版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、正交頻分復(fù)用(OFDM)技術(shù)頻譜利用率高、成本低,正被廣泛應(yīng)用于各類通信系統(tǒng)中。但是由于各種信道環(huán)境十分復(fù)雜,導(dǎo)致通信質(zhì)量往往難以保證。所以研究能適應(yīng)廣泛信噪比范圍的信道估計技術(shù)十分必要。同時,需要考慮到算法的硬件設(shè)計需求,特別是當(dāng)前移動終端通信設(shè)備要求硬件面積足夠小而且功耗足夠低。所以在設(shè)計信道估計算法時,不能只考慮算法的性能,還得考慮算法對應(yīng)的硬件開銷。
本文對傳統(tǒng)導(dǎo)頻輔助的信道估計方案進(jìn)行了改進(jìn)。當(dāng)信道SNR較低時,采用
2、自適應(yīng)濾波技術(shù)降低噪聲干擾;當(dāng)信道SNR較高時,采用判決反饋技術(shù)對信道的時變特性進(jìn)行跟蹤。本文結(jié)合了兩種算法的優(yōu)點,規(guī)避了兩種算法的局限性,使系統(tǒng)能適應(yīng)SNR變化范圍較廣的無線信道應(yīng)用。仿真結(jié)果表明,在各種映射模式下,目標(biāo)誤碼率區(qū)間內(nèi),本文算法相較于傳統(tǒng)最小二乘估計算法,SNR性能增益約為0.8~3dB。本文平滑濾波電路采用簡單 FIR結(jié)構(gòu),判決反饋將解映射結(jié)果作為后驗信息,硬件結(jié)構(gòu)相對簡單。對算法進(jìn)行FPGA實現(xiàn)后表明,相較于傳統(tǒng)信道
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于自適應(yīng)濾波器的無線信道估計算法的研究
- 基于軟判決反饋的OFDM系統(tǒng)信道與頻偏聯(lián)合估計算法研究.pdf
- 基于自適應(yīng)濾波的汽車狀態(tài)估計算法研究.pdf
- MIMO-OFDM系統(tǒng)的同步、信道估計和自適應(yīng)算法.pdf
- 帶有反饋機制的核自適應(yīng)濾波算法研究.pdf
- 基于多相濾波的OFDM信道估計算法.pdf
- 自適應(yīng)OFDM系統(tǒng)信道和比特分配算法及信道估計問題的研究.pdf
- 自適應(yīng)判決反饋均衡器動態(tài)長度算法研究.pdf
- OFDM信道估計及自適應(yīng)資源分配算法研究.pdf
- WCDMA自適應(yīng)信道估計研究.pdf
- MIMO-OFDM系統(tǒng)信道估計和自適應(yīng)調(diào)制算法的研究.pdf
- 自適應(yīng)濾波算法的分析與FPGA高速實現(xiàn).pdf
- 基于LMS的自適應(yīng)濾波算法研究與實現(xiàn).pdf
- 瑞利衰落信道速率自適應(yīng)算法的實現(xiàn)與性能分析.pdf
- OFDM系統(tǒng)信噪比估計算法與自適應(yīng)調(diào)制研究.pdf
- α穩(wěn)定分布參數(shù)估計及自適應(yīng)濾波算法研究.pdf
- 高速自適應(yīng)判決反饋均衡器的設(shè)計.pdf
- 短波信道下自適應(yīng)信道均衡算法與仿真.pdf
- DTMB系統(tǒng)中信道估計算法的研究與實現(xiàn).pdf
- 基于自適應(yīng)壓縮感知的信道估計與窄帶干擾檢測算法研究.pdf
評論
0/150
提交評論