宽带大规模MIMO-OFDM的联合差分信道估计方案

鉴于大规模多输入多输出正交频分复用(Massive MIMO OFDM)下行链路无线通信系统,提出一种基于空时共同稀疏性的信道估计重构算法。所提算法在子空间追踪(SP)算法的基础上,利用信道的时间相关性和多天线的共同稀疏性,同时考虑联合差分和结构稀疏进一步降低导频开销并提升估计性能。提出的联合差分结构化子空间追踪(Joint Differential Structured SP,JDSSP)算法特点如下:第一,算法在每一次迭代过程中同时对多个向量进行更新,对稀疏性进行结构化增强,提升算法的重构性能。第二,算法在进行重构过程中,并不是只处理当前时刻接收到的导频信号,而是联合前一帧的导频信号进行差分,进一步增强稀疏性,进而提升算法重构的精度。仿真结果表明,所提算法在降低导频开销的同时能够取得较好的参数估计性能。     

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.     

一种基于压缩感知的正交频分复用信道估计中确定性导频方案

基于压缩感知的正交频分复用(OFDM)信道估计方法通过充分利用信道冲激响应在时域的稀疏特性,在感知矩阵满足可重构条件下,能近似完美的重构信道并显著降低导频开销。基于感知矩阵相关系数最小化准则,设计了一种最优的确定性导频方案,在无虚子载波的OFDM系统中,采用正交匹配跟踪算法时,实现了与随机导频方案相同的信道估计性能;而在实际的存在大量虚子载波的OFDM系统中,获得比随机导频方案更优的性能。     

一种基于压缩感知的OFDM信道估计中确定性导频方案

基于压缩感知的OFDM信道估计方法通过充分利用信道冲激响应在时域的稀疏特性,在感知矩阵满足可重构条件下,能近似完美的重构信道并显著降低导频开销。本文基于感知矩阵相关系数最小化准则,设计了一种最优的确定性导频方案,在无虚子载波的OFDM系统中采用正交匹配跟踪算法时实现了与随机导频方案相同的信道估计性能,而在实际的存在大量虚子载波的OFDM系统中获得比随机导频方案更优的性能。     

基于隐藏导频的多频带正交频分复用超宽带稀疏信道估计

在多频带正交频分复用超宽带系统中,基于隐藏导频提出一种稀疏信道估计算法.通过隐藏导频而估计出信道,利用广义信息论准则建立代价函数并探测出非零抽头位置,修正得到稀疏信道估计值,通过降低估计维数提高了算法的估计性能.同时,分析了算法性能和克拉美-罗界(CRB).仿真结果表明,稀疏信道估计算法比传统算法的性能明显提高,且性能更接近于CRB.     

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。     

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。     

大规模MIMO系统中基于空时相关性的导频减小算法

在大规模多输入多输出(multiple input multiple output,MIMO)系统信道估计过程中,基站向用户端发送导频信号.由于导频数量与基站发射天线的数量成正比,传统信道估计过程会产生巨大的导频开销,尤其是对于采用频分双工通信方式的(frequency-division duplexing,FDD)大规模MIMO系统.为了解决这一问题,通过利用无线MIMO信道的空间公共稀疏性和时间相关性,提出一种基于压缩感知(compressed sensing,CS)技术的导频开销减小算法,其中,空时相关性用来提高信道估计精度.该算法能够在未知大规模MIMO系统信道稀疏度的情况下,自适应地获取精确的信道状态信息.分析和仿真结果表明提出的算法在减少导频开销方面优于局部公共支撑算法,同时能够维持良好的信道估计性能.     

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.      

基于压缩感知的OFDM稀疏信道估计导频优化算法

研究了在正交频分复用（OFDM）系统中基于压缩感知信道估计的导频图案设计问题.为了优化信道估计的性能,提出了优化算法,在基于压缩感知的测量矩阵互相关最小化准则的基础上,通过增大随机生成数进行分组,分别计算每组的互相关值,再进行比较求互相关的最大值从而获得导频图案.仿真结果表明,与使用基于测量矩阵互相关最小化准则的导频图案相比,该优化算法得到的信道估计的最小均方误差要低30%.      

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.     

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。     

一种快时变信道下多载波传输系统的信道估计方法

提出了一种基于正交频分复用技术的多载波通信系统的时变信道估计方法.通过用泰勒级数展开近似时变冲击响应函数得到简化的时变信道模型,由此导出信道估计方法,结合ZP(zero padding)-OFDM系统能在一定程度上恢复处于深度衰落点上的信号来改善系统性能,并应用信道传输矩阵的带状特性,给出了在时域上进行线性块均衡的方法.且此方法可在系统性能和复杂度间做权衡.     

一种基于分数阶傅立叶变换OFDM系统的信道估计

为了在基于分数阶傅立叶变换的OFDM系统的接收端获得较好的均衡及采取相干解调而不带来新的复杂性,作者提出一种基于分数阶傅立叶变换的OFDM系统信道估计方法,该方法使用辅助训练数据,对时变信道的频率响应（CFR）或信道冲激响应(CIR)进行估计,文中给出了分数阶傅立叶变OFDM系统中信道估计的算法,最优阶数的确定,并采用Kalman滤波对时变信道进行跟踪.仿真结果表明,较传统的信道估计方法LMMSE,此种方法能够使系统性能得到改善.     

基于集成神经网络的信道估计方法研究

为解决噪声以及信号干扰等因素严重影响接收端信道估计的问题,提出一种基于集成神经网络的信道估计方法,利用多个改进后的神经网络来提取带噪导频信号与原始导频信号之间的非线性关系模型,根据其输出误差来计算差异度值,并结合差异度对其进行集成,得到训练完成的集成神经网络模型,通过集成神经网络模型来获取信道估计结果;与最小二乘(least squares,LS)估计方法相比,该方法不仅可以提高通信的可靠性,而且还能减少导频开销提高通信有效性;在不同的调制方式下,当误码率相同时,算法所需的信噪比LS算法均要更低;基于正交频分复用(orthogonal frequency division multiple,OFDM)通信系统进行仿真,结果证明,该方法具有优良的性能。     

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.      

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.