基于压缩感知的OFDM系统信道估计方法

针对无线信道的时域稀疏性以及稀疏度未知的问题,文章将压缩感知技术应用到正交频分复用(OFDM)系统信道估计中,提出了一种稀疏度自适应正交匹配追踪信道估计算法。算法利用离散傅里叶变换(DFT)信道估计算法对循环前缀内和外的噪声进行处理,估计得到的信道频率响应作为正交匹配追踪(OMP)算法稀疏迭代终止的判断条件,实现稀疏度自适应信号重建。同时在原子预选阶段,采用Dice系数准则代替内积准则作为相关性度量准则,可达到更优的估计性能。仿真结果表明,该算法相比于传统的压缩感知信道估计算法具有较好的性能,可以提高系统的归一化均方误差(NMSE)和误码率(BER)性能。     

基于IOC-CSMP的OFDM系统稀疏信道快速重构算法

针对信道路径数量未知时正交频分复用（OFDM）系统信道估计问题,提出了一种基于内积运算优化与稀疏度更新约束的压缩采样匹配追踪快速重构算法。通过构建与更新选择向量,利用与选择向量中非零值索引对应的原子向量参与内积运算来降低运算量;基于压缩采样与回溯策略来优化原子,利用匹配追踪完成信道估计,通过相邻两次信道估计值的能量差来更新稀疏度并约束算法停止,保证算法快速收敛。仿真结果表明,所提算法具有比最小二乘、最小均方差、稀疏度自适应匹配追踪和自适应正则化压缩采样匹配追踪算法更好的信道估计性能,且比2种自适应方法消耗更少的信道估计时间。     

RIS辅助无线系统中基于压缩感知的稀疏度自适应级联信道估计方法研究

为了解决可重构智能超表面（Reconfigurable Intelligent Surface, RIS）辅助无线通信系统中级联信道的估计问题,本文提出了一种基于压缩感知（Compressive Sensing, CS）的自适应双结构稀疏正交匹配追踪算法（Adaptive Double-Structured Orthogonal Matching Pursuit, ADS-OMP）。已有的双结构稀疏正交匹配追踪算法（Double-Structured Orthogonal Matching Pursuit, DS-OMP）利用级联信道的双结构稀疏特性即行稀疏特性和列稀疏特性来提高算法估计性能,但需要已知相关信道稀疏度信息。本文提出的ADS-OMP算法在现有的DS-OMP算法基础上设计合理的判决准则和迭代阈值来估计相关稀疏度,从而能在角域级联信道的行稀疏度和列稀疏度均未知的情况下完成级联信道估计,有效克服了现有DS-OMP算法对相关信道稀疏度的依赖,算法实用性更强。仿真结果表明,本文提出的ADS-OMP算法和已有DS-OMP算法估计性能一致,算法复杂度在同一数量级上,前者复杂度略微提升。      

基于改进SAMP算法的UWB多径信道估计

稀疏度自适应匹配追踪（SAMP）算法重构过程中存在其迭代终止条件设置不够合理的情况,需要对SAMP算法进行改进.在信道稀疏度未知时,改进SAMP算法依据残差之差的相对能量小于设定的停止门限来终止迭代过程,通过自适应调整可变步长逐步逼近信道的稀疏度,从而实现了重构UWB信道.仿真结果表明,改进SAMP算法低信噪比时重构精度高于SAMP算法,具有更好的重构性能和广泛的实用性.     

基于迭代自适应稀疏分解的雷达信号去噪

稀疏分解能有效分离信号和噪声,因此适用于信号去噪.文中构造了雷达回波稀疏表示的冗余字典,字典原子与目标回波波形匹配,基于该字典的雷达回波信号稀疏度就是目标数.针对稀疏度自适应匹配追踪算法进行低信噪比信号稀疏分解时的不足,提出了一种迭代自适应匹配追踪算法,采用规范化的残差之差作为迭代终止条件,使得稀疏分解过程能依据噪声水平自适应终止,以逐次逼近方式估计信号稀疏度,改善了稀疏分解的精度.仿真实验结果表明,该算法在低信噪比以及稀疏度未知的条件下,实现了雷达回波信号的准确稀疏分解,极大地提高了信噪比.     

