基于GOMP算法的MIMO-OFDM系统信道估计

由于无线信道的时域稀疏性,可以将压缩感知理论应用到MIMO-OFDM系统的信道估计中,利用GOMP算法重构出其信道参数.首先介绍了压缩感知理论的构成,其次论述了MIMO技术和OFDM技术的原理.以2×2 Alamouti编码器模型为基础,结合OFDM技术,形成一个2×2 MIMO-OFDM系统,推导了该系统的输入端-输...     

基于GOMP及其改进的OFDM系统稀疏信道估计

研究在正交频分复用（OFDM）系统的稀疏信道估计问题.由于在许多通信系统中信道具有稀疏性,因此可以把信道估计问题转化为稀疏信号的恢复问题,应用压缩感知理论求解,把现有的恢复算法——广义正交匹配追踪算法（GOMP）运用到信道估计中,并对它加以改进.仿真结果表明,与广义正交匹配追踪算法（GOMP）相比,正交匹配追踪算法（OMP）运行时间少,计算复杂度低,但是估计的最小均方误差略差.为了进一步提高该算法的性能,提出了改进的广义正交匹配追踪算法,性能得到了较大的提高.      

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.     

基于改进恢复算法的双选稀疏信道估计

高速移动情况下,正交频分复用系统(orthogonal frequency division multiplexing,OFDM)无线通信信道可建模为时间-频率双选信道,其响应在时延-多普勒域呈现稀疏性,使压缩感知技术得以应用到稀疏信道估计中。当稀疏度提高时,压缩感知(compressed sensing,CS)中正则化正交匹配追踪恢复算法(regularized orthogonal matching pursuit,ROMP)的复杂度增大。提出了有严格计算约束的改进恢复算法,该算法每次迭代选择固定数目的原子使支撑集为非奇异矩阵来降低原子选择和最小二乘(least squares,LS)法计算上的复杂度,并且每次迭代更新支撑集来保证精度。仿真结果表明,和ROMP算法比较,改进恢复算法的运行时间明显降低,并且在一定的迭代次数下精确度得以保证。     

面向高速移动场景的OFDM系统信道估计综述

近年来,高速移动通信受到业界的广泛关注,其中接收机侧的信道估计直接决定了系统的通信质量。正交频分复用（orthogonal frequency division multiplexing,OFDM）以其高带宽效率和抗多径衰落的特性,在目前的无线通信中被广泛采用。综述了高速移动场景下OFDM系统信道估计方法;描述了OFDM的系统模型;分析了高速移动场景下信道的时间/频率选择性衰落特性（双选特性）和稀疏特性。基于深度学习和压缩感知的信道估计方法,其高精度和低复杂度被用于高速移动场景,该文分别对基于深度学习和压缩感知的信道估计算法进行了归纳、对比、分析,探讨了高速移动场景下信道估计的发展趋势。     

I/Q不平衡OFDM系统基于噪声方差门限的信道估计

为了提高稀疏信道环境下同相/正交(I/Q)不平衡正交频分复用(OFDM)系统的性能,该文提出了一种低复杂度的门限时域最小二乘信道估计算法。该算法通过估计噪声方差确定合适的门限过滤信道响应采样点内的噪声以提高估计精度。仿真结果表明,该文算法估计精度与现有频域和时域最小二乘信道估计方法相比分别提升了6 d B、2 d B,逼近基于压缩感知的时域迭代收缩算法,且计算复杂度低于后者。     

基于压缩感知的OFDM系统稀疏信道估计新方法研究

提出了一种基于压缩感知理论的正交频分复用(OFDM)系统稀疏信道估计的新方法,并具体采用正交匹配追踪(OMP)压缩感知算法对OFDM时域信道脉冲响应进行估计。与传统的最小二乘算法比较,它可以在使用较少导频的条件下获得很好的信道估计性能,从而可以提高系统频谱有效性。根据仿真和压缩感知理论分析确定了OMP信道估计中最佳导频数和最佳导频位置。     

基于压缩感知的稀疏信道估计

在正交频分复用(OFDM)系统中,通常使用等间距的导频估计信道,比如多径瑞丽信道.但是,众多其他类型信道的冲击响应系数只有少数非零值.对于这些稀疏信道,基于压缩感知的稀疏信道估计可以有效地降低导频数目,从而提高频谱利用率.现有应用里面采用最小l1范数法.首先提出了OFDM系统中应用压缩感知理论估计信道的模型,接着使用改...     

