基于确定性测量矩阵的ZP-SCBT压缩感知稀疏信道估计方法

为提高补零单载波分块传输(ZP-SCBT)系统高速传输性能,文章提出一种基于确定性测量矩阵的压缩感知稀疏信道估计方法。新方法首先将ZP-SCBT系统的稀疏信道估计问题建模为利用导频块构造托普利兹测量矩阵的压缩感知问题;其次以降低托普利兹测量矩阵的互相关性作为测量矩阵优化目标,通过寻找最佳二进制导频序列,构造确定性托普利兹测量矩阵,解决传统随机托普利兹测量矩阵产生和存储不便的突出问题;最后利用Dantzig Selector重构算法恢复稀疏信道冲激响应,提高稀疏信道估计精度。基于准静态COST207典型乡村信道模型的计算机仿真实验表明,文章所提的信道估计方法较传统方法具有较大性能增益,更适合于稀疏信道。

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

在多输入多输出正交频分复用(MIMO-OFDM)系统中,信号经过频率选择性衰落的信道后,在接收端需要进行均衡和相干信号的检测,故准确的信道估计量必不可少。传统的信道估计方法均基于信道抽头是密集型的假设,利用线性重构算法,如最小二乘(LS)或最小均方误差(MMSE)等,可以达到Cramer-Rao下界(CRLB)。然而,通过物理信道测量发现,在实际通信系统中,宽带信道抽头分布通常表现出稀疏特性。通过充分利用信道的稀疏特性,该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计。在达到与传统的信道估计方法相同性能的前提下,基于CoSaMP的信道估计方法以非常小的计算复杂度为代价,大大减少了导频信号开销,从而提高了频谱资源利用率。

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16dB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.

稀疏信道下基于稀疏贝叶斯学习的精简星座盲均衡算法

针对稀疏信道的盲均衡问题,在精简星座均衡算法框架下建立线性模型,利用稀疏信道下均衡器固有的稀疏特性,引入具有稀疏促进作用的先验分布对均衡器系数加以约束,使用稀疏贝叶斯学习方法迭代求解均衡器系数得到最大后验估计值。该文提出的均衡方法属于数据复用类均衡算法的范畴,能够适用于数据较短的应用场合。与随机梯度方法相比,算法性能受均衡器长度影响较小,收敛后误符号率性能更好,仿真实验验证了算法的有效性。

认知无线电中的稀疏信道估计与导频优化

认知无线电技术能充分利用闲置的频谱进行数据传输,从而提高频谱利用率。而稀疏信道估计能充分发掘无线信道的稀疏性,从而节省导频开销,并进一步提高频谱利用率。因此,该文研究了采用稀疏信道估计的认知无线电系统及导频优化,将信道估计转化为稀疏重建问题,以最小化观测矩阵的互相关为目标进行优化,并提出了一种快速的导频优化算法。该算法通过灵活设置外循环和内循环次数,实现了对导频序列进行逐位置的替换与优化。仿真结果表明,相比于最小二乘信道估计,稀疏信道估计能节省72.4%的导频开销,提高8.2%的频谱利用率;此外,该导频优化算法优于目前的随机优化算法,在相同的0.012误码率性能下,相比后者能节省约5 dB的信噪比。

一种基于匹配追踪的OFDM稀疏信道估计算法

针对OFDM系统,利用信道冲激响应的稀疏特性,提出了一种新的OFDM信道估计算法。首先利用匹配追踪思想确定出非零抽头系数的位置,然后再采用最小二乘算法完成对非零系数值的二次估计,从而通过减少信道估计参数的个数降低算法复杂度。在低信噪比和导频数较少情况下,该算法具有良好的归一化均方误差性能,特别是当因信噪比低而引起GAIC算法性能恶化的时候,新算法具有更好的稳健性。仿真结果验证了算法的有效性。

引入梯度导引似p范数约束的稀疏信道估计算法

为克服l0和l1范数约束的最小均方算法在不同信道稀疏程度下对稀疏信道估计中出现的收敛性能起伏较大等缺点,提出一种新的似p范数约束的最小均方算法,通过在最小均方算法代价函数中引入p值可变的似p范数约束以适应信道的不同稀疏程度,并在验证代价函数凸性的基础上导出p值的梯度导引寻优。最后给出仿真实验及其讨论,实验结果表明了新算法的优越性。

基于压缩感知改进算法的MIMO-OFDM稀疏信道估计

结合压缩感知理论(CS),针对压缩采样匹配追踪算法在多输入多输出正交频分复用(MIMO_OFDM)系统信道估计应用中需要利用信号稀疏度的先验条件,而实际中稀疏度又难获得的情况,提出一种信号稀疏度自适应的压缩采样改进匹配追踪算法(Co MSa MP)。该算法采用具有理论支撑的原子弱选择标准作为预选方案,并设置首次裁剪阈值来减少算法多余的迭代,降低算法在信道估计中的复杂度,裁剪方式的改进保证了重构精度的提高,最终实现MIMO-OFDM稀疏信道估计中信号的稀疏度自适应。仿真结果表明:与原算法相比,该算法在同等信噪比条件下具有更优的信道估计性能,从而提高了频谱利用率,同时降低了复杂度,在稀疏度较高时,提出的算法具有更好的对噪声的抗干扰能力。

