一种基于压缩感知的时变稀疏信道估计方法

对于快时变且稀疏环境下的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统模型,现有的方法是基于基扩展模型(Basic Expansion Model,BEM)进行估计,并利用恒定幅值零自相关(Constant Amplitude Zero Auto Correlation,CAZAC)序列估计时延。本文利用信道响应中稀疏的观测矩阵,用压缩感知(Compress Sensing,CS)的正交匹配跟踪(Orthogonal Matching Pursuit,OMP)算法进行时延估计。仿真结果表明,两种方法都能对时延进行有效的筛选,但当多普勒频移增大、信噪比较低时,本文将OMP、BEM相结合的方法效果较优。     

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...     

一种稀疏度自适应的压缩感知信道估计算法

针对目前稀疏度自适应的压缩感知(compressed sensing,CS)信道估计算法计算量过大的问题,文章提出了基于关联度分析的稀疏度自适应归档正则化迭代硬阈值(sparsity adaptive archiving normalized iterative hard thresholding,SAANIHT)算法。ANIHT算法可以解决传统压缩感知理论计算量大、计算时间过长的问题,但需要预知信道的稀疏度。引入高斯核函数对一种稀疏度估计算法进行了改进,并与ANIHT算法结合,使其可以在盲稀疏情况下对信道进行估计。仿真结果表明,在同等稀疏度条件下,该算法比其他算法节约了计算时间,在低信噪比下性能更优,具有较好的重构性能与稳定性。     

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%.      

基于压缩感知的OFDM稀疏信道估计导频图案设计

针对OFDM系统基于压缩感知的频率选择性衰落信道估计,提出了一种基于压缩感知测量矩阵互相关最小的导频设计准则.仿真结果表明,与使用其他导频图案相比,使用此准则设计出的导频图案使信道估计均方误差和系统的误比特率更小.     

基于压缩感知的DRM信道估计

针对数字调幅广播(Digital Radio Mondiale,DRM) 系统频谱有限的特点,为了以较少的导频开销获得精确的信道状态信息,本文将压缩感知理论与信道估计问题相联系,建立基于压缩感知的DRM 信道估计模型,并分析和验证导频插入方式和数量对信道估计性能的影响.与LS(Least Square) 方法相比,基于压缩感知的DRM 信道估计不但能够以更少的导频获得精确可靠的估计结果,而且在提升信道估计性能的同时提高频谱利用率.     

采用时域测量矩阵的压缩感知稀疏信道估计方法

针对传统最小二乘和伪随机序列相关信道估计方法在稀疏信道应用时估计精度差的问题,提出一种采用时域测量矩阵的压缩感知稀疏信道估计方法.新方法首先将循环前缀单载波分块传输系统中的稀疏信道估计建模为一个典型的压缩感知问题,然后利用具有最优循环相关特性的伪随机序列优化构造确定性压缩感知测量矩阵,避免了使用随机测量矩阵造成的存储不便及估计性能差的问题,且提高了信道估计性能.基于准静态COST 207典型城市信道模型的仿真结果表明:该估计方法能够有效地降低稀疏信道的估计均方误差,在16 dB处的误码率可达2×10-5,而相同情况下最小二乘信道估计方法的误码率只能达到3×10-3.     

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。     

基于压缩感知的mMTC系统信道估计

为解决海量机器类通信（massive machine-type communications,mMTC）上行传输中活跃用户设备检测和信道估计问题,提出一种基于分布式多矢量测量的子空间追踪（distributed multiple measurement vector subspace pursuit,DMMV-SP）算法.采用免授权海量随机接入的方案,以降低海量机器类通信的时延和信号开销.考虑多载波传输方案并结合子空间追踪算法,利用接收天线和子载波存在的结构稀疏性,检测活跃用户设备的同时进行信道估计.通过计算检测错误概率以及均方误差对活跃用户设备检测和信道估计性能进行评估.仿真结果显示,提出的DMMV-SP算法相较于传统正交匹配追踪（orthogonal matching pursuit,OMP）算法取得更理想的结果.      

基于修正压缩感知的信道估计算法

针对稀疏信道在两个OFDM符号间变化缓慢的特性,利用宽带稀疏信道分簇特性,提出了一种修正分簇自适应正则匹配追踪(MOD-CRAMP)压缩感知信道估计算法.该算法在原有基于压缩感知稀疏信道估计算法的基础上,加入信道的先验信息.同时,利用前次估计的索引值作为当前估计的支撑,并采用正则化的思想对候选支撑集进行2次筛选,从而达到信道的精确重构.仿真结果表明,该算法比传统的OMP算法、CRAMP算法及MODOMP算法均具有更好的估计性能.     

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.     

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.     

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PN编码器的压缩感知超宽带信道估计

提出了一种新的基于压缩感知(compressive sensing,CS)的超宽带信道估计方法,将PN编码器引入到压缩感知框架中,用编码器产生的quasi-Toeplitz矩阵代替完全随机的高斯矩阵,编码器有一定的存储功能,除了可以将测量算子存储并更有效的应用外,还能解决现实中对大数据量的压缩困难问题。另外,编码器在硬件和软件上都容易实现。发射端有足够的能量来实现很多的高级算法,文中依照时间反转理论将传统信道模型中接收端的降采样过程移到发射端,降低了接收端的复杂度,加快了数据处理的速度。     

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.     

基于最佳联合稀疏表示的分布式压缩感知算法

通过探索无线传感器网络节点感知数据的时空相关性,可以构建适用于不同应用情形的联合稀疏模型。利用联合稀疏模型,提出了一种适用于无线传感器网络的分布式压缩感知算法。该算法采用联合编码联合解码的方式,充分利用了信号内部和信号之间的相关性,从而可以用更少的观测值实现信号群的精确重构。与单独编码单独解码相比,采用联合编码联合解码的方法,在保证信息可靠传输的前提下,减少了整个网络的数据流量,节约了宝贵的能量资源,以能量有效的方式满足了传感器网络的应用。     

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.