项目名称: 多天线接收信号联合信道参数估计与符号检测技术研究

项目编号: No.61501517

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 无线电电子学、电信技术

项目作者: 沈智翔

作者单位: 中国人民解放军战略支援部队信息工程大学

项目金额: 19万元

中文摘要: 课题以提升多天线信号信道参数估计与符号检测性能为研究目标,立足已有研究基础,从多信号流多参数联合处理出发,研究复杂信道下多天线信号联合接收处理理论与方法。着重于三方面内容:一是多天线联合信道参数估计问题,研究基于多天线接收信号的多径参数盲估计以及基于合成参考的联合信道参数估计方法。二是时间选择性衰落信道下,符号信息与信道参数的联合处理结构及联合符号检测方法。三是频率选择性衰落信道下多天线信号联合信道均衡问题,研究信道未知条件下的联合均衡结构与联合符号检测方法。本项目旨在丰富完善多信号流多参数联合处理结构与方法,提升复杂信道环境下多天线信号的接收处理性能,研究成果将为实际应用提供重要的理论基础和关键技术支撑。

中文关键词: 多天线信号;多参数联合估计;信道参数估计;联合均衡;符号检测

英文摘要: This topic is committed to improve the quality of channel parameters estimation and symbol detection with multi-receivers. Based on existing research, the joint processing of multiple parameters and multiple signals is applied, and the theory and methods research of multi-antenna signals reception under fading channels will be achieved. Our studies are concentrated on three aspects. The first research direction is to estimate the channel parameters of multi-receivers, joint channel identification and joint estimation based on combined reference will be studied. Second, a new scheme is proposed to achieve the parameter estimation and symbol detection jointly under time selective fading channels. The third research direction is joint equalization and diversity structures under frequency selective fading channels. The joint processing of equalization, timing recovery and symbol detection will be applied. The goal of this project is to improve the quality of reception and processing with multi-receivers, and the theoretical and technical supports will be provided for practical applications.

英文关键词: multi-receiver signals;joint estimation of multi-parameters;channel parameter estimation;joint equalization;symbol detection

成为VIP会员查看完整内容
0

相关内容

《5G/6G毫米波测试技术白皮书》未来移动通信论坛
专知会员服务
16+阅读 · 2022年4月15日
专知会员服务
22+阅读 · 2021年10月6日
专知会员服务
52+阅读 · 2021年8月29日
专知会员服务
81+阅读 · 2021年7月31日
机器学习在信道建模中的应用综述
专知会员服务
27+阅读 · 2021年3月16日
专知会员服务
35+阅读 · 2021年2月20日
少即是多?非参数语言模型,68页ppt
专知会员服务
23+阅读 · 2020年11月22日
专知会员服务
31+阅读 · 2020年10月13日
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
56+阅读 · 2020年6月24日
去伪存真:因果约束下的图神经网络泛化
PaperWeekly
0+阅读 · 2022年2月10日
一文搞懂反向传播
机器学习与推荐算法
18+阅读 · 2020年3月12日
已删除
将门创投
12+阅读 · 2019年7月1日
[有意思的数学] 参数估计
机器学习和数学
15+阅读 · 2017年6月4日
国家自然科学基金
17+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Challenges for Open-domain Targeted Sentiment Analysis
小贴士
相关VIP内容
《5G/6G毫米波测试技术白皮书》未来移动通信论坛
专知会员服务
16+阅读 · 2022年4月15日
专知会员服务
22+阅读 · 2021年10月6日
专知会员服务
52+阅读 · 2021年8月29日
专知会员服务
81+阅读 · 2021年7月31日
机器学习在信道建模中的应用综述
专知会员服务
27+阅读 · 2021年3月16日
专知会员服务
35+阅读 · 2021年2月20日
少即是多?非参数语言模型,68页ppt
专知会员服务
23+阅读 · 2020年11月22日
专知会员服务
31+阅读 · 2020年10月13日
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
56+阅读 · 2020年6月24日
相关资讯
相关基金
国家自然科学基金
17+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员