水声OFDM信道压缩感知估计研究

针对传统最小二乘(least square,LS)算法估计时变水声OFDM信道误差较大问题,提出一种基于压缩感知的准确估计方法.首先导出了水声OFDM系统接收序列、发送序列及信道传输矩阵之间的关系;在此基础上利用水声信道稀疏特征,探讨了采用正交匹配追踪(orthogonal matching pursuit,OMP)算法估计水声OFDM信道的方法;分析了导频插入方式、导频数及径数等对水声OFDM信道估计均方误差(mean square error,MSE)的影响.研究表明:当导频随机插入时,OMP算法用较少导频即可准确估计水声OFDM信道的传输矩阵.当信噪比大于10dB时,OMP算法的MSE小于-24dB,比传统的LS算法小18dB.     

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.     

An efficient channel estimator for OFDM system with sparse multipath fading

A channel estimator used in sparse multipath fading channel for orthogonal frequency division multi-plexing(OFDM)system is proposed.The dimension of signal subspace can be reduced to improve theperformance of channel estimation.The simplified version of original subspace fitting algorithm is em-ployed to derive the sparse multipaths.In order to overcome the difficulty of termination condition,weconsider it as a model identification problem and the set of nonzero paths is found under the generalizedAkaik...     

OFDM系统中一种双选择性稀疏信道压缩感知方法

针对OFDM系统,提出了一种基于压缩感知（CS）的双选择性稀疏信道估计新方法.为解决传统二维插值算法无法准确估计双选择性稀疏信道的问题,通过利用信道在时频域的稀疏特性,将OFDM系统下的双选择性信道模型转化为CS可解的BPIC数学模型,并最终利用基追踪算法对稀疏信道的脉冲冲激响应实现估计.仿真结果显示,新方法能有效减少导频数,提高频谱利用率;在传统的FFT-Linear和FFT-FFT二维联合插值算法无法正确估计出信道响应时,基追踪算法仍能实现对稀疏信道的精确估计.     

基于多项式模型和卡尔曼滤波器的正交频分复用自适应信道估计算法

在正交频分复用(OFDM)系统中,为了准确地检测接收信号并实现解调,必须对信道的传输函数进行准确估计.本文提出了一种适用于OFDM通信系统,基于二阶多项式模型和卡尔曼滤波器(Kalman filter)的自适应信道估计算法.利用二阶多项式模型对无线时变信道进行建模,通过合理安排插入导频结构,使用块状导频,可以使得原本二维的时频多项式模型减少到一维,降低信道估计算法的复杂度.同时,在多项式模型的基础上,将时变无线信道等效为一autoregressive(AR)过程,从而建立起卡尔曼滤波器的过程方程与测量方程,通过卡尔曼滤波器的递推公式,即可实现对多项式模型参数的自适应估计.本文提出的算法可以仅使用最少的导频(即与多项式模型参数相同个数的导频)实现准确的信道估计.由于每次所需导频个数的减少,接收端所需存储的未解调信号的数量也随之降低,大幅减少了接收端所需的存储空间.计算机仿真证明,与线性插值算法和基于二阶多项式模型算法的信道估计相比,在相同输入信噪比和归一化多普勒频移条件下,本文提出的算法具有较低的误码率.     

