导读:本文包含了训练序列算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:序列,正交,载波,复用,信道,符号,基带。
训练序列算法论文文献综述
张慧,颜彪[1]（2019）在《基于训练序列的MIMO-FBMC系统同步算法的改进》一文中研究指出针对多输入多输出滤波器组多载波(Multiple Input Multiple Output Filter Bank Multi Carrier,MIMO-FBMC)系统的同步问题,提出了一种基于训练序列(Training Sequence)的同步技术改进算法。该算法利用ZC(Zadoff-Chu)序列构造训练序列,并将训练序列分为3部分,第1、2部分采用相同的训练符号,第3部分2次复制第1部分的后半部分,多天线上的训练序列利用循环移位来实现,再分别利用它们的相关性来进行定时同步和频率偏移的估计。仿真结果表明,与Schmidl及Minn算法相比,改进的训练序列结构和算法减小了计算量,同时可获得更高的定时性能和更低的误码率。(本文来源于《无线电通信技术》期刊2019年06期）
陈颖,聂伟[2]（2019）在《OFDM系统改进的训练序列结构及时频同步算法》一文中研究指出提出了一种改进的基于Zadoff-Chu(ZC)序列的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统时频同步算法。该算法构造了一个具有共轭重复关系结构的训练序列,首先利用时域训练序列前后的共轭特性完成定时同步,同时得到整数倍频偏估计,使定时结果不受频率同步性能影响,然后在获取精确的定时同步之后利用训练序列的重复性完成小数频偏估计。理论分析和仿真结果表明,在高斯信道和多径信道下,改进算法的定时估计和频偏估计均方误差较低,同时扩大了整数和小数频偏估计范围,降低了系统计算复杂度。(本文来源于《电子技术应用》期刊2019年06期）
余翔,周志义,段思睿,陈和力[3]（2018）在《基于训练序列的UFMC符号定时同步改进算法》一文中研究指出针对通用滤波多载波(universal filtered multi-carrier,UFMC)系统采用滤波器而导致符号定时同步算法精确度偏低的问题,提出一种适合UFMC系统的符号定时同步改进算法。该算法考虑了滤波器对符号的影响,提出一种用于符号定时同步的新的训练序列结构,并给出相应的定时测度函数的计算式。新的训练序列结构消除了采用滤波器带来的平台效应,使得算法的定时估计性能得到改善。仿真结果表明,改进算法的定时测度函数曲线在起始点有一个尖峰,提高了定时估计的精确度。(本文来源于《电信科学》期刊2018年05期）
丁勇,刘纯武,肖昌成[4]（2018）在《基于训练序列和LMS的频偏估计算法》一文中研究指出针对高速相干光通信接收系统中的频偏估计算法进行研究,分析传统的四次方频偏估计算法性能不好的影响因素,提出一种基于训练序列和最小均方算法(Least Mean Square,LMS)的频偏估计算法。利用已知训练序列移除信号中的调制相位后,采用LMS算法消除高斯白噪声的影响,得到频偏导致的相位偏移,最后计算得到频偏估计值。仿真结果表明,该算法能够快速准确跟踪频偏,而且与传统的四次方频偏估计算法相比,占用资源更少而且拥有更大的频偏估计范围。(本文来源于《信息通信》期刊2018年02期）
何裕舒,郭浩,张阳[5]（2018）在《基于训练序列的SC-FDE系统定时同步改进算法》一文中研究指出由于Minn算法得到的定时同步度量函数会在不正确的定时同步点处产生多个差别较小的次峰且峰值形成缓慢,从而造成符号定位点模糊,定时同步存在偏差的问题。从SC-FDE系统同步技术着手,提出一种基于Minn算法的改进算法。该算法利用具有良好自相关特性的ZC(Zadoff-Chu)训练序列代替原有PN序列,且将重复的帧结构变更为中心对称的形式,并将训练序列进行多次相关以提高精度。通过对2种算法进行Matlab仿真论证,结果表明,所提的改进算法定时尺度非常尖锐,且在同等条件下有更低的均方差。(本文来源于《现代电子技术》期刊2018年02期）
