1、粒子濾波技術對非線性系統和非高斯環(huán)境噪聲適應性強、濾波算法簡單以及不受估計參數維數影響,可以很好的解決多參數估計中存在的非線性和非高斯的問題。平坦衰落信道下多參數聯合估計,用傳統的方法來實現性能較低,有時還需要發(fā)送訓練序列。因此,應用粒子濾波方法研究平坦衰落信道下的多參數聯合估計有十分重要的意義。本文的主要工作概括如下:
　　1.在已知統計特性的平坦衰落信道下,比較了普通的粒子濾波算法和混合卡爾曼濾波(MKF)算法的性能,結果表明

2、:無論系統干擾噪聲是高斯的還是非高斯的,MKF采用較少的粒子數可以達到近似普通的粒子濾波的性能。
　　2.在未知統計特性的平坦衰落信道下,系統干擾噪聲為非高斯噪聲時,推導了基于混合重要性函數的MKF盲檢測算法,在變粒子數盲檢測算法和進化粒子濾波盲檢測算法中應用到。
　　3.在未知統計特性的平坦衰落信道下,提出了一種變粒子數盲檢測算法。首先,利用基于混合重要性函數的MKF盲檢測算法(較多粒子)估計信道的模型參數,然后應用改進隨

3、機 M檢測算法(較少粒子)檢測碼元。變粒子數盲檢測器的優(yōu)點是復雜度低,不需要發(fā)送訓練序列;其缺點是如果信道模型參數是變化的,需要在不同的算法之間切換。仿真結果表明變粒子盲檢測器,具有良好的性能,并且總體復雜度低。
　　4.在未知統計特性的平坦衰落信道下,提出了基于進化粒子濾波盲檢測算法來緩解樣本貧化現象的影響。重采樣后,采用進化粒子濾波算法來改善信道模型參數樣本集的多樣性。無論系統干擾噪聲是高斯的還是非高斯的,仿真結果顯示了算法的