SC-FDE系统中基于压缩感知的海上稀疏多径信道估计方法研究

首先建立了适用于不同海情级、不同频段的海上船舶间通信时的多径信道模型,针对SC-FDE系统在海上多径信道上的传输,研究了基于压缩感知的稀疏信道估计方法,利用CHU序列作为导频设计了一种Toeplitz循环矩阵作为压缩感知的测量矩阵,结合稀疏度自适应匹配追踪信号重构算法提出了T-SAMP算法,分析比较了T-SAMP、正交匹配追踪算法和最小二乘法3种算法的归一化均方误差和误码率性能.仿真结果表明提出的T-SAMP算法可以在未知稀疏度的情况下对信道进行准确估计,比正交匹配追踪算法更具有实用性,而且获得了比最小二乘法更好的信道估计性能,且需要的导频数量较少,提高了频带利用率.     

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。     

SC-FDE系统中基于压缩感知的慢衰落航空稀疏信道估计

针对慢衰落时变航空多径信道码间串扰严重、接收端误码率高的实际问题,在SC FDE系统的基础上,分析了航空多径信道的稀疏性,将航空信道估计建模为稀疏信号的恢复问题,采用PN序列构造确定性测量矩阵,以基于稀疏度自适应匹配追踪算法作为恢复算法,建立PN-SAMP信道估计算法;比较了压缩感知类算法和传统的PN算法、LS算法的估计均方误差,并结合MMSE均衡比较了几种估计方法应用在SC-FDE系统中的误码性能。仿真结果表明,压缩感知类算法比传统PN算法和LS算法的估计误差要小,误码率也更低,在信噪比为20 dB的条件下,压缩感知类算法的误码率小于10E-4。在稀疏度未知的情况下,PN-SAMP算法比正交匹配追踪算法更稳健,更能满足对时变慢衰落航空稀疏信道的估计需求。     

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.     

基于改进的离散随机近似方案的导频研究

为解决传统信道估计方法在稀疏信道估计的性能不够理想,许多算法没有考虑到导频放置等问题,将压缩感知理论(Compressed Sensing,CS)应用到稀疏信道估计中.基于CS理论测量矩阵互相关最小化的导频图案设计的分析,提出信道估计均方误差最小准则来选择CS算法的方法,建立OFDM系统模型和导频设计方案.仿真结果表明:改进的离散随机近似方案的导频设计,比遍历性搜索收敛更快更有效,对基于OMP算法的信道估计性能有较大幅度提升.     

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MIMO双选择性衰落信道的估计

为了减少MIMO （multiple-input multiple-output）时频双选择性衰落信道估计过程中需要的导频符号数,文中对多径信道的时延和多普勒频移构成的时频二维有界区域进行量化,将该信道估计问题建模为压缩感知理论中的稀疏信号重构问题,提出了一种采用正交匹配追踪估计MIMO双选择性衰落信道的方法.仿真结果表明获得相同的估计性能,所提出的压缩信道感知方法比传统的最小二乘法能节省近50％的导频符号,且该方法在低信噪比的场景里也能获得较高的估计性能.     

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。     

低压电力线载波通信压缩感知信道估计方法

针对低压电力线载波通信多径信道,建立了正交频分复用(OFDM)基带传输系统和低压电力线载波通信多径信道传输特性模型,并根据传输特性模型与模型参数,实验得出了低压电力线载波通信信道的冲击响应 h(n);在此基础上,分析推导了满足压缩感知条件的 OFDM 低压电力线载波通信多径传输数学模型,提出了低压电力线载波通信压缩感知信道估计方法,解决了最小二乘(LS)信道估计方法和最小均方误差(MMSE)信道估计方法精度差的缺点。 实验结果表明:在采用相同导频数 128 和相同信噪比 SNR 为 14 dB 的情况下,压缩感知(CS)信道估计方法与 LS 及 MMSE 信道估计方法中较优者相比,得出的信道均方误差降低 16 dB,接收端的误码率降低 3 倍,并且随着信噪比的增加性能提升更明显。     

基于DDST的MIMO时频双选信道的信道估计

针对多输入多输出时频双选择性信道,提出了一种基于信息叠加训练序列和最小二乘相结合的信道估计方法.基于基扩展模型构建MIMO时频双衰落系统,采用DDST算法估计信道矩阵,对误码率进行分析.训练序列采用等幅度的周期指数序列,同时在基于叠加训练序列估计的基础上叠加一个基于信息的周期序列.实验表明,基于DDST的MIMO时频双选信道估计方法比传统的估计方法显著降低了信道估计的均方误差和误码率,并能保持较高的频带利用率.     

一种非合作超宽带信道盲估计算法

为了解决非合作多通道室内通信环境中的超宽带信道先验信息难以获得、信道稀疏度弱的问题,提出了基于盲压缩感知的信道估计方法,以求进一步改善超宽带信道估计性能。盲压缩估计过程不依赖信道先验信息,采用稀疏编码与正交基更新交替迭代来获得稀疏矩阵和正交基;然后通过优化乘积得到重构信道,实现非合作超宽带系统信道估计。相对于传统方法,盲压缩感知理论提高了信道估计精度及模数转换速率,并且具有较好的抗噪声干扰能力。通过实验结果可知,该方法有效地克服了噪声干扰,降低了均方误差,在理想环境下,重构误差接近10~(-11)。     

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。     

非理想载波同步下的OFDM快衰落信道估计

针对非理想载波同步下的正交频分复用(orthogonal frequency-division multiplexing,OFDM)系统,提出一种快衰落信道估计算法.首先,提出一种紧凑型广义信道冲击响应(generalized channel impulse response,G-CIR)自相关矩阵的对角化方法,使其随机性仅体现在对角阵中;然后,提出一种紧凑型G-CIR矩阵的压缩表示方法及其等效信道模型,减少了待估计元素个数;最后,利用最小二乘(least square,LS)估计器估计出压缩后的信道,从而实现了非理想载波同步下的OFDM快衰落信道估计.仿真结果表明,该算法能对非理想载波同步下的快衰落信道进行有效估计,并且提高了误码率(bit error rate,BER)性能。     

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。     

OFDM压缩感知信道估计中导频图案设计

为提高基于压缩感知的正交频分复用（orthogonal frequency-division multiplexing,OFDM）系统信道估计性能,研究了导频图案设计问题.在分析传统导频设计准则所存在问题的基础上,将测量矩阵和单位阵之间的欧式距离作为测量矩阵相关性的定义,进而得到新的基于互相关性最小化的导频设计准则;同时提出一种基于并行树的循环替换导频搜索算法,在每次循环时,依次替换各分枝节点中的每个导频位置,按照导频设计准则,采用先分枝内后分枝间选优的方法,避免了局部最优但全局错误的问题.仿真结果表明,使用新准则来设计导频可以提升稀疏信道估计效果,同时新的导频搜索算法具有较好的收敛性.      

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.