本发明公开了一种导频高效的超奈奎斯特系统信道估计方法，包括：获取预编码矩阵和解码矩阵；获取传输导频块，使用预编码矩阵对传输导频块进行预编码；获取发送符号块，根据所述预编码后的传输导频块和发送符号块，得到传输帧；对传输帧进行基带成形，并对基带成形后的传输帧在信道上进行传输，将传输接收的传输帧进行匹配滤波和下采样，得到下采样后的传输导频块；通过解码矩阵对下采样后的传输导频块进行解码，得到信道状态信息。通过上述技术方案，本发明不仅降低了导频开销，而且提高了信道状态信息的估计精度。
📄 2024117366837
📂 H04L25_02
👤 安徽大学
📅 2024-11-29
一种智能反射面辅助云接入网的信道估计方法，属于无线通信技术领域。其特点在于分三个阶段对用户UE到提供服务的射频拉远头RRH和IRS的直连信道和反射信道进行估计，并在每个阶段的信道估计中运用导频分配方法；单天线UE通过RRH与基带处理单元BBU池通信，并在UE和RRH之间部署多个IRS；RRH对接收到的信号进行压缩，然后通过前传链路传输到BBU池。本发明针对IRS辅助的C‑RAN上行链路传输系统，通过分阶段进行用户的直连信道与反射信道的估计，以较少的导频资源获取更高精度的信道状态信息CSI。
📄 2022117368231
📂 H04L25_02
👤 浙江工业大学
📅 2022-12-31
本发明请求保护一种基于OFDM系统下联合信道编译码的压缩感知信道估计方案，包括：导频与CRC的插入步骤、改进型的压缩感知信道估计方法、信道译码与判决、模拟编码调制与复用、信道信息计算，其中改进型的压缩感知信道估计包括噪声初估计、改进的压缩感知信道估计、自适应停止条件计算、噪声迭代估计。设计新的导频与CRC插入方案，采用自适应加权技术，将估计器与译码器进行联合迭代处理，在不知道信道稀疏度与信噪比的情况下估计出多径信道信息与信噪比，并采用CRC分段判决反馈，同时加快迭代速度与精度。并增加在接收端重新模拟发送端数据，将正确译码后的信息看做导频，与接收到的数据对比，得到较精确的信道信息，同时降低误码率。
📄 2015101048680
📂 H04L1_00
👤 重庆邮电大学
📅 2015-03-10
本发明公开了一种用于大规模天线系统中基于迭代的信道估计方法，包括如下步骤：步骤一，设计发送与接收信号方程，包括创建训练矩阵及与训练矩阵对应的接收信号；步骤二，基于迭代的信道估计，利用步骤一的方程重新估计信道。与现有的基于导频序列的信道估计相比，本发明提出的信道估计方法提高了信道估计准确性，其复杂度略高，但本发明有极好的信道估计精度，并大幅度提高了系统性能。
📄 2017104681053
📂 H04L25_02
👤 杭州电子科技大学
📅 2017-06-20
本发明公开了一种联合时域聚类去噪与均衡判决的变换域二次估计方法，首先在发送端设计调和序列，并与训练序列加权叠加，产生发送序列，并采用现有叠加训练序列的SVD信道估计方法获得信道频域响应的粗估计，设定阈值门限将信道冲激响应划分为初始信号类训练样本与噪声类训练样本，完成时域聚类去噪处理，同时采用加窗的DCT/IDCT插值对去噪后信道频域响应的变换域二次估计，且二次估计过程中引入均衡判决方法。本发明提出的联合时域聚类去噪与均衡判决的变换域二次估计方法，消除了数据序列和训练序列对信道估计性能影响，改善了现有的SVD信道估计的性能，同时可实现噪声的有效去除，且实现复杂度较低，能很好地在多载波通信中得到应用。
📄 2018104927984
📂 H04L25_02
👤 杭州电子科技大学
📅 2018-05-22
本发明公开了一种基于频率选择信道下空间调制系统的最优信道估计方法，属于无线通信中信道估计技术领域，所述的方法步骤如下：首先构造了新的最优互相关Z‑互补序列集(对)，然后得到新的训练矩阵。在频率选择信道上进行传输，依据接收端得到的接收信号，利用最小二乘法获得信道估计信息。本发明通过设计频率选择信道下空间调制系统的优化训练矩阵，进而实现最优信道估计，消除更多的干扰。
📄 2023106312468
📂 H04L25_02
👤 燕山大学
📅 2023-05-31