OFDM系统中基于匹配追踪的稀疏信道估计算法研究

针对OFDM系统,利用信道冲激响应的稀疏特性,提出了一种新的OFDM稀疏信道估计算法。它分两步完成:首先利用匹配追踪思想确定出非零抽头系数的位置,然后再采用最小二乘算法完成对非零系数值的二次估计,从而通过减少信道估计参数的个数降低算法复杂度。该算法具有较好的归一化均方误差性能,但在剩余向量更新上还不是很精确,通过改进剩余向量的更新方式,得到了另一种性能更优的OFDM-MMP算法。仿真结果验证了该算法的有效性。

一种改进的适用于稀疏信道的DFE均衡器

提出了一种改进的适用于高速相干通信长时延扩展稀疏信道的自适应判决反馈均衡器(DFE)。基于最优化前馈滤波器、反馈滤波器与信道冲激响应之间的关系,分析了不同强度的前达(precursor)响应分量对前馈与反馈滤波器稀疏性的影响。给出了根据信道冲激响应确定携带重要能量抽头系数位置的详细理论分析。改进的DFE仅对这些重要抽头系数进行迭代运算,较之传统的DFE,复杂性大为减小,且没有明显性能损失。实测信道仿真证实了该方法的有效性。

基于压缩感知的协同OFDM稀疏信道估计方法

针对频率选择性衰落信道下的放大转发协同正交频率复用(OFDM)通信系统,提出一种基于压缩感知理论的稀疏信道估计方法。首先,构造协同OFDM系统模型,利用循环矩阵理论,将该系统模型变换成类似于传统的点对点系统模型,该模型由一个协同卷积信道矢量和等效的观测矩阵组成;然后,通过压缩感知理论证明,该等效矩阵以很高的概率满足严格等距特性(RIP);最后,利用压缩感知算法重构卷积信道脉冲响应。与传统的线性信道估计方法相比较,所提方法能够利用较少的训练序列达到稳健的信道估计,有效地提高频谱资源利用率,且具备计算复杂度低的特点。仿真结果验证了该方法的有效性。

基于分层模型的SC-FDE系统低复杂度稀疏信道估计

针对单载波频域均衡(SC-FDE)接收机提出一种低复杂度的贝叶斯稀疏信道估计算法。该算法利用广义平均场(GMF)推理方法结合贝叶斯分层先验模型得到。在GMF推理方法中,使用辅助函数来等效未知变量的联合后验概率密度函数;然后对辅助函数进行因子分解,通过对待估计的稀疏向量的辅助函数进行不同大小的分块来实现降低复杂度的目的,而原始的高复杂度算法(SC-VMP-3L)是所提出的算法的特例。最后,将GMF推理方法用于频域均衡中。仿真结果表明,在信道估计精度和误码率方面,所提出的算法性能与SC-VMP-3L算法的性能接近,且明显优于传统的正交匹配追踪(OMP)稀疏信道估计方法。在复杂度方面,与SC-VMP-3L算法相比有显著降低。

MIMO-OFDM系统中基于RAMP及其改进的稀疏信道估计算法

研究了在MIMO-OFDM系统中的稀疏信道估计问题.将正则化稀疏度自适应匹配追踪算法(RAMP)运用到MIMO-OFDM稀疏信道估计中,并对该算法的迭代结束条件加以改进,取残差的能量之差小于设定的阈值来终止迭代过程,更加准确地估计出信道稀疏度,进而提高了稀疏信道的估计精度.仿真结果表明,在MIMO-OFDM系统中,相比RAMP算法与稀疏度自适应匹配追踪算法(SAMP),改进算法能够获得更好的MSE性能,在不需要稀疏度的前提下达到了与正交匹配追踪算法(OMP)算法相似的MSE性能.

基于Golay互补序列的压缩感知稀疏信道估计算法

该文针对现有基于压缩感知的信道估计方法峰均功率比高、计算量大等问题,使用确定性格雷(Golay)序列作为训练序列对稀疏信道进行信道估计,在接收端实现了对信道冲激响应的估计,给出了估计模型和具体的算法推演,推导了该方法的峰均功率比,并与基于随机高斯序列的压缩感知信道估计方法的性能、峰均功率比和计算量进行了比较。仿真实验表明:格雷序列以及随机高斯序列两种序列都可以重构出稀疏信道非零抽头系数,但是格雷序列对稀疏信道冲激响应的确定性观测估计值的均方误差(MSE)和匹配度性能(Match Rate,MR)均优于随机高斯序列,计算量降低了许多,且在OFDM系统中峰均功率比大大降低。

