Blind Channel Estimation for STBC Systems Using Higher-Order Statistics
نویسندگان
چکیده
منابع مشابه
channel estimation for mimo-ofdm systems
تخمین دقیق مشخصات کانال در سیستم های مخابراتی یک امر مهم محسوب می گردد. این امر به ویژه در کانال های بیسیم با خاصیت فرکانس گزینی و زمان گزینی شدید، چالش بزرگی است. مقالات متعدد پر از روش های مبتکرانه ای برای طراحی و آنالیز الگوریتم های تخمین کانال است که بیشتر آنها از روش های خاصی استفاده می کنند که یا دارای عملکرد خوب با پیچیدگی محاسباتی بالا هستند و یا با عملکرد نه چندان خوب پیچیدگی پایینی...
Blind GSM Channel Estimation Based on Higher Order Statistics
The performance of many comm. systems could be improved if the transmission channel was estimated blindly, i.e. without training sequences. As an example, we investigate in this paper whether, on GSM conditions, the blind channel estimation method EVI (EIGENVECTOR APPROACH TO BLIND IDENTIFICATION) can compete with the non-blind least squares scheme based on the cross-correlation. For Gaussian s...
متن کاملBlind channel estimation using the second-order statistics: algorithms
Most second-order moment-based blind channel estimators belong to two categories: i) optimal correlation/spectral fitting techniques and ii) eigenstructure-based techniques. These two classes of algorithms have complementary advantages and disadvantages. In this paper, a new optimization criterion referred to as the joint optimization with subspace constraints (JOSC) is proposed to unify the tw...
متن کاملBlind Estimation of Non-gaussian Finite Impulse Response (fir) Systems Using Higher Order Statistics
In this paper we present an approach for blind identification of a Single−Input Single−Output (SISO) Moving Average (MA) models, when only output data are available. The input sequence is assumed to be independent and identically distributed (i.i.d), zero mean and must be non−gaussian. The approach used is based on the fourth order cumulants. To evaluate the performance of the proposed algorith...
متن کاملAcoustic Spectral Estimation using Higher Order Statistics
Assuming an auto regressive (AR) lter model driven by a non-Gaussian white noise we formulate a general parameter estimation problem. A maximum likelihood solution gives an AR estimate of the l-ter and the probability distribution function parameters for non-Gaussian input. The proposed method is optimal in the information theoretic sense, giving the most probable model for the source and lter ...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: IEEE Transactions on Wireless Communications
سال: 2011
ISSN: 1536-1276
DOI: 10.1109/twc.2010.112310.091576