基于在线训练的RIS辅助通信系统低复杂度信道估计方法

在可重构智能表面(Reconfigurable Intelligent Surface,RIS)辅助通信系统中,设计复杂度低、估计精度高的信道估计算法具有重要意义。本文针对RIS辅助多输入单输出(Multi-input Single-output,MISO)系统的上行链路,提出了一种基于在线训练的低复杂度学习型信道估计(Low Complexity Learning Channel Estimation,LCL-CE)方法,利用RIS反射单元级联信道之间的空间相关性,根据一部分反射单元级联信道的最小二乘(Least Squares,LS)估计结果得到剩余反射单元的级联信道。在训练阶段,首先利用LS估计获取一组训练数据集,然后通过训练得到线性神经网络的权重矩阵;在级联信道估计阶段,通过发送少量导频即可获取所有RIS反射单元的级联信道估计。本文首先阐述了LCL-CE方法的实现思路、导频分布方案和线性神经网络基本结构,进一步针对在线训练方法进行详细说明,并给出训练数据集的生成方式,最后对比基于传统神经网络的信道估计方法进行计算复杂度和导频开销分析。仿真结果表明,与传统基于机器学习的信道估计方法相比,本文所提的低复杂度学习型信道估计方法可以利用较低的导频开销获得较高的估计精度。

基于流形分离与频谱细化技术的低复杂度DOA估计方法

基于阵列流形分离(MST)的共形阵列空间谱估计技术,采用快速傅里叶变换(FFT)来降低谱搜索的计算复杂度,但是在该方法中,空间谱搜索的俯仰角和方位角均为0~360°,存在计算搜索冗余问题。针对共形阵列空间谱估计问题,提出基于联合阵列流形分离技术和频谱细化技术的空间谱估计技术,避免计算搜索冗余问题,相比阵列流形分离技术计算复杂度显著降低。采用一个32阵元球面共形阵列进行计算机仿真,验证了所提出方法的估计性能和计算复杂度。

双向MIMO中继系统中一种低复杂度的联合信道估计方法

对于双向多输入多输出(MIMO)中继系统,如何在减少中继负担的情况下获得精确的信道状态信息(CSI)成为信道估计的一个难点。该文针对双向MIMO中继系统,提出一种低复杂度的联合信道估计方法。所提方法在两个用户端同时发送正交信道训练信号至中继,中继采用所设计的放大因子放大所接收的信号并转发至两个用户。每个用户对所接收的信号构造平行因子(PARAFAC)模型,并根据实际系统要求,分别设计了迭代和非迭代的两种拟合算法对PARAFAC模型进行拟合,从而联合估计出所有信道的CSI。所提信道估计方法无需在中继处进行信道估计,减轻了中继的负担。与已有信道估计方法相比,所提方法设计灵活,采用的拟合算法具有较低的复杂度,而且在使用较少信道训练信号的情况下具有较高的信道估计精度。

可重构智能表面中的低复杂度毫米波信道追踪算法

针对可重构智能表面(RIS)中的毫米波通信系统,用户至RIS端信道角度参数的缓慢变化,该文提出一种基于牛顿算法的低复杂度信道追踪方案。该方案将RIS部分元件连接射频(RF)链,首先使用2维快速傅里叶变换(2D-FFT)算法初始化估计角度,并且使用最大似然算法估计路径增益。在后续时隙中,使用牛顿算法追踪每个时隙的角度参数。由于环境突然变化和终端缓慢变化会导致信道矩阵发生突变,若检测到信道突变,则再次初始化参数,否则使用牛顿算法继续追踪角度参数。仿真结果表明,该方案在具有优良性能的前提下复杂度可以达到最低,极大节约算力资源,在计算复杂度和性能之间可以取得很好的平衡。

一种基于DFT的低复杂度虚子载波OFDM信道估计算法

该文针对采用虚子载波的OFDM通信系统,提出了一种基于DFT的低复杂度信道估计算法,并与最小二乘(Least Square,LS)估计算法和线性最小均方误差(Linear Minimum Mean Square Error,LMMSE)算法进行了详细的性能和复杂度比较。所提DFT算法较好地降低了高斯白噪声的影响,相对于LS算法获得了较大的性能增益。该算法在复杂度与性能之间取得了较好的折衷,具有很好的实用价值。

大规模MIMO系统中低复杂度的稀疏信道估计

针对大规模多输入多输出(MIMO)系统信道估计算法复杂度高的缺陷,结合无线通信信道固有的稀疏性提出了一种低复杂度的稀疏信道估计算法。该算法是在传统的离散傅里叶变换(DFT)信道估计的基础上利用分离算法将信道抽头与噪声空间分离开来,使得信道估计时只需要计算信道抽头的部分,因此算法的计算复杂度被大大降低。仿真结果表明,该算法在保持低复杂度的同时,可获得接近最小均方误差(MMSE)性能。

