基于压缩感知的自适应V2V稀疏信道估计算法

针对传统信道估计算法对稀疏性约束不强,导致信道估计性能下降,进而影响通信质量等问题,着重对车到车(vehicle to vehicle V2V)信道估计进行研究,提出了基于基扩展模型(base expansion model, BEM)的稀疏度自适应匹配追踪(sparsity adaptive matching pursuit, SAMP)信道估计算法。该算法将信道估计问题转变为对BEM系数的稀疏重构,通过SAMP获得BEM的系数,再利用反馈结果进行迭代,进而实现最优的信道估计。仿真结果表明,与最小二乘(least square, LS)、线性最小均方误差(linear minimum mean square error, LMMSE)和正交匹配追踪(orthogonal matching pursuit, OMP)信道估计算法比较,该算法在V2V信道下可以显著提高正交频分复用(orthogonal frequency division multiplexing, OFDM)系统的均方误差和误码率性能。