基于多模型的信道混合估计理论及方法

无线信道的高动态性使得信道估计成为无线通信中具有挑战性的关键技术之一。本项目将多模型自适应控制的理论和思想引入信道估计中，利用多模型高覆盖性和灵活性的特点，使信道估计方法在大信道范围内具有高鲁棒性和精确性。拟从以下几方面开展工作：针对窄带慢衰落信道，建立多模型信道估计理论和框架，探讨兼顾覆盖性和精简性的信道估计多模型集，兼顾信道估计性能、算法收敛速度、稳定性等的多模型优化、切换指标和策略；将多模型信道估计理论方法应用于时频双选信道中，讨论其对信道特性的覆盖，并研究半盲估计中的导频设计问题，在系统传输效率和估计精确度方面进行优化设计；在OFDM系统中，分析不同条件下时域估计和频域估计的特点，设计多模型估计方法，为未来通信系统的高效传输提供应用基础。

多模型理论在复杂系统的自适应控制中具有可靠性和有效性，本项目基于多模型理论思想，提出无线信道的多模型混合信道估计并对其机理展开系统、深入的研究，以解决无线信道估计中的信道建模和估计问题。针对时变窄带慢衰落信道，建立两个自适应模型与多个固定模型的信道估计模型库，设计了基于卡尔曼算法的自适应滤波估计器，使用动态规划算法对信道模型变化进行检测，该方法未出现频繁切换模型的情况，避免了切换震荡，且具有较快的收敛速度；提出基于支持向量机的信道变化检测方法，通过建立信道环境的特征值，使用向量机对信道环境是否产生变化进行检测，具有较高的准确性。针对时变频变的双选信道，采用多个不同核函数的扩展基模型的Kalman估计构成多模型库，给出了基于测量残差的Kalman滤波器间的硬切换和基于交互式多模型的软切换两种方法，实现了不同时变条件下的估计模型切换；建立基于不同扩展基模型和不同估计器的“异构”信道估计模型库， 给出了基于模型误差的加权软切换算法和分析。针对慢变OFDM系统，提出了基于神经网络的信道估计方法和基于支持向量机的信道估计方法；针对快变OFDM系统中频域Kalman滤波估计方法准确度受到子载波干扰影响，结合数据检测，提出了一种新的信号干扰噪声的滤波方法，并设计基于测量残差的迭代判决方法和渐进迭代方法，在不同的信道条件下有效的抑制了错误扩散，从而获得准确的信道估计，针对快速OFDM信道的时变性，提出采用不同时域扩展基转换的频域Kalman估计模型，提出基于测量残差的切换策略实现多个模型间的切换，获得不同时变条件下的优化估计；针对两种模型的模型库，分析模型性能差别设计了一种模糊切换策略，在保证性能与传统多模型方案一样有所提升的同时，降低了模型切换的次数，保证了系统的稳定性。本项目通过对窄带慢衰落信道、时频双选快衰落信道和OFDM系统信道的不同信道环境和系统环境的分析，建立了信道的混合动态多模型集, 并通过模型和估计算法的切换，实现适用范围更广、鲁棒性更高的信道估计。