低复杂度的压缩感知信道估计方法

针对采用非正交多载波调制的无线通信系统中,信道的稀疏度未知且非零稀疏路径随时间变化的问题,提出了一种基于导频信号互相关运算的压缩感知信道估计方法,利用接收端导频信号互相关计算对信道稀疏度及非零稀疏路径的时延分布进行预估,结合改进的低复杂度压缩感知重构算法得到信道估计结果.针对非正交多载波调制系统具有频谱利用效率高、信道环境适应性强的优点,对非正交多载波调制系统的导频图案进行优化设计,提高压缩感知信道估计算法的精度.仿真结果和理论分析表明:该方法不仅能够提高非正交多载波调制系统的频谱效率,还可以降低系统传输误码率与计算复杂度.     

基于卡尔曼滤波压缩感知的超宽带信道估计

针对超宽带通信系统采样速率过高的难题,利用超宽带信道冲击响应的稀疏性,提出了一种基于卡尔曼滤波压缩感知的时变信道估计算法.通过将直接序列调制的超宽带发送信号进行下采样,建立压缩感知的数学模型,接收端通过卡尔曼滤波压缩感知的重构算法对信道的冲击响应进行重构.仿真结果表明,对于时变的超宽带信道采用卡尔曼滤波压缩感知算法,不仅可以有效降低采样点数,而且提高了信道估计的准确性.     

一种组稀疏信道估计中的信号重构优化方法

针对正交频分复用(OFDM)系统信道的稀疏性,同时考虑信道的时间选择性和频率选择性,运用压缩感知理论研究了基于组稀疏压缩感知(GSCS)的时变信道估计方法。该方法通过信道系数和基扩展系数的稀疏表示,提出了组稀疏概念以测量、重构信号。在GSCS信号重构过程中,提出了一种新的优化方法,引入一个纠正过程,剔除错误的原子,提高了组稀疏估计方法的信号重构性能。分别在单天线和多天线系统中进行仿真实验,结果验证了本文方法的优越性。     

含非线性失真的OFDM系统压缩感知信道估计

针对5G高频段大带宽通信引入的器件非线性因素,利用信道与非线性噪声的双重稀疏性,提出一种含有非线性失真影响的OFDM系统压缩感知信道估计方法.在发射机中提出分组导频结合级联限幅方案,以保护第1组导频不受非线性失真影响;在接收机中基于第1组导频进行压缩感知信道估计,再将信道响应作为先验信息,利用第2组导频进行压缩感知非线性失真估计.仿真表明,该方法具有良好的性能,且无需迭代运算及先验信息.     

压缩感知的UWB信道盲估计算法

针对超宽带系统采样速率过高难以实现的问题,利用信道稀疏性提出一种基于压缩感知的盲信道估计算法。将接收信号通过一个随机测量矩阵,利用测量信号的一阶统计量建立压缩感知的数学模型,最后利用正交匹配追踪(OMP)算法重构得到估计信道。算法只需很少测量值就可估计出信道,节省了大量的模数转换(ADC)资源,使系统实现成为可能。仿真结果表明算法具有良好的估计性能,且算法的误比特率(BER)性能相比利用准确信道只有2～3dB的差距。     

基于压缩感知的非线性 OFDM 系统迭代信道估计算法

针对因非线性失真引起的正交频分复用（orthogonal frequency division multiplexing,OFDM）系统信道估计性能下降的问题,提出了一种基于压缩感知的非线性OFDM系统迭代信道估计算法。在算法实现过程中,利用信道与非线性噪声的双重稀疏性,将导频信息作为观测矩阵进行压缩感知信道估计,再将所得信道信息看作观测矩阵进行压缩感知非线性失真估计,进而对信号进行非线性补偿,并逐步循环迭代至算法收敛。仿真表明,在稀疏信道下,该算法在较少的迭代次数下即可有效减小非线性失真对信道估计的影响,且比现有方法性能更优,仿真证明了该方法在性能上的优越性。     

