摘要:针对复杂环境下,单测量矢量(SMV)条件下的正交频分复用(OFDM)时延估计问题,该文提出了一种基于贝叶斯自动相关性确定(BARD)的稀疏重构时延估计算法。该算法运用贝叶斯框架,从进一步挖掘有用信息的角度入手,引入不对称的自动相关性确定(ARD)先验,融入参数估计过程中,有效提升了低信噪比(SNR)和SMV条件下的时延估计精度。该算法首先基于OFDM信号物理层协议数据单元估计出的信道频域响应构造稀疏化实数域表示模型,然后对模型中的噪声和稀疏系数矢量进行概率假设,同时引入自动相关性确定先验;最后根据贝叶斯框架,通过期望最大化(EM)算法求解超参数,实现对时延的估计。仿真实验表明,该算法具有更好的估计性能,在信噪比较高时更加贴近克拉美罗界(CRB)。同时基于通用软件无线电外设(USRP),利用实际信号对所提算法进行了有效性地验证。
关键词:时延估计 神经网络
单位:信息工程大学信息系统工程学院; 郑州450001
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社