基于SAMP重构算法的OFDM系统稀疏信道估计方法

为了提高OFDM系统稀疏信道估计的精度和减少导频子载波的数目,本文将OFDM系统频率选择衰落信道时域稀疏冲激响应的参数估计问题转化为压缩感知理论中在稀疏度未知及存在噪声干扰情形下复数稀疏信号的重构问题,提出了分别基于基追踪降噪(BPDN)和稀疏度自适应匹配追踪(SAMP)的两种OFDM系统稀疏信道估计方法。在导频数和信噪比均相同的情形,与传统的最小二乘法(LS)、匹配追踪-最小二乘法(MP-LS)的信道估计方法相比,仿真结果表明所提出的两种方法无须将信道的稀疏度作为先验知识,并具有归一化均方误差小和误比特率低的优点。在所提出的两种方法中,基于SAMP的方法比基于BPDN的方法具有运行速度快、性能更接近Cramer-Rao界的优点,且导频子载波仅为系统子载波的12.5%,信噪比约大于10dB时,采用基于SAMP的方法在信道稀疏度未知的情形也能获得满足实际应用的误比特率。

基于改进子空间追踪算法的稀疏信道估计

由于许多通信系统的信道具有稀疏多径的特性,因此可以将信道估计问题归结为稀疏信号的恢复问题,继而应用压缩感知理论(CS)的算法求解。针对CS中现存的信号重构方法——子空间追踪法(SP)需要对稀疏度有先验知识的缺点,提出一种改进的子空间追踪法(MSP)。该方法的反馈和精选过程与SP算法一致,不同之处是MSP算法每次迭代时向备选组合中反馈添加的向量个数是随着迭代次数而逐一增加的,而SP算法中备选组合被添加的向量个数与稀疏度相同。仿真结果表明,基于MSP方法所得到的稀疏多径信道估计结果优于基于传统SP的方法,且无需已知信道的多径个数。

基于压缩感知的MIMO-OFDM系统稀疏信道估计算法

传统的多输入多输出-正交频分复用(MIMO-OFDM)无线通信系统信道估计算法,没有充分利用无线信道时域的固有稀疏性,导致估计精度不高且频谱利用率低等问题.在信道时域稀疏的前提下,研究了基于压缩感知的MIMO-OFDM系统信道估计算法,详细介绍了正交匹配追踪(OMP)和子空间追踪(SP)两种压缩感知算法原理和步骤,并同其它常用信道估计算法进行了比较分析.理论分析与仿真表明,所提出的压缩感知信道估计算法在频谱利用率以及估计性能方面比传统方法有显著提高,更具有效性.

OFDM稀疏信道估计中基于树状随机搜索导频设计新方法

压缩感知(CS,Compressed Sensing)是一种以低速率对稀疏信号进行采样后在接收端重建信号的技术,基于CS的稀疏信道估计具有更小的导频开销且具有更好的信道估计性能。针对基于CS的OFDM稀疏信道估计中的导频设计问题,提出一种基于树状随机搜索算法(TSS,Tree-based Stochastic Search Algorithm)的导频位置设计新方法,该方法结合了树的结构,以分支的方式进行随机搜索从而避免陷入局部最优问题。仿真结果表明,与传统的导频设计方法相比,使用TSS算法获得的导频图案用于信道估计中能够获得更优的信道估计性能,而且TSS算法的复杂度更低。

MIMO-OFDM系统基于压缩感知的稀疏信道估计

为了提高MIMO-OFDM系统稀疏信道估计的准确度及减少导频子载波的数目,利用频率选择性衰落信道的冲激响应在时域具有稀疏性的先验信息,将MIMO-OFDM系统的信道估计建模为压缩感知框架里受到噪声干扰的复数信号重构,提出了分别基于稀疏度自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)和变量分离近似稀疏重构(sparse reconstruction by separable approximation,SRSA)的两种MIMO-OFDM系统稀疏信道估计方法.仿真结果表明:与传统最小二乘法的信道估计相比,在相同信噪比条件下能获得相等的估计性能,且这两种方法不必将信道的稀疏度作为先验知识,也能减少40%的导频子载波.在估计准确度方面,基于SAMP的方法优于采用SRSA的方法,前者的MSE和BER性能更接近Cramer-Rao界:但在算法参数设置方面,后者比前者在实际应用中更容易准确设定.

一种基于信道缩短的MB-OFDM UWB稀疏信道估计算法

在MB-OFDMUWB系统中,利用UWB信道的稀疏簇特性,提出一种基于信道缩短的MB-UWB稀疏信道估计算法。首先利用信道缩短滤波器来消除由于循环前缀长度不足造成信道间干扰和码间干扰,然后基于信道缩短后的接收信号,利用UWB信道的稀疏性,探测出非零值抽头的位置,避免了无谓的零值抽头估计,改善了算法的性能。仿真结果表明:当循环前缀CP长度小于信道长度时,LS算法和DFT算法逐渐失效,而新算法可以获得较好的估计性能。