高频宽带信道的一种参数化估计方法

为了对信道参数进行实时有效的估计,提高无线通信系统的性能,针对高频宽带信道条件下存在的群时延扩展现象,提出一种基于特定信道模型的参数化估计方法,反映了宽带信道中与信号频率有关的时延散布现象。该方法能较好将此信道模型进行适当简化,即仅使用部分低阶参数,可大幅降低其复杂度,提高了算法的工程实用性。针对简化的信道模型,对算法进行了仿真和实测数据分析。结果表明,采用该方法可以有效地对高频宽带信道的信道参数做出估计。     

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。     

V-BLAST OFDM系统的信道估计方法

下一代宽带无线通信系统的核心技术MIMO-OFDM(Multiple-Input Multiple-Output Orthogonal Frequency Division Multiplexing)能显著提高系统的容量,但要获得该技术所带来的性能优势,快速、准确的信道估计是关键。为降低V-BLAST OFDM(Vertical-Bell Laboratory Layered Space-Time Orthogonal Frequency Division Multi-plexing)系统中信道估计的运算复杂度和提高估计精度,提出了一种基于CAZAC(Constant Amplitude ZeroAuto Correlation)序列的信道估计方法。该方法避免了矩阵求逆运算,利用该序列良好的自相关性,通过相关运算可消除多发送天线信号间及多径信号间的相互干扰,并且明显抑制了噪声对估计性能的影响,使信道估计的性能得以显著提高。理论分析和计算机仿真结果表明,该方法无需多径时延估计,较已知功率时延谱与未知功率时延谱的传统信道估计算法,可分别获得约1 dB和2 dB的性能增益。     

低复杂度的大规模MIMO分布式信道估计

针对大规模多输入多输出(multiple-input multiple-output, MIMO)系统传统信道矩阵获取方式导频开销大、计算复杂度高的问题,提出了一种低复杂度的二阶段分布式信道估计方案。该方案的初始阶段在基站侧采用传统压缩感知算法恢复信道矩阵,第2阶段在用户端利用信道的时间相关性,将大规模MIMO的角度域信道分解为密集部分和稀疏部分,并分别估计以实现连续信道追踪。稀疏部分信道通过所提的分布式自适应弱匹配追踪(distributed adaptive weak matching pursuit, DAWMP)算法,利用子信道的联合稀疏性进行多维重建。相比于线性最小均方误差(linear minimum mean square error, LMMSE)算法,所提方案的信道分解策略有效减少了在用户端进行信道估计的计算复杂度。仿真结果表明,所提算法与经典压缩感知信道估计算法相比,计算复杂度降低了约33%,算法性能提升了约0.5 dB。     

基于对称扩展DFT变换的OFDM系统信道估计方法

针对OFDM系统提出一种基于对称扩展DFT变换的信道估计方法.所提方法通过对初始最小二乘估计进行对称扩展DFT变换,并在变换域进行MMSE滤波以获得更为精准的信道估计.与传统DFT变换相比,对称扩展DFT变换可以降低信号边界上的不连续性,具有更好的能量集中特性和更低的频谱泄露.仿真结果及复杂度分析表明,所提方法可以在不明显增加计算复杂度的同时,有效改善实际OFDM系统中虚载波引起的频谱泄漏问题,提高边缘子载波信道估计的性能.与传统DFT变换信道估计方法相比,只需扩展较少的点数,即可获得2dB左右的性能增益,且随扩展点数的增加,所提方法的性能逐渐逼近DCT信道估计性能.     

基于联合稀疏模型的OFDM线性时变信道估计

为了进一步提高OFDM线性时变信道估计性能,利用信道抽头的时域稀疏特性和相关性,提出一种基于联合稀疏模型的信道估计方法.首先,将线性时变信道模型下对连续多个符号周期的信道估计转换成一个联合稀疏重构模型;其次,采用基于测量矩阵互相关性最小化的分组导频设计准则,在应对子载波干扰的同时,保证了稀疏重构算法的性能;最后,设计一种基于循环并行树的分组导频优化算法.仿真结果表明:与传统线性时变信道估计方法和联合稀疏模型下的信道估计方法相比,所提方法所需导频数量少,信道估计性能更好,同时便于工程应用.