论文部分内容阅读
粒子滤波技术对非线性系统和非高斯环境噪声适应性强、滤波算法简单以及不受估计参数维数影响,可以很好的解决多参数估计中存在的非线性和非高斯的问题。平坦衰落信道下多参数联合估计,用传统的方法来实现性能较低,有时还需要发送训练序列。因此,应用粒子滤波方法研究平坦衰落信道下的多参数联合估计有十分重要的意义。本文的主要工作概括如下: 1.在已知统计特性的平坦衰落信道下,比较了普通的粒子滤波算法和混合卡尔曼滤波(MKF)算法的性能,结果表明:无论系统干扰噪声是高斯的还是非高斯的,MKF采用较少的粒子数可以达到近似普通的粒子滤波的性能。 2.在未知统计特性的平坦衰落信道下,系统干扰噪声为非高斯噪声时,推导了基于混合重要性函数的MKF盲检测算法,在变粒子数盲检测算法和进化粒子滤波盲检测算法中应用到。 3.在未知统计特性的平坦衰落信道下,提出了一种变粒子数盲检测算法。首先,利用基于混合重要性函数的MKF盲检测算法(较多粒子)估计信道的模型参数,然后应用改进随机 M检测算法(较少粒子)检测码元。变粒子数盲检测器的优点是复杂度低,不需要发送训练序列;其缺点是如果信道模型参数是变化的,需要在不同的算法之间切换。仿真结果表明变粒子盲检测器,具有良好的性能,并且总体复杂度低。 4.在未知统计特性的平坦衰落信道下,提出了基于进化粒子滤波盲检测算法来缓解样本贫化现象的影响。重采样后,采用进化粒子滤波算法来改善信道模型参数样本集的多样性。无论系统干扰噪声是高斯的还是非高斯的,仿真结果显示了算法的有效性。