本发明公开了一种基于重构汉克尔矩阵的大规模MIMO下行信道估计方法。本发明方法的实现步骤：首先信道建模；基站端发送多个导频信号和用户端接收数据；基站端不发送导频信号和用户端接收数据；设计基于重构汉克尔矩阵的优化问题；求解优化问题和信道估计。本发明方法属于无网格方法，可以避免传统压缩感知方法的基不匹配问题；其次，该方法与传统方法相比可以显著降低导频开销；最后，本发明方法在用户端接收数据时，获取了基站接收机的噪声参数，使得模型具有去噪能力，提高了信道估计的准确性。
📄 2021116142568
📂 H04L25_02
👤 杭州电子科技大学
📅 2021-12-27
本发明公开一种水声正交频分复用信道估计方法及系统。方法包括：获取广义回归神经网络的训练样本和测试样本；构造广义回归神经网络；根据训练样本对广义回归神经网络进行训练，得到广义回归神经网络训练模型；将测试样本输入至广义回归神经网络训练模型中，得到均方误差；判断均方误差是否位于设定阈值范围内；若是，保存广义回归神经网络训练模型，并将广义回归神经网络训练模型作为水声信道估计模型；若否，调整广义回归神经网络训练模型的平滑因子，得到调整后的广义回归神经网络训练模型；根据水声信道估计模型对水声正交频分复用信道的传输信号进行估计，得到信道状态信息。采用本发明能够提高信道估计的精度，保证水声通信的质量。
📄 2019103325281
📂 H04L25_02
👤 燕山大学
📅 2019-04-24
本发明公开了一种主信道增益和交叉信道增益联合估计方法，其处理过程为：首先，任意选定一个感知节点作为当前感知节点，并设定当前感知节点采用全双工收发信机，设定当前感知节点有若干种互不相同的发射功率；其次，当前感知节点选择每种发射功率一次向授权用户接收机发射信号，同时当前感知节点接收授权用户发射机发射的信号并估计授权用户发射机的发射功率；最后，根据当前感知节点的所有发射功率及当前感知节点选择每种发射功率一次向授权用户接收机发射信号的同时估计得到的授权用户发射机的发射功率，同时估计主信道增益和交叉信道增益；优点是其能够同时估计得到主信道增益和交叉信道增益，且无需授权用户接收机到感知节点的回程链路。
📄 2017109814422
📂 H04W52_08
👤 宁波大学
📅 2017-10-20
本发明公开了一种针对非理想稀疏信道的估计方法，包括以下步骤：A：建立通信系统信道模型；B：建立加权高斯先验模型；C：根据步骤A中得到的通信系统信道模型，以及步骤B中得到的加权高斯先验模型，求解信道抽头向量、信道抽头向量中元素取非零值的概率、信道的噪声方差、加权高斯先验的权重和高斯分布的均值，最终得到非理想稀疏信道的信道抽头向量。本发明能够准确完成非理想稀疏信道参数估计。
📄 2021101741631
📂 H04B17_391
👤 蔡豪; 袁正道
📅 2021-02-09
本发明实施例提供一种信道估计方法及装置，所述方法包括：对相邻子载波间最小二乘信道估计的相位差进行纠正；根据纠正后的相位差对最小二乘信道估计结果进行校正。本发明实施例提供的信道估计方法及装置，通过对相邻子载波间最小二乘信道估计的相位差进行纠正，再根据纠正后的相位差对最小二乘信道估计结果进行校正，避免了求相邻子载波间最小二乘信道估计相位差的模糊，保证了均衡输出的软符号的正确性，从而提高了大定时偏差、低信噪比情况下的解调性能。
📄 2020100629076
📂 H04L25_02
👤 普天信息技术有限公司
📅 2020-01-19
本发明提供了一种信道估计方法，包括：发送端将初始的频域数据信号经过傅氏变换后，生成时域数据信号，再将时域的训练序列信号同数据信号一起发送，接收端接收后生成接收信号；检测接收信号中的LAS训练码；将接收信号中的LAS训练码与本地LAS训练码执行自相关运算；以及从所述自相关运算的结果进行信道估计。本发明还提供了一种信道估计装置，包括：发送端和接收端；同步单元；自相关计算单元，其将接收信号中的LAS训练码与本地LAS训练码执行自相关运算，并从所述自相关运算的结果进行信道估计。本发明能够提高系统后续译码过程的成功率，降低系统误码率。
📄 2016102190194
📂 H04L25_02
👤 深圳超级数据链技术有限公司
📅 2016-04-08
柿子坊 · 知识产权运营
柿子坊知识产权运营平台