一种低复杂度稀疏信道估计算法

传统基于压缩感知的信道估计方法存在计算复杂度较高、较难应用于实际的问题。为此,将广义的正交匹配追踪(GOMP)算法应用到信道估计中,通过一次迭代选取多个原子,降低算法的计算复杂度,考虑无线信道的能量分布特征,提出一种基于分级回归追踪的GOMP算法。该算法采取分级的方法选择原子,利用回归追踪的方法去除非匹配原子,从而保证原子的快速准确选择。实验结果表明,该算法在保证信道估计精度的同时,可有效地降低计算复杂度,具有较好的鲁棒性。

一种低复杂度的基于多径时延跟踪的OFDM信道估计算法

本文针对宽带正交频分复用(OFDM)系统,提出了一种低复杂度的基于对多径时延跟踪的信道估计算法,并分析了信道估计的均方误差性能和计算复杂度。分析和仿真结果表明,这种算法通过对多径的跟踪降低了需要估计问题的维数,从而提高了信道估计器的性能,并且降低了运算的复杂度。

基于大规模阵列的低复杂度DOA估计算法

精确的到达角估计是5G大规模多输入多输出系统部署的关键,但是带有数十根甚至上百根天线的二维大规模阵列将导致DOA估计的计算量陡增。因此提出基于大规模均匀矩形阵的低复杂度二维DOA估计方法。该方法根据入射角的水平和垂直两个方向划分来波方向矩阵,使用一维峰值搜索估计俯仰角,然后通过闭解计算出方位角,大大降低计算复杂度。仿真结果表明,该方法的均方根误差与高分辨率的二维多重信号分类算法相似但计算复杂度更低。

基于快速信息收集和虚拟训练序列的低复杂度双向水声信道精准估计

针对运动水声通信难以低复杂度精准获取时变信道状态信息的问题,提出基于快速信息收集和虚拟训练序列(FIC⁃VT)的低复杂度双向水声信道精准估计算法。采用叠加训练(ST)方案,将符号序列和训练序列线性叠加,使得训练序列持续传输,提高时变信道跟踪能力。基于置信传播,提出FIC⁃VT算法,将一块数据分成多个短块,每个短块又分成多个子段,通过快速信息收集算法,将多个子段的信道信息进行融合,从而获得每个短块的低复杂度局部信道估计。利用短块间的信道相关性,对多个短块的信道信息进行双向信息融合,从而获得当前短块的低复杂度全局信道估计。基于Turbo均衡,将估计的符号序列虚拟为训练序列(VT),通过迭代计算实现时变水声信道低复杂度精准估计。本文算法由快速傅里叶变换(FFT)实现,每个抽头计算复杂度仅为对数级。计算机仿真、水池运动通信试验和胶州湾运动通信试验验证了本文算法的有效性。

一种新的MIMO-OFDM信道估计的低复杂度设计方法

针对多输入多输出-正交频分复用(MIMO-OFDM)系统信道估计导频损耗和算法复杂度问题,提出了一种低复杂度的MIMO-LS算法设计方案,它要求每根发射天线中的导频序列为等间隔排列,而不同天线间的导频序列相互相移正交。当在OFDM导频符号中选取一个合适的导频间隔时,对比传统的最优导频设计方法,提出的MIMO-LS算法在基于最小均方误差-峰值平均功率比(MSE-PAPR)双准则的前提下,最大程度降低导频损耗和算法复杂度。计算机仿真验证了此算法的有效性。

可重构智能表面中低复杂度毫米波信道估计算法

针对可重构智能表面(RIS)辅助的大规模多输入多输出(MIMO)毫米波系统中信道估计复杂度高的问题,该文提出一种低复杂度的信道估计算法。在该方案中,将RIS部分元素连接射频(RF)链,分离估计基站/用户和RIS之间的信道,分开获取信道有助于提升用户移动性场景下信道估计的灵活性。在所考虑系统中,首次使用低复杂度的2维快速傅里叶变换(2D-FFT)算法对角度进行估计,并考虑信号补零以获得更加精准的角度估计值,最后利用信号2维空间谱的谱峰和其对应的辐角得到路径增益估计。仿真结果表明,该算法达到了优良的信道估计性能,且在确保信道估计性能的系统参数设置下,该算法具有压倒性的复杂度优势。

一种适用于3GPP LTE下行链路的低复杂度信道估计算法

研究了LTE(Long Term Evolution)系统下行链路的信道估计算法。基于LTE通信协议中参考信号的设计,提出了一种新的信道估计算法。该算法引入ACM(Adaptive Channel Manager,自适应控制器)和噪声抑制滤波器,将ACM的输出与预先设定的门限比较,若输出高于此门限则使用噪声抑制滤波器进行滤波。仿真结果表明,此算法相对于LTE信道估计算法在增加很少计算复杂度的情况下,获得了性能改善。

一种新颖的低复杂度稀疏信道估计算法实现

在无线通信中,信道估计是获取精确接收信号的重要技术。近年来,一种新的方法:压缩感知(Compressed Sensing,CS),被用来估计信道。与传统的信道估计相比,它大大减少了导频的使用,提高了系统的频谱利用率。但是,CS的高计算复杂度使得它很难应用到实际中。虽然正交匹配追踪(Orthogonal Matching Pursuit,OMP)的提出减少了CS的计算复杂度,但是它的执行效率仍然较低。因此,文章将广义的OMP(Generalized Orthogonal Matching Pursuit,GOMP)算法应用到信道估计中,通过高效的原子选择实现算法复杂度的降低,同时保证信道估计的精度。仿真结果证明了它的有效性。