基于修正压缩感知的信道估计算法

针对稀疏信道在两个OFDM符号间变化缓慢的特性,利用宽带稀疏信道分簇特性,提出了一种修正分簇自适应正则匹配追踪(MOD-CRAMP)压缩感知信道估计算法.该算法在原有基于压缩感知稀疏信道估计算法的基础上,加入信道的先验信息.同时,利用前次估计的索引值作为当前估计的支撑,并采用正则化的思想对候选支撑集进行2次筛选,从而达到信道的精确重构.仿真结果表明,该算法比传统的OMP算法、CRAMP算法及MODOMP算法均具有更好的估计性能.     

基于块对角结构的语音信号盲压缩重构

为在复杂环境中提高语音信号的重构精度, 提出基于正交块对角结构的语音信号盲压缩重构算法, 通过最优求解找到一组对应的正交块对角变换基及稀疏矩阵, 利用二者乘积实现语音信号压缩重构。该算法确保盲压缩感知理论具有唯一解, 能从复杂的环境中恢复原始语音信号, 具有更强的自适应性, 在保证听觉效果的同时, 大大降低了观测维度。实验结果表明, 基于正交块对角结构盲压缩感知(OBD-BCS: Orthonormal Block Diagonal Blind Compressed Sensing)算法能高质量恢复语音信号原始结构。     

OFDM系统中最优导频序列的设计方案

在正交频分复用(OFDM)系统中,接收信号易受频率选择性衰落信道的影响产生失真,准确的信道估计变得必不可少。考虑到无线信道的内在稀疏性、压缩感知技术挖掘信道稀疏特征的有效性,研究了基于压缩感知技术的OFDM稀疏信道估计。针对导频位置影响信道估计性能的问题,提出了一种反馈型的导频优化算法,该算法基于离散傅里叶变换(DFT)子矩阵中各个列之间互相干性最小的原则,同时结合信道状态信息的反馈机制,实现了对导频序列的联合优化。仿真结果表明,与当前的随机优化算法、传统最小二乘信道估计相比,该优化方法有效降低干扰和噪声对信道估计的影响,从而改善了信道估计的性能。     

MIMO-OFDM中稀疏度自适应的信道估计方法

将压缩感知应用在稀疏度未知的多天线正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing,MIM0-OFDM)系统信道估计中,提出一种2级阈值的变步长自适应匹配追踪(variable step size adaptive matching pursuit,VssAMP)算法,利用残差值确定第1级阈值调整稀疏度步长,提高信道稀疏度的估计精确度,利用噪声能量和信噪比(signal to noise ratio,SNR)确定第2级阈值控制算法迭代条件,降低小信噪比时信道重构误差.理论分析和仿真结果表明,该算法减小了初始步长对信道稀疏度估计精确度的影响,解决了VssAMP算法阈值难以确定的问题,相比原算法提高了信道估计精确度.     

采用时域测量矩阵的压缩感知稀疏信道估计方法

针对传统最小二乘和伪随机序列相关信道估计方法在稀疏信道应用时估计精度差的问题,提出一种采用时域测量矩阵的压缩感知稀疏信道估计方法.新方法首先将循环前缀单载波分块传输系统中的稀疏信道估计建模为一个典型的压缩感知问题,然后利用具有最优循环相关特性的伪随机序列优化构造确定性压缩感知测量矩阵,避免了使用随机测量矩阵造成的存储不便及估计性能差的问题,且提高了信道估计性能.基于准静态COST 207典型城市信道模型的仿真结果表明:该估计方法能够有效地降低稀疏信道的估计均方误差,在16 dB处的误码率可达2×10-5,而相同情况下最小二乘信道估计方法的误码率只能达到3×10-3.     

