基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对隧道环境下多径传播的特点,提出了一种用于正交频分复用(OFDM)系统的基于最小二乘支持向量机(LS-SVM)预测的新型信道估计算法,该算法利用子空间思想将信道特性中的噪声分量分离开来并通过低通滤波器滤除.仿真结果表明该算法估计性能优于传统线性最小均方误差(LMMSE)估计算法:一方面在利用较少导频信号的情况下通过LS-SVM预测获得整个信道的频率特性,提高了系统传输效率;另一方面通过滤除噪声改善了因信道估计值中噪声分量带来的误码率(BER).
推荐文章
MIMO-OFDM系统角域LS信道估计算法
多输入输出
正交频分复用
信道估计
最小二乘
角域
MIMO-OFDM系统中基于STBC导频迭代LS信道估计算法
MIMO-OFDM
空时分组码
迭代LS算法
信道估计
基于微粒群算法的LS-SVM时间序列预测
支持向量机
微粒群算法
时间序列预测
超平面空间
基于MIMO-OFDM系统的信道估计算法分析
MIMO-OFDM
信道估计算法
最小平方
最小均方误差
盲信道估计
半盲信道估计
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于LS-SVM预测的隧道多径环境OFDM系统信道估计算法
来源期刊 高技术通讯 学科
关键词 信道估计 最小二乘支持向量机(LS-SVM) 低通滤波器 线性最小均方误差(LMMSE) 低秩
年,卷(期) 2013,(9) 所属期刊栏目 计算机与通信技术
研究方向 页码范围 888-893
页数 6页 分类号
字数 4462字 语种 中文
DOI 10.3772/j.issn.1002-0470.2013.09.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 丁青锋 上海大学特种光纤与光接入网重点实验室 31 94 5.0 9.0
3 郑国莘 上海大学特种光纤与光接入网重点实验室 69 313 9.0 13.0
4 杨柳 上海大学特种光纤与光接入网重点实验室 22 35 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (50)
共引文献  (39)
参考文献  (15)
节点文献
引证文献  (2)
同被引文献  (4)
二级引证文献  (3)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(11)
  • 参考文献(1)
  • 二级参考文献(10)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(6)
  • 参考文献(3)
  • 二级参考文献(3)
2008(8)
  • 参考文献(1)
  • 二级参考文献(7)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2010(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
信道估计
最小二乘支持向量机(LS-SVM)
低通滤波器
线性最小均方误差(LMMSE)
低秩
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
高技术通讯
月刊
1002-0470
11-2770/N
大16开
北京市三里河路54号
82-516
1991
chi
出版文献量(篇)
5099
总下载数(次)
14
总被引数(次)
39217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导