齐祥明[6]（2017）在《基于迭加训练序列的MIMO信道估计快速算法》一文中研究指出针对无线通信中训练序列的优化及提高无线信道的传输性能,提出了改进的基于迭加周期训练序列的MIMO信道估计算法,利用设计的训练序列和信息序列不相关性,在接收端利用训练序列的周期性构造一阶统计量,利用循环Toeplitz矩阵特性,快速进行信道估计,不会带来带宽的损失。仿真显示,利用该算法使用设计的L序列比使用脉冲序列有更好的估计性能,且具有较快的运算速度,这对于实际的应用有很大的参考价值。(本文来源于《北京印刷学院学报》期刊2017年08期）
张泊宇[7]（2017）在《大规模MIMO系统中训练序列优化算法的研究》一文中研究指出5G是面向2020年以后移动通信需求而发展的新一代移动通信系统,其核心技术包括高能效的无线传输技术以及高密度无线网络技术,其中重点表现为大规模MIMO技术。大规模MIMO系统具有超高的频谱利用率和能量效率等优点,自被提出之后就获得了广泛而深入的研究,是当前通信领域研究的重点内容。然而,大规模MIMO系统实现超高性能增益的前提是系统可以正确地获得信道状态信息,随着发射天线数增多,大规模MIMO系统无法承担信道空间相关信息的反馈开销,此时训练序列的计算发生在用户设备端而非基站端,基站由于不具备信道长期统计信息而需要不断接收反馈回来的训练信号。本文正是针对大规模MIMO系统中基站不具备信道长期统计信息这一问题,研究FDD大规模MIMO系统中下行链路的训练算法优化问题。对于传统训练算法在大规模MIMO系统存在着性能上的限制。本文研究了开环训练算法对于大规模MIMO系统的适用性问题,在推导了开环单射情况下使得信道估计均方误差最小的训练序列结构后,针对优化后的训练序列,本文通过理论推导和实际仿真证明了开环单射训练方法存在的天花板效应,大规模MIMO系统中训练序列固定时系统的归一化接收信噪比将受到限制。使用开环有记忆的训练方法可以缓解开环单射训练所存在的性能限制,使用卡尔曼滤波来预测信道的变化信息可以提升大规模MIMO系统中信道估计的准确度。为了解决大规模MIMO系统中基站端无法完成训练序列计算的问题,本文重点研究了大规模MIMO系统中的闭环有记忆训练算法。研究了使得信道估计性能最好的训练序列结构设计方法,通过寻找高性能的训练信号集以及使得MSE最小的全反馈训练信号,使得信道估计的性能得到提升。仿真结果表明闭环有记忆训练方法可以在只增加几比特反馈开销的前提下使得信道估计更准确,当用户端反馈全部的训练信号结构时,系统的下行链路可以进一步获得更高的信道估计性能。本文创新性地提出了引入功率分配策略的闭环有记忆训练算法,基站可以在不具备信道长期统计信息的前提下完成更加准确的下行链路信道估计。通过计算机仿真评估了新算法的信道估计均方误差性能指标。提出的算法可以在系统性能与链路开销取得较好的折中,适用于大规模MIMO系统中的训练设计问题。(本文来源于《哈尔滨工业大学》期刊2017-06-01）
高宇航[8]（2017）在《基于训练序列的CO-OFDM系统IQ失衡补偿算法研究》一文中研究指出相干光正交频分复用(CO-OFDM)技术作为光通信的重要技术之一,凭借其在高速率、长距离通信环境下仍能取得良好性能的优势,成为近几年来被广泛研究和关注的热点技术。传统的光通信易受色散影响,而OFDM技术具有较强的抗色散能力,将光通信与OFDM技术相结合的CO-OFDM技术兼备了这两种技术的优势。随着通信网络的迅速发展以及通信系统的不断升级,将CO-OFDM系统广泛应用到实际中是未来光通信发展的趋势,现有许多研究者已经通过成果证明这种模式的可行性,但仍有部分问题解决方法仍待完善。CO-OFDM系统采用直接上变频和直接下变频结构时,由于发送端和接收端的硬件器件不理想等因素会引起IQ(in phase and quadrature)失衡问题,IQ失衡指的是I路和Q路的两路传输数据无法做到幅度严格相等,相位严格正交。