一种稀疏度自适应超宽带信道估计算法

针对在超宽带信道估计中应用压缩感知理论需要预知信道稀疏度的问题,利用超宽带信道在时域上的稀疏性,将信道估计问题转化为压缩感知理论中的稀疏向量重构问题,提出了稀疏度自适应正则化压缩采样匹配追踪（SARCoSaMP）算法。该算法在压缩采样匹配追踪（CoSaMP）算法的基础上,引入自适应和正则化方法,自动调整所选原子数目,逐步逼近信道稀疏度K,在稀疏度未知的情况下精确地实现信道估计。仿真结果表明,该算法可有效应用于超宽带系统的信道估计,并且其性能明显优于CoSaMP算法和稀疏自适应匹配追踪（SAMP）算法。     

基于CV-RMMP重构算法的水声稀疏信道估计

多径匹配追踪算法在水声信道稀疏估计中具有较好的估计精度,但该算法需要信道稀疏度的先验信息,且计算复杂度大.本工作提出一种基于交叉验证与正则化相结合的多径匹配追踪算法,将其用于水声信道估计.交叉验证提供算法的停止准则,不需要信道的稀疏度和噪声水平的先验信息,并检查算法是否过拟合,提高了估计的准确性.正则化用来进一步筛选候...     

稳健变步长符号算法在稀疏信道估计中的应用

基于自适应滤波的传统稀疏信道估计方法大多基于高斯噪声模型的假设,当环境噪声包含冲击噪声时,信道估计性能将严重恶化.为了解决冲击噪声环境下的稀疏信道估计问题,提出了一种基于梯度向量混合范数的稳健变步长符号算法.仿真结果表明,提出的算法在高斯噪声和冲击噪声环境下达到了预期的效果.     

基于联合稀疏模型的OFDM压缩感知信道估计

针对正交频分多路复用（OFDM）系统,比较了基于压缩感知的不同导频设计方案及相应信道估计性能. 基于信道响应的时域稀疏和缓变特征,提出了基于联合稀疏模型的压缩感知信道估计方法,进一步提高了信道估计的性能. 该方法将连续若干个OFDM符号的信道估计问题转化为联合稀疏模型下的压缩感知问题,充分利用信道的稀疏特性和时间相关性进行信道估计. 结合短波OFDM系统,比较了几种信道估计方法的性能. 仿真结果表明,与传统的最小平方误差信道估计方法和逐符号的压缩感知信道估计方法相比,基于联合稀疏特征的信道估计方法可进一步改善估计性能,对时变信道具有更好的适应性.     

水声单载波分块传输中基于压缩感知的稀疏信道估计方法

为利用水声信道的稀疏特性,提高循环前缀单载波分块传输系统的信道估计精度和误比特率性能,提出一种新的基于压缩感知的稀疏信道估计方法.新方法利用任意具有单位能量的导频构造满足约束等距条件的频域测量矩阵,通过Dantzig selector算法重构稀疏水声信道冲激响应.基于实测湖试信道模型的仿真结果表明,在相同训练序列长度条件下,利用频域最小均方误差检测方法,新的压缩感知信道估计方法较传统最小二乘信道估计方法有近5 dB的性能增益.     

一种改进的适用于稀疏信道的完全反馈均衡器

为了在稀疏信道下有效地降低传统均衡算法的运算复杂度,在完全反馈均衡器CFE（complete feedback equalizer）之前,利用信道估计器针对稀疏多径信道提出了一种新的低复杂度的多径时延信道估计方法,仅对少量幅值较大的信道抽头做均衡。理论分析与基于实测信道的计算机仿真表明,这种算法通过对多径的跟踪降低了需要估计参数的雏数,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.     

基于压缩感知的码片内多径时延估计

针对码片内多径时延难以估计的问题,结合PN序列的伪随机特性和一般信道冲激响应的稀疏特性,提出了一种基于压缩感知的时延估计算法,将时延估计问题转化为稀疏向量的估计问题。利用压缩感知方法估计稀疏向量,对向量只有稀疏度要求,而对向量中非零值的位置没有任何要求,所以本文提出的算法对码片内多径具有分辨能力。通过仿真实验验证了文中提出的算法在低信噪比下对码片内多径时延估计具有鲁棒性,并且得出了算法运算量与稀疏向量维数之间的关系。     

低信噪比下的浅海水声稀疏信道估计

研究了浅海水声稀疏信道的估计方法,并在此基础上提出了一种应用于低信噪比且相邻路径最小时延差小于经典匹配跟踪算法可以分辨情况下的信道估计算法。所提出的信道估计算法基于最小二乘准则,利用浅海水声信道的稀疏特性,同时结合匹配跟踪算法,将信道脉冲响应函数的l1范数作为代价函数,并将其转化为凸优化问题进行求解。仿真实验验证了提出方法的有效性。     

采用压缩感知的贝叶斯信道估计算法

高阶多输入多输出系统能有效提高能量效率和传输可靠性,但由于天线数量巨大,信道参数估计任务艰巨．虽然支持不可知的贝叶斯匹配追踪算法估计准确,但复杂度过高．为了解决这个问题,提出了一种期望修剪匹配追踪算法．在信道每一个稀疏度下,把与当前残差信号内积较大原子(测量矩阵列矢量)的所在位置添加到支撑集中,组成扩大支撑集;然后对扩大支撑集进行筛选,剔除可能选错的位置,并确定最佳支撑集;计算各个稀疏度最佳支撑集对应信道的估计值和相对发生概率,由此计算信道的数学期望,并作为最终的信道估计值．仿真结果表明,文中算法与支持不可知的贝叶斯匹配追踪算法相比,具有更低复杂度的期望修剪匹配追踪算法能保证信道估计精度和系统误比特率性能．     

