁棒UKF,可以快速检测传感器量测故障导致的系统故障，并对故障历元的量测噪声协方差进行自适应调整降低滤波增益，使得滤波算法具有较强的鲁棒性。采用京沈高铁实测数据与故障仿真数据进行算法定位性能验证与评估，结果表明：基于简化UKF的GNSS/INS紧组合定位算法水平定位精度为2.686 5 m,与传统EKF滤波模型下的紧组合与松组合方法相比定位精度分别提高5.6%和15.0%。此外，提出的简化鲁棒UKF方法可以快速有效检测到不同类型的传感器量测故障，且大幅抑制传感器量测故障，优化复杂运行场景下的列车定位精度与鲁棒性。