IQ失衡导致在接收端接收到的信号存在载波间干扰,同时,CO-OFDM系统由于收发端激光器中心频率偏差也会导致载波频率偏差,即载波频偏,而IQ失衡问题与载波频偏问题又会相互影响,严重影响系统性能,造成信号星座点的发散、旋转等问题,致使接收到的数据在解调过程中不能准确的对源信号进行恢复,严重劣化系统的性能。本文对CO-OFDM系统中仅存在IQ失衡问题,以及系统存在载波频偏干扰时的IQ失衡问题建立解决方案模型,分别提出了相应的改进算法,并通过Matlab和Optisystem联合搭建仿真平台,对算法进行了仿真验证。具体分为以下两点内容:(1)为解决IQ失衡对CO-OFDM系统带来的载波间干扰问题,并针对Wonzoo Chung*等人提出的基于叁个子集的数据辅助类法(本文简称W算法)有系统额外开销的问题,通过数学推导,在满足IQ失衡估计模型所必要的结构基础上,对传统数据辅助类算法的导频结构进行改进,将W算法叁个子集的训练序列结构改为两个子集(TS,Two Subsets)的改进算法,在不增加系统额外开销的情况下,提高了对IQ失衡因子估计的准确性,并通过改进算法进行IQ失衡补偿工作。所提出的TS算法与W算法在使用相同OFDM符号作为训练序列,系统信噪比相同时,TS算法较W算法降低了系统的误码率,提高了系统的可靠性。本文通过对W算法和TS算法补偿后系统误码率随信噪比变化的仿真验证,在系统发送端IQ幅度失衡0.7d B,相位失衡25度,传输距离240km,且保证误码率相同的情况下,TS算法所需要的信噪比值要低于W算法所需要的信噪比值,如在误码率为-410时,TS算法所需的信噪比要比W算法低约1d B。(2)为解决CO-OFDM系统中存在载波频偏干扰时的IQ失衡问题,借鉴现有经典的利用重复序列结构来进行载波同步的方法,把无线OFDM系统中IQ失衡与载波频偏联合补偿算法与本文第4章所提出的TS补偿算法相结合,针对CO-OFDM系统提出了改进的TS算法,改进的TS算法把无线OFDM系统中IQ失衡与载波频偏联合补偿算法的叁层结构化为两层结构,延续了TS算法较高的有效性,虽然较TS算法增加了一些系统的额外开销,但能有效的对载波频偏与IQ失衡同时存在的情况对系统进行均衡工作。本文通过对W算法和TS算法与改进的TS算法补偿后系统误码率随信噪比变化的仿真验证,在系统发送端IQ幅度失衡0.7d B,相位失衡25度,其中归一化频偏值fre=0.05,且保证误码率相同的情况下,改进的TS算法所需要的信噪比值要低于W算法和TS算法所需要的信噪比值,在误码率为-410时,改进的TS算法所需的信噪比要比TS算法低约5d B,系统的可靠性得到了大幅度的提升,这是由于W算法和TS算法都只考虑系统的IQ失衡,并没有对系统的载波频偏进行均衡。可见,改进的TS算法不仅延续了TS算法可以有效降低系统IQ失衡影响的优点,又可以降低载波频偏对系统性能的影响,对IQ失衡和载波频偏都有较大的容忍度。(本文来源于《吉林大学》期刊2017-06-01）
王思拨,马社祥,孟鑫,王俊峰[9]（2017）在《基于训练序列的OFDM频率同步改进算法》一文中研究指出针对现有正交频分复用(OFDM)通信系统中频率同步算法存在的同步精度不高、估计范围较小等问题,设计了一种训练序列结构,并给出了相应的估计函数,提出了基于训练序列的频率同步改进算法。频率同步改进算法是在准确的符号定时之后,根据时域训练序列结构的共轭对称性,利用新的度量函数求出小数倍频偏;根据接收端频域训练序列的循环移位估计整数倍频偏。理论分析和仿真结果表明,改进算法频偏估计的均方误差较低,扩大了小数倍频偏估计范围,提高了整数倍频偏的正确检测概率。(本文来源于《电子技术应用》期刊2017年03期）
