用于快时变信道的信道估计算法，基于BEM实现

基于802.11a的OFDM的Matlab仿真，实现信道估计和同步.zip 大学生课程设计 基于MATLAB的课程设计 自己大二写的课程设计

多输入多输出不连续正交频分复用（MIMO NC-OFDM）系统是认知无线电（CR）系统的常用体制，由于授权用户占用而导致的载波不连续情况下的信道估计是影响该系统性能的关键技术问题。提出一种基于压缩感知（CS）的MIMO NC-OFDM 系统的信道估计方法——稀疏自适应匹配追踪（SAMP）算法。SAMP 算法在重构过程中先对信号稀疏度进行初始估计，然后自适应调整步长逐步逼近信号，相较于其他贪婪算法，能够在稀疏度未知的情况下准确重建稀疏信号。仿真结果表明，SAMP算法提高了重构精度，在实际应用中易于实现。

研究了一种基于卡尔曼（Kalman）滤波的OFDM时变信道估计与跟踪问题。首先建立时变多径信道的状态方程和测量方程，然后将信道冲击响应近似为一个低阶自回归滑动平均过程，利用导频的先验信息估计出Kalman滤波器的初始值和时变参数，并通过Kalman滤波跟踪信道的时变特性。仿真实验表明，该方法在时变多径信道下具有较好的性能，与传统信道估计方法相比，在均方误差和误码率等性能指标上有了较大的改进。

一个完整的OFDM系统，包含调制解调（QPSK，16QAM），导频，信道估计（LS信道估计），均衡（LS信道均衡）等。

二维MMSE信道估计算法研究与FPGA实现.docx

MIMO-OFDM系统中导频信号设计与信道估计算法仿真研究

无线移动通信系统的信道估计算法研究.doc

为了提高信道在信噪比大范围变化环境下信道估计的精度，确保高速铁路通信系统的可靠性，提出高铁场景下一种基于信噪比判决的双模切换信道估计算法。该算法利用离散卡—洛基扩展模型（discrete Karhunen-Loeve basis expansion model，DKL-BEM）及线性最小均方误差（linear minimum mean square error， LMMSE）算法进行信道建模和不同速度环境下的信道估计。仿真发现，当信噪比增大至某值时，基于ICI消除的二次信道估计算法性能劣于传统的DKL-BEM算法（出现交叉点），且交叉点值随速度的提高左移（小信噪比方向）。通过对参数分析和两种算法交叉点值的提取，给出交叉点随速度变化的移动轨迹，自适应地实现两种算法的切换，提高信道估计算法的适应性和有效性。

提出了一种基于压缩感知理论的正交频分复用( OFDM)系统稀疏信道估计的新方法,并具体采用正交匹 配追踪( OMP)压缩感知算法对 OFDM时域信道脉冲响应进行估计。与传统的最小二乘算法比较,它可以在使用较 少导频的条件下获得很好的信道估计性能,从而可以提高系统频谱有效性。根据仿真和压缩感知理论分析确定了 OMP信道估计中最佳导频数和最佳导频位置。