自适应信道估计算法

　　针对当前基于奇异值分解的线性最小均方误差（ SVD-LMMSE）法信道估计误差相对较大的问题，提出了一种基于经验模态分解和奇异值分解（ EMD-SVD）差分谱的离散小波变换（DWT）域线性最小均方误差（LMMSE）自适应信道估计算法。在对信号进行最小二乘（LS）信道估计及预滤波处理后，运用DW‘r对信号的高频系数进行阈值量化去噪处理；然后结合基于EMD-SVD差分谱的自适应算法，将强噪声小波系数中微弱的有效信号提取出来，并进行信号的重构；最后根据循环前缀（CP）内、外噪声方差的均值设置相应门限，对循环前缀以内的噪声进行再次处理，从而进一步降低噪声的影响。对算法的误码率（BER）和均方误差（MSE）性能进行实验仿真，实验结果表明：所提算法的整体性能明显优于经典的LS算法、传统的LMMSE算法和目前较为流行的SVD-LMMSE算法，能够较好地降低噪声的影响，并可有效提升信道估计的精确度。