论文部分内容阅读
无线与移动通信是目前国内外最具发展潜力的产业之一。如何克服有限的无线频率资源对无线与移动通信容量的限制，提高无线移动通信质量，是无线通信系统理论及技术应用的重要研究课题。作为无线通信链路环节之_的信道估计技术，显得尤其重要。
本文通过研究分析常见的自适应估计算法，包括：Kalman滤波、LMS以及RLS。实验模拟了基展开递推最小二乘法(BEMRLS)，包括其估计性能、复杂度、遗忘因子以及展开基元素个数对于估计性能的影响等方面，并给出了最佳的遗忘因子数值表。在此基础上，我们发现BEMRLS算法有着很高的运算精度，但是在面对复杂的通信环境情况下，算法的复杂度也会相应的变得很高。
为了解决这个问题，本文提出了拆分的基展开递推最小二乘法(DecouplingBEMRLS)。算法通过利用多径信道之间相互独立的特性，减少了传统基展开递推最小二乘法在相关运算过程中的冗余。实验结果表明，这种算法相比于传统基展开递推最小二乘法(BEMRLS)，不仅保持了信道估计的精确度，同时还大大降低了算法的复杂度；在特定的复杂多径环境下，复杂度可以减少80倍。随后，我们对D-BEMRLS算法的收敛特性以及遗忘因子对于估计精度的影响做了分析，并也给出了最佳遗忘因子的数值表。
本文主要的贡献如下：
·比较了BEMRLS和RLS算法在复杂度和精确度上的优劣；
·分析总结了BEMRLS的遗忘因子以及基个数的最佳取值；
·提出了D-BEMRLS算法，模拟结果显示具有BEMRLS的精确度，同时大大降低了算法的复杂度；
·提出收敛改进的D-BEMRLS，解决了D-BEMRLS存在的收敛慢问题：
·分析了D-BEMRLS的收敛性；
·分析总结了D-BEMRLS的遗忘因子的最佳取值。