Сочинение на тему Подходы к оценке: учебный подход к фильтру Калмана

Был предложен новый анализ метода оценки канала, в котором фильтры Калмана записывают подпространство сигналов в корреляционной матрице выборок канала для OFDM. Многолучевая антенна легко затягивается с помощью фильтра Калмана. Полученные результаты эксперимента показывают, что предлагаемый метод может отслеживать как изменения во времени доплеровской частоты, так и каналы блочного затухания [11]. Была продемонстрирована разработанная модель под названием Basis Expansion Model (BEM), в которой совместно оцениваются комплексные амплитуды тракта (CA) и смещения несущей частоты (CFO) в средах MIMO-OFDM. Авторегрессия оценивается для CA, CFO и для будущего развития, выполненного с помощью фильтрации Калмана. Данные получены с помощью QR-эквалайзера [12]. Для работы по каналам селективного замирания системами MIMO-OFDM разработана методика отслеживания каналов. Для отслеживания работы канала в пространстве состояний и канала путем предоставления оперативной оценки был достигнут расширенный фильтр Калмана. Этот метод позволяет лучше отслеживать каналы [13].

c) Подход к моделированию переходов между состояниями:

STC (коэффициент передачи состояния) с корректирующим пороговым уровнем был введен с помощью оценки на основе канала с помощью фильтра Калмана. Определяя точный пороговый уровень в STC, можно улучшить оценку канала с помощью изменяющегося во времени СШП (сверхширокополосного) канала. Использование оценки канала на основе фильтра Калмана в ODFM улучшает оценку канала в современных многоканальных входах и множественных выходах с прогнозированием и множественных входов с множеством выходов канала, изменяющегося во времени [14].

d) Подход к максимизации ожиданий:

Был разработан эффективный метод связи STBC MIMO-OFDM, основанный на композиции приемника по FSTVC (частотно-избирательные временные каналы). Восстановление информации осуществляется с использованием алгоритма фильтра Калмана для максимизации ожидания. Результаты моделирования выполняются приемником, который основан на линейном квадрате [15].

e) Подход к регрессионному моделированию:

В нисходящем канале LTE для изменяющегося во времени канала многолучевого замирания была предложена эффективная технология с точки зрения оценки канала и интерполяции. Изменяющийся во времени канал формируется как процесс AR, представленный в форме пространства состояний, и цель фильтра Калмана предназначена для оценки канала, а также для интерполяции по символам сигнала [16]. Кроме того, разработан адаптивный алгоритм оценки канала в системе MIMO-OFDM , Адаптивные фильтры – это LMS, RLS или kalman, которые не нуждаются в каких-либо дополнительных данных канала, вызывающего озабоченность. С одной стороны, благодаря LMS улучшается оценка канала со сравнительно низкой эффективностью, с другой стороны, LMS с kalman может повысить производительность оценки канала, но сталкивается с большей вычислительной сложностью [17].

Вывод:

Фильтр Калмана играет жизненно важную роль в широком диапазоне применений передачи, как представлено в этой статье, с точки зрения использования механизма OFDM-MIMO в технике связи STBC. Тщательно выделены эффекты канала, а также его проектирование и значительная оценка. Предполагается, что доступ к оценке канала основан на периодическом выравнивании с использованием обучающей последовательности и оценке канала с поддержкой несущей пилот-сигнала. Это улучшение достигается без потери пропускной способности. И последнее, но не менее важное: в этой статье представлен исчерпывающий точечный анализ из доступной литературы для различного уровня оценки эффективности.