我们在本文中提出了一种增强动态信道均衡的方法。 动态信道的特征和模型是发射机和接收机之间的相对速度较高，并且波传播的环境条件快速变化。 基于Jakes模型，开发了用于这种动态系统（即时变通道）的自回归模型（AR）[1]。 更具体地说，我们提出的增强均衡方法是将多级时域和频域均衡器与前馈环路结合在一起。 带下划线的炒锅为均衡方法提供了一种统一的方法，该方法同时使用时域和频域数据来增强均衡方案。 在OFDM系统中，在连续的块的时域中，每个抽头的信道系数是部分独立的，因此相关。 如果考虑到这种相关性，则可以改善信道估计。 本文中的方法通过基于多普勒频率动态选择先前的OFDM符号数量来增强均衡性能。 为了降低系统模型的复杂性，我们利用自相关和多普勒频率来动态选择将存储在存储器中的先前OFDM符号。 除了以统一的方式得出较早的结果外，提出的方法还可以提高性能，而不会对OFDM系统施加任何限制或限制，例如增加导频或循环前缀的数量。

本文讨论了在α稳定噪声条件下的调制分类。 我们的目标是在这种情况下将正交频分复用（OFDM）调制类型与单载波线性数字（SCLD）调制区分开。 基于本文提出的有关这些信号在α稳定噪声中的广义循环平稳性的新结果，我们构造了新的调制分类特征，而没有载波频率和接收信号的时序偏移的任何先验信息，并使用支持向量机（SVM）作为分类器，以区分OFDM和SCLD。 仿真结果表明，当混合信噪比（MSNR）达到？1 dB时，该算法的识别精度可以达到95％。

一种正交频分复用系统的快速自动增益控制方法，王海龙，屠艳菊，自动增益控制（AGC）在OFDM接收机中有着重要意义。针对传统AGC存在的收敛速度较慢、增益抖动和空时隙错误调整等问题，研究了一种快��

主要研究认知无线网络中基于OFDM（orthogonal frequency dinsion multiplexing）的功率分配问题。为将认知用户(secondary user,SU)对主用户(primary user,PU)的干扰功率限制在主用户可容忍的范围内，同时最大化认知用户的传输速率，提出了基于凸优化理论的功率分配方案。仿真结果表明，在主用户可容忍的干扰极限和认知用户总功率约束下，该方案能最大化认知用户的传输速率。

利用MATLAB仿真了正交频分多路复用技术（Orthogonal Frequency Division Multiplexing），对该过程的了解有一定的帮助

OFDM系统对频率偏移极为敏感，频率偏移将导致子载波之间失去正交性，于是产生子载波干扰(ICI)，从而降低系统性能。通过对有效抑制ICI的方法—ICI自消除算法进行研究，分析了ICI自消除算法对OFDM系统的影响。在软件无线电（GNU Radio）平台上搭建该系统，并在实际环境中运行。研究结果表明：与传统OFDM系统相比，ICI自消除算法使OFDM系统的误码率得到改善。

针对已有算法对系统容量和高公平性兼顾较差的情况，提出了一种满足公平性的系统容量最大化资源分配算法。在子载波分配中通过建立信道效率控制模型，给当前用户分配信道效率最高的子载波，将信道增益低于门限值的子载波重新分配，改进了最大化最小（max-min）用户速率模型。在功率分配中将系统模型转化成用注水线表示的数学模型，首先求解各用户的注水线，再求解各用户的功率分配，保证了用户间比例公平性。两种信噪比情形下的仿真和分析表明，整个方案计算复杂度稍低，系统容量获得较大提升，并且用户间的公平性始终为1。

在已知的多输入多输出(MIMO)及正交频分复用(OFDM)系统的信号检测算法中，球型译码检测算法的译码性能十分接近于性能最优的最大似然检测算法，并且其译码复杂度有很大的降低，但其会受到译码半径的影响。普通的球型译码检测算法，信道噪声对算法的译码半径影响较大，为了降低信道噪声对译码半径的影响度，提出了一种新型的球型译码检测算法，该算法在译码初始半径分别根据两种不同的情况作出选择。仿真结果显示，其选择的译码半径受噪声的影响极小，达到了降低译码复杂度的目的。总体而言，新型的球型译码检测算法极大地降低了译码复杂度

提出了一种改进的基于Zadoff-Chu(ZC)序列的正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)系统时频同步算法。该算法构造了一个具有共轭重复关系结构的训练序列，首先利用时域训练序列前后的共轭特性完成定时同步，同时得到整数倍频偏估计，使定时结果不受频率同步性能影响，然后在获取精确的定时同步之后利用训练序列的重复性完成小数频偏估计。理论分析和仿真结果表明，在高斯信道和多径信道下，改进算法的定时估计和频偏估计均方误差较低，同时扩大了整数和小数频偏估计范围，降低了系统计算复杂度。

在多输入多输出-正交频分复用(MIMO-OFDM)系统中,通过联合估计信道矩阵和干扰协方差矩阵(ICM)的方法来抑制同信道干扰.首先,利用最小二乘法和残差估计方法获取信道矩阵和ICM的初始估计值;然后,基于Cholesky分解方法对ICM的估计值进行改善,并利用改善后的ICM估计值对信道矩阵估计值进行更新.该方法充分利用了时域和频域中的所有可用信息,提高了信道估计精度,较好地抑制了同信道干扰.仿真结果表明:与其他可实现的非迭代方法相比,该方法所得的信道频率响应估计均方误差性能增益高于2 d B;信干噪比(SINR)越大,比特误码率性能的改善程度越好,并且随着天线数的增多,性能增益也增大.