李鑫[10]（2017）在《基于训练序列的OFDM系统符号同步算法设计与实现》一文中研究指出随着移动通讯技术的全面普及与飞速发展,正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)技术作为一种多载波调制的高速传输方式,以其高效的频谱利用率,稳定的抗多径能力等优点,使之成为当前应用于第四代移动通信系统中的核心技术,并且在针对LTE芯片测试等方面也具有一定的应用价值。然而OFDM系统对符号同步的同步偏差具有很高的要求。因此符号同步的精确与否,对于OFDM系统性能的提升具有非常重要的作用。本文针对基于训练序列的OFDM符号同步算法进行研究与改进,综合了 Schmidl&Cox算法与Park算法在训练序列上的一致性以及它们在性能上的互补关系,对OFDM符号同步方法提出了改进方法,该方法的整个同步环节由粗同步估计和精同步估计两个阶段构成。首先运用Schmidl&Cox的算法进行一个粗略的同步估计。然后以粗略同步估计的位置来确定精同步估计阶段的估计窗口,最后以Park算法的方式进行精符号同步估计得到最终确定的符号定时的位置。Matlab的仿真结果表明改进算法的同步均方误差(MSE,Mean Square Error)在高信噪比和低信噪比情况下相对于现有算法均保持在较低水平。关于OFDM符号同步算法的硬件实测从功能和性能指标两个方面展开,结果表明,基于FPGA平台实现的改进算法能够实现对OFDM基带信号进行符号同步的功能,并可以绘制出相应的星座图。在误差矢量幅度(EVM,Error Vector Magnitude)指标上,通过将OFDM系统中FFT模块的输出数据导入至Matlab中计算,EVM的计算结果在5%以下。在MSE指标上,通过在Matlab中对同步误差值进行统计与计算,MSE在SNR小于8dB时计算结果在105以下,MSE在SNR大于8dB时计算结果在10以下,且均优于现有算法。本文的OFDM符号同步估计方法在功能和性能上均满足了设计要求和指标,可实现OFDM基带系统中对信号的符号同步,其研究成果对于应用OFDM技术的通信系统具有一定的工程实用价值。(本文来源于《东南大学》期刊2017-01-17）
训练序列算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出了一种改进的基于Zadoff-Chu(ZC)序列的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统时频同步算法。该算法构造了一个具有共轭重复关系结构的训练序列,首先利用时域训练序列前后的共轭特性完成定时同步,同时得到整数倍频偏估计,使定时结果不受频率同步性能影响,然后在获取精确的定时同步之后利用训练序列的重复性完成小数频偏估计。理论分析和仿真结果表明,在高斯信道和多径信道下,改进算法的定时估计和频偏估计均方误差较低,同时扩大了整数和小数频偏估计范围,降低了系统计算复杂度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
训练序列算法论文参考文献
[1].张慧,颜彪.基于训练序列的MIMO-FBMC系统同步算法的改进[J].无线电通信技术.2019
[2].陈颖,聂伟.OFDM系统改进的训练序列结构及时频同步算法[J].电子技术应用.2019
[3].余翔,周志义,段思睿,陈和力.基于训练序列的UFMC符号定时同步改进算法[J].电信科学.2018
[4].丁勇,刘纯武,肖昌成.基于训练序列和LMS的频偏估计算法[J].信息通信.2018
[5].何裕舒,郭浩,张阳.基于训练序列的SC-FDE系统定时同步改进算法[J].现代电子技术.2018
[6].齐祥明.基于迭加训练序列的MIMO信道估计快速算法[J].北京印刷学院学报.2017
[7].张泊宇.大规模MIMO系统中训练序列优化算法的研究[D].哈尔滨工业大学.2017
[8].高宇航.基于训练序列的CO-OFDM系统IQ失衡补偿算法研究[D].吉林大学.2017
[9].王思拨,马社祥,孟鑫,王俊峰.基于训练序列的OFDM频率同步改进算法[J].电子技术应用.2017
[10].李鑫.基于训练序列的OFDM系统符号同步算法设计与实现[D].东南大学.2017