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。     

一种基于PTS方法降低FBMC系统PAPR的新方法

在滤波器组多载波(Filter Bank Multicarrier, FBMC)系统中,通常采用部分传输序列(Partial Transfer Sequence, PTS)方法来降低系统的峰均功率比(Peak-to-Average Power Ratio,PAPR),然而该方法在传输过程中需要携带边带信息,会降低频谱利用率。对此提出了两点改进:在搜索最佳相位因子时,提出了新多层搜索方法,避免了相位因子的重复搜索,降低了计算复杂度;通过加入改进星座映射(Active Constellation Extension, ACE)方法,在接收端可以不需要边带信息即可快速解调出原始数据,虽然PAPR有所增加,但却显著提高了频谱利用率。通过计算和仿真验证了两个改进方案的有效性。     

一种新的基于伪导频搜索的MB-LSF信道估计算法

针对伪导频搜索算法复杂度高的情况,对基于伪导频的MB-LSF信道估计算法进行了研究。提出先估计导频位置的信道响应,然后通过线性插值得到所有位置的信道响应,进而检测得到伪导频的估计值,将其作为第1次搜索的符号。理论分析和仿真结果都证明了这种新算法在不影响信道估计性能的前提下,能够很大程度地降低伪导频的搜索次数。     

一种新的基于异步NOMA的串行干扰消除算法

作为5G关键候选技术之一的非正交多址技术(Non-orthogonal Multiple Access Technology,NOMA)采用功率域复用的方式,有效地提高了系统的吞吐量和频率利用率。在已有的关于NOMA系统的讨论中,大多默认叠加信号是完全同步的,但在实际运用中,由于用户位置以及状态的不同,叠加信号无法完全同步。针对不同用户信息叠加传输中存在的时延问题,提出了一种新的串行干扰消除算法。首先通过异步采样的方式对叠加信号进行采样处理,得到一个具有结构性的输出数据;然后利用每一个符号前后重叠部分的关系,在接收端采用一种新的串行干扰消除方式重构符号。结果表明:本文方法以增加复杂度为代价,获得了可以使得干扰信号消除得更干净的优异性能。这种结构使得任意时刻的信道估计错误都会导致误差扩张效应,因此对信道估计的准确性要求更加严格,故采用标量卡尔曼滤波动态估计信道状态信息,从而进一步提高了整个信道的误码性能。     

一种新的基于分布式压缩感知的时变稀疏信道估计

对OFDM(Orthogonal Frequency Division Multiplexing)系统中快时变稀疏信道估计进行了研究,采用CE-BEM模型(Complex Exponential-Basis Expansion Model)对时变信道进行建模。由于信道是稀疏的,所以对应的CE-BEM基的系数也是稀疏的,由此将估计信道的抽头响应问题转化为求解稀疏CE-BEM系数的问题。针对现实稀疏度未知的场景,提出了一种稀疏度自适应的分布式压缩感知(Distributed Compressive Sensing,DCS)算法。考虑到导频放置对性能影响的重要性,提出了一种新的放置方式。仿真结果表明,本文算法有效地提升了估计性能。