一种自适应的拟牛顿投影稀疏信号恢复算法

针对稀疏恢复中贪婪类算法需要提前已知稀疏度的问题,提出了一种自适应拟牛顿投影稀疏恢复算法。该算法分为两层循环:外层循环主要是利用阈值算子估计信号的稀疏度,内层循环在外层迭代估计的当前稀疏度下,基于拟牛顿投影算法完成稀疏信号恢复。仿真实验表明:该方法相对于需要事先已知稀疏度的贪婪算法,可在稀疏度未知的情况下获得稀疏信号的较优逼近性与恢复率。     

RIS辅助太赫兹通信的宽带上行信道估计

针对现有可重构智能表面(Reconfigurable Intelligent Surface, RIS)辅助通信系统的宽带信道估计方案只考虑了信道的频率选择性,而忽略波束斜视的影响导致性能下降的问题,提出了一种基于分组策略的分布式Dice子空间追踪(Distributed Dice Subspace Pursuit, DDSP)方案。首先,利用太赫兹(Terahertz, THz)信道的稀疏性,将级联信道估计问题转化为稀疏信号恢复问题;然后,设计了宽带字典和提出了一种分组策略来解决波束斜视的影响;最后,引入Dice系数准则和回溯思想优化支撑集的选择。仿真结果表明,所提算法相较于传统宽带信道估计方案能够提高信道估计的精确度。     

低精度ADC下的大规模MIMO-OFDM信道估计算法

针对低精度模数转换器(ADC)下的大规模多输入多输出正交频分复用(MIMO-OFDM)系统,提出一种基于量化压缩感知的信道估计算法——块稀疏多比特迭代硬阈值(B-MIHT)算法。该算法挖掘了大规模MIMO-OFDM系统信道的块稀疏特性,通过构建等效块稀疏信道矩阵结合多比特迭代硬阈值算法,基于训练序列对低精度ADC下的大规模MIMO-OFDM系统进行信道估计,并在MATLAB平台进行仿真实验。结果表明:B-MIHT算法能够准确地恢复低精度ADC下的大规模MIMO-OFDM系统信道信息,在系统量化精度为5 bits的条件下具有良好的信道估计性能,信噪比为30 dB时,误码率(BER)为5.45×10^-3,归一化均方误差(NMSE)为1.73×10^-3,且在信道路径数增多的情况下其信道估计性能损失相对较小。     

一种优化的gOMP稀疏OFDM信道估计方法

无线多径信道多呈现稀疏特性,即信道时延扩展大,但是路径的个数少,利用信道先验稀疏信息的稀疏信道估计方法可以提高稀疏信道的估计准确性。针对贪婪算法选择字典原子在残余误差最小意义下的非最优性,及广义正交匹配追踪算法gOMP利用含噪信号估计稀疏信道过程中过多的选择字典原子导致gOMP算法重建性能下降的问题,提出优化的广义正交匹配追踪算法（optimized generalized orthogonal matching pursuit,OgOMP）。在OgOMP算法原子选择阶段,采用使残余误差最小化的原子选择标准代替残差与字典内积绝对值最大化的原子选择标准以选择原子。为删除多余的误选原子,添加原子精炼步骤对每一步迭代后选择的字典原子进行二次选择,选择对应最大信道衰落系数的原子,选择的原子数与信道稀疏度相同,删除错选原子以保证重建信号与原始信号的稀疏性一致。本文仿真对比了gOMP和OgOMP算法的信道估计均方误差、误码率、残差收敛速度以及不同导频数、不同原子选择数对算法的影响。仿真结果表明：相同的误码率下,OgOMP算法比gOMP算法在估计稀疏信道时最大可以节省4 dB的信噪比,信噪比为20 dB时均方误差最大可以减小5 dB;两种算法的残差收敛速度均优于MP算法;导频数的增加可以减小两种算法的信道估计均方误差,相同信道估计性能下OgOMP算法具有更小的导频开销;每步迭代选择的原子数目不同时,相比于gOMP算法,OgOMP算法性能基本不变,具有更好的稳定性,仿真结果验证了改进算法的有效性。     

水声稀疏信道估计与大范围白适应平滑预测研究

研究了对水声稀疏信道的估计与预测．基于水声稀疏信道模型提出了信道重要权系数检测迭代估计算法来对信道的时域冲激响应进行估计,该算法无需预先知道信道多径数,同时可有效利用预估的信道多径数下限减少计算量;基于线性自回归模型提出了大范围自适应平滑预测算法来对水声信道进行预测,无需估计复杂的水声信道二阶统计特性,通过降低信道采样速率和局部平滑以进一步降低预测误差．文中算法比最小二乘（LeastSquares,LS）算法和匹配追踪（MatchingPursuit,MP）算法性能更为优越;当通信距离较短时,信道预测误差在10^2内．本文算法能够对水声稀疏信道进行有效估计和预测,可为水声通信中的自适应技术提供依据．     

基于导频放置优化的组稀疏信道估计方法

针对OFDM系统信道的稀疏性,研究组稀疏信道估计方法;考虑信道的时间选择性和频率选择性,由信道系数的稀疏表示引入组稀疏概念,利用稀疏信号的非零分量趋向于成簇出现的组稀疏特性,提高重建质量.考虑到导频对信道估计性能的重要作用,采用分布估计算法（EDA）优化组稀疏信道估计中的导频放置模式.该方法具有较好的鲁棒性,不会陷入导频搜索的局部最小值,可以得到更小相关性的感知矩阵.理论分析和仿真结果均表明,该方案与传统估计方法相比,均方误差性能更加优异.仿真又采用了不同的重构方法和分组大小进行对比,均能证明该方法的适用性.