现有的信道估计算法大多是基于高斯噪声模型假设。然而在实际无线通信环境中，常常出现脉冲噪声使得噪声不再满足高斯模型，而是满足一种广义高斯分布（GGD）噪声模型。采用传统的自适应信道估计算法（如递归最小二乘（RLS）算法）无法抑制这种非高斯噪声的干扰。对此提出一种可抑制非高斯噪声干扰的RLS信道估计算法。该算法通过在标准RLS算法中引入两种稀疏约束函数（L1-范数和L0-范数）来有效地挖掘稀疏结构信息。通过蒙特卡罗仿真，验证了提出的信道估计算法的估计性能比标准RLS算法更好。

实现信道估计算法的matlab仿真。 实现信道估计算法的matlab仿真。

matlab实现OFDM信道估计LS算法 信道估计的常用算法，适合毕业设计，拿了就能用。

OFDM是4代移动通信下行通信标准 本文件是关于OFDM信道估计，采样LS信道估计方法

在此代码中，我们考虑了MIMO OFDM系统的最小平方误差信道估计。 用户可以访问MIMO OFDM系统的设计参数和信道状态信息。 L抽头瑞利衰落信道被视为在任何一对发射天线和接收天线之间。 将仿真结果得到的LSE信道的均方误差与理论值进行比较。 (In this code we consider the least square error channel estimation for a MIMO OFDM system. The user have access to the design parameters of the MIMO OFDM system and the channel state information. The L-tap Rayleigh fading channel is considered between any pair of the transmit and receive antenna. The mean squared error of the LSE channel obtained by the simulation result is compared with theory. ) source paper: "Optimal Training Design for MIMO OFDM Systems in Mobile Wireless Channels"

OFDM系统中基于导频的信道估计，蔡凌鹤，，正交频分复用（OFDM）有很高的频带利用率和很强的抗干扰能力，已经越来越收到人们的关注。但是在OFDM移动通信系统中，多级衰落信道�

日趋重要的高速移动工具，如高速铁路、无人驾驶飞机等，大多都处在开阔地带。由于视距传播的存在，瑞利衰落模型已经不能很好地描述该环境下的信道情况，而莱斯衰落信道模型由视距分量和多径分量组成，更能准确地表述上述信道变化。基于此模型，在大规模天线系统下，在已存在的基于叠加训练序列信道估计方法的基础上，提出了改进的信道估计方法和对应的解码方法。改进后的信道估计方法分为直射分量已知和未知两种情况，分别推导了相应的信道估计公式和解码方法。数值仿真结果验证了本文所提方案性能的优越性。

讲述LTE物理层方方面面的知识，非常全面。具体包括物理层综述、物理层参数、物理信道结构、物理层过程、信道估计、接收机等，辅以问答的形式，更加通俗易懂。

基于深度神经网络的时域信道估计算法，张丁水，林家儒，本文介绍了一种基于深度神经网络（DNN）的无线信道估计算法，可应用于低信噪比下单载波频域均衡（SC-FDE）系统中对衰落信道的估计。

FDD多用户大规模MIMO的信道估计：基于变分贝叶斯推理的方法