基于叠加训练序列和低复杂度频域Turbo均衡的时变水声信道估计和均衡

针对时变水声信道估计和均衡问题,该文提出基于叠加训练序列(ST)和低复杂度频域Turbo均衡(LTE)的时变水声信道估计和均衡(ST-LTE)算法。基于叠加训练序列方案,将训练序列和符号线性叠加,使得训练序列和符号信道信息一致;基于最小二乘算法,进行信道估计。基于频域训练序列干扰消除技术,在频域消除训练序列对符号的干扰;基于频域线性最小均方误差(LMMSE)均衡算法,通过先验、后验、外均值和方差的计算,实现低复杂度信道均衡(符号估计);基于Turbo均衡算法,软重构叠加训练序列和更新信道估计,进行均衡器和译码器的信息交换,利用编码冗余信息,大幅度提升信道均衡性能。进行仿真、水池静态通信试验(通信频率12 kHz,带宽6 kHz,采样频率96 kHz,符号传输速率4.8 ksym/s,训练序列和符号的功率比为0.25:1)和胶州湾运动通信试验(通信频率12 kHz,带宽6 kHz,采样频率96 kHz,符号传输速率3 ksym/s,训练序列和符号的功率比为0.25:1),仿真和试验结果验证了所提算法的有效性。

基于矩阵完备的低复杂度毫米波大规模MIMO信道估计

针对毫米波大规模多入多出系统为取得可靠信道估计需要高计算复杂度的缺陷,结合毫米波信道固有的低秩性提出一种低复杂度的毫米波波束域信道估计算法。该算法联合利用毫米波信道波束域稀疏性和天线域低秩性以更短训练间隔实现精确恢复。将信道估计看作矩阵完备问题,利用交替方向乘子法(ADMM)实现快速收敛,并采用快速随机奇异值阈值法将相应计算复杂度降低一个数量级。仿真结果表明,推荐算法在获得令人满意信道估计性能的同时依旧可以保持低复杂度。

面向5G的低复杂度稀疏信道估计算法实现

5G移动通信需要高效且准确的信道估计。与传统的信道估计方法相比,基于压缩感知(Compressed Sensing,CS)的信道估计大大减少了导频的使用,提高系统的频谱利用率。但是,CS的高计算复杂度使得它很难应用到实际中。一般地,较高的估计精度意味着较大的计算复杂度,如何设计出一个估计精度高且计算复杂度低的信道估计方法仍是一个亟需解决的问题。本文采用最小二乘(Least Squares,LS)选择原子实现低复杂度信道估计,然后结合测量矩阵相干性最小化给出高精度低复杂度的信道估计方法。实验仿真证明了所提方法在估计精度和计算复杂度方面的有效性。

一种低复杂度的频偏估计算法

为解决短波突发通信中的载波同步问题,提出一种低复杂度的频偏估计算法。通过相位折叠使接收信号的频偏具有周期性规律,以避免自相关计算和离散傅里叶变换,从而降低算法复杂度,实现快速载波同步。Matlab仿真结果表明,该算法具有估计精度高、捕获范围广和计算复杂度低的特性,适用于突发通信的频偏估计。

基于子空间旋转变换的低复杂度波达角估计算法

多重信号分选(MUltiple SIgnal Classification,MUSIC)算法是波达方向(Direction-Of-Arrival,DOA)估计的最重要算法之一,但庞大的计算量使其工程实用性大打折扣。为降低MUSIC的计算量,该文基于子空间旋转(Subspace Rotation Technique,SRT)变换思想提出了一种高效改进算法,即SRT-MUSIC算法。SRT-MUSIC利用秩亏特性对噪声子空间矩阵按行分块并以旋转变换得到降维噪声子空间,进而基于该降维噪声子空间与导向矢量的正交性构造空间谱估计信号DOA。理论分析表明:SRT-MUSIC能有效避免空间谱搜索中的冗余运算,从而成倍降低算法的计算量。对于大阵元、少信号情况,所提算法计算效率优势更为明显。仿真实验证明了SRT-MUSIC的有效性和高效性。

一种低复杂度线性调频信号参数估计算法

为降低线性调频(LFM)信号参数估计的复杂度,该文提出一种二次估计算法。首先通过短时相干积分与非相干累加对频率斜升和起始频率进行预估计;然后以预估计结果为中心,利用多路并行部分匹配滤波快速傅里叶变换(PMF-FFT)和二次插值对参数进行精确估计;最后综合预估计和精确估计结果得到参数的最终估计值。仿真结果表明,该算法信噪比门限较低,估计精度接近克拉美罗下界,其计算复杂度和资源消耗均远低于频率斜升试探算法和插值联合估计算法。