TDCS的压缩感知稀疏信道估计方法

为充分利用变换域通信系统高速无线传输时信道表现出来的稀疏多径传输特性,提高TDCS的信道估计精度,提出一种基于压缩感知的TDCS稀疏信道估计方法。针对TDCS设计了一种导频图案,该导频图案设计的数据帧结构保证了TDCS信号授权用户的正交性,且其构造的测量矩阵具有较低的互相关特性;利用Dantzig Selector重构稀疏信道冲激响应值。基于COST207乡村信道模型的仿真表明:新方法可有效降低稀疏信道估计的均方误差,在误比特率为0.002时可获得比最小二乘估计方法高约1dB的性能增益。     

基于压缩感知的自适应加权匹配追踪算法

压缩感知（compressed sensing,CS）技术通过减少发射导频数来提高频谱的利用率。将CS技术应用于导频辅助的稀疏度未知的正交频分复用（orthogonal frequency division multiplexing,OFDM）信道估计中,提出一种自适应加权匹配追踪（CS-based adaptive weighting &matching pursuit,AWMP）算法。该算法使用自适应加权、匹配追踪的方法估计信道时域脉冲响应,按照估计信噪比和匹配原则,利用多次迭代进行自适应加权和寻找最佳稀疏度,实现未知信道稀疏度与信噪比的情况下,准确估计信道信息。仿真验证表明,与传统的信道估计算法相比,采用基于AWMP的信道估计方法,能够利用较少的导频信息获得更低的误码率和均方误差。     

基于改进LMMSE的UFMC信道估计算法

针对将线性最小均方误差(linear minimum mean square error, LMMSE)算法直接应用于通用滤波多载波(universal filter multi-carrier,UFMC)系统中需要先验信道相关矩阵信息的不足,提出基于LMMSE的改进算法.该算法在频域对使用最小二乘(least square, LS)算法获得的信道频率响应进行平滑处理,在时域通过优化采样点的截短以确定理想的信道采样长度,并采用迭代估计方法获得最优信道相关矩阵,从而避免先验信道相关矩阵信息.经MATLAB仿真验证,改进后的算法对噪声的干扰可以有效抑制,对比传统LMMSE算法误码性能提升约2 dB,可以有效改善信道估计的准确度.     

基于CS与K-SVD的欠定盲源分离稀疏分量分析

为了提高盲源分离的准确率,提出了结合压缩感知(CS)与K均值奇异值分解(K-SVD)的稀疏分量分析方法进行盲源分离.首先,分析欠定盲源分离估计源信号与压缩感知问题的等价性,建立压缩感知框架;其次,在此框架下利用K-SVD方法训练稀疏字典;最后利用经典追踪算法计算得到稀疏分量,结合传统的两步法,进行盲源分离.大量实验表明...     

脉冲噪声环境下信噪比的盲估计

正交频分复用(OFDM)系统中,多径信道下的传统信噪比估计采用的大多是加性高斯白噪声,本文提出了一种基于脉冲噪声环境下信噪比的盲估计方法。该方法首先设置合适的门限值抑制脉冲噪声,而后利用自相关函数的平稳特性估计出信道阶数,然后利用循环前缀数据为有用数据的复制这一特性估计出噪声功率,最后求出总的功率值从而估计出信号功率。实验仿真结果表明,提出的方法无需任何先验信息,在多径信道下具有良好的估计性能,且计算复杂度低。     

角度域和时延域联合稀疏信道估计

针对多输入多输出(MIMO)系统在双选信道下信道估计问题,以及挖掘信道在时延域和角度域的联合稀疏特性,提出了一种新的基于压缩感知的联合稀疏信道估计方案.首先,基于基扩展模型,将信道估计建模为结构化压缩感知问题,随后基于压缩感知模型,提出了两种新的贪婪算法,有效地恢复了时变信道参数.其中两步同时正交匹配追踪(TS-SOMP)算法先在时延域中找到所有非零抽头位置,然后估计非零角度域系数.两环同时正交匹配追踪(TLSOMP)算法包括内外两个循环,在外部循环中找到一个非零抽头位置后,即可直接在内部循环求解非零角度域系数.最后,给出了归一化均方误差(NMSE)的仿真曲线,验证了本算法的有效性.