快速时变信道下的基扩展模型信道估计性能分析

针对快速时变信道,提出了一种基于复指数基扩展模型(CE-BEM)的线性最小均方误差(LMMSE)信道估计方法,对信道估计的结果使用离散长椭球序列(DPSS)进行平滑处理,并相应提出了基于迭代的载波间干扰(ICI)消除信道均衡方法.仿真结果表明:在高多普勒信道场景下,该方法系统误码性能较传统信道估计方法有一定程度的提升.     

基于压缩感知的时频双选信道估计研究

针对时频双选信道,利用信道的时间相关性,即同一条时延径在相邻时刻对应的信道系数之间具有很强的相关性,提出一种线性近似方法对时频双选信道进行建模,有效降低了未知参数的个数.考虑到无线信道在时延域具有稀疏性,基于压缩感知(Compressed sensing,CS)理论对线性近似模型进行了恢复重构.分别对未线性近似模型和线性近似模型的系统性能进行了仿真,并结合最小二乘(leastsquare,LS)算法、正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法、稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)算法给出了系统的归一化均方误差(Normalized Mean Square Error,NMSE)曲线.仿真结果显示,线性近似方法能有效对时频双选信道进行建模,针对本研究提出的线性近似模型,SBL算法能精确恢复出信道响应,并能有效地克服多谱勒效应.     

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.