一种改进的变步长SAMP压缩感知浅海水声信道估计算法

针对稀疏度自适应匹配追踪（Sparsity Adaptive Matching Pursuit,SAMP）算法估计性能过度依赖初始步长的问题,提出了改进的变步长稀疏度自适应匹配追踪（Improved Variable Step-size Sparsity Adaptive Matching Pursuit,IVSSAMP）算法,并将IVSSAMP算法应用于水声正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）系统的压缩感知信道估计框架中。IVSSAMP算法通过残差条件对步长选取进行分类,在不同条件下分别引入微调因子设置残差与测量向量、残差与噪声之间的阈值来调整步长,实现变步长和稀疏度的自适应,同时规避了过度估计情况的发生。实验结果表明,IVSSAMP算法利用步长的灵活选取实现了估计精度与运行速度之间的平衡,降低了初始步长对算法性能的影响,具有较好的稳健性和应用性。     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。     

基于压缩感知超宽带信号盲稀疏度信道估计

鉴于超宽带(UWB)信道估计要求预先给出信道才能精确重构的不足,研究了基于压缩感知的盲稀疏度匹配追踪类算法用于信道重建.这种盲稀疏度方法根据迭代终止条件和字典中最优原子选择方式的不同,设置迭代终止阈值和阶段转换阈值,通过可变步长的增大逐步逼近稀疏度,实现精确重建.仿真结果表明,相同条件下,基于此思想经过改进算法可有效用于解决实际UWB信道估计,较改进前算法估计性能相当,是一种具有应用价值的盲稀疏度重构方法.     

基于MCoSaMP算法的MIMO稀疏信道估计

针对单载波多输入多输出(Multiple Input Multiple Output,MIMO)系统中的稀疏信道估计问题,基于压缩传感(Compressed Sensing,CS)理论,提出了一种改进的压缩采样匹配追踪(Modified Compressive Sampling Matching Pursuit,MCoSaMP)算法.新算法在现有的压缩采样匹配追踪算法的基础上,通过前一步迭代的残差设计了一种自适应加权因子,利用该加权因子进行加权最小二乘估计,逐步减小了异常样本对当前估计的影响.仿真结果表明,在使用相同长度的训练序列时,新算法与现有的基于压缩采样匹配追踪的估计算法相比,在估计精度上有明显提高.     

基于压缩感知的MIMO-OFDM系统自适应信道估计

针对超密集组网中导频复用将产生导频干扰,严重影响移动用户下行链路信道估计准确性的问题,提出了一种使用短导频的幂函数稀疏度自适应匹配追踪(Power Sparsity Adaptive Matching Pursuit,PSAMP)算法.该算法由稀疏度预估计和追踪重构两部分构成.首先通过幂函数试探得到一个略小于真实稀疏度的预估值,再通过压缩采样匹配追踪重构信号,改善估计结果;若不能成功重构,则逐渐增加信号原子数量.仿真结果表明,相较于传统自适应压缩感知重建算法,所提的P SAMP算法在高信噪比区域具有更好的信道估计性能.     

基于二项分布改进的宽带压缩频谱检测方案

宽带压缩频谱检测存在依赖稀疏度先验信息和信号重构时延较高的问题.因此,本文提出了一种高效可靠的宽带压缩频谱检测方案.首先,推导出了基于二项分布精确置信区间改进的稀疏度估计模型.其次,利用稀疏度估计上下界改进了稀疏度自适应匹配追踪算法.最后,提出了一种宽带压缩频谱检测方案.仿真结果表明,本文所提出方法可以同时精确的估计信号稀疏度的上下界,提高了频谱检测的效率和可靠性,加快了算法的收敛速度.     

Sparsity adaptive channel estimation algorithm based on compressive sensing for massive MIMO systems

A sparsity-adaptive channel estimation algorithm based on compressive sensing was proposed for massive MIMO systems when the number of channel multi-paths was unknown.By exploiting the joint sparsity characteristics of the sub-channels，the proposed block sparsity adaptive matching pursuit (BSAMP) algorithm first selected atoms by setting a threshold and finding the position of the maximum backward difference，which reduces the energy dispersion caused by the non-orthogonality of the observation matrix and improves the performance of the algorithm.Then a regularization method was utilized to improve the stability of the algorithm.Simulation results demonstrate that the proposed algorithm recovers the channel state information accurately and shows a high computational efficiency.     

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。      

一种FDD大规模MIMO系统下行信道估计算法

信道估计是大规模多输入多输出(MIMO)系统的关键技术之一。本文针对频分双工(FDD)大规模MIMO正交频分复用(OFDM)系统,研究了下行信道估计问题。通过利用大规模MIMO-OFDM信道在角度-频域中的块稀疏特性,提出了基于块匹配追踪的低复杂度估计算法。另外,针对采用时域正交导频存在估计周期过长,有可能超过系统相干时间的问题,提出了天线分组发送方案,通过牺牲观测数据长度来换取信道估计周期的减少。仿真结果表明,所提算法具有良好的抗噪性能,可以准确找出稀疏向量的非零值位置,并可自适应确定稀疏度。     

智能反射面辅助MU-MISO系统宽带信道估计算法

为适应移动通信系统的宽带化应用,针对智能反射面（Intelligent Reflecting Surface,IRS）辅助多用户多输入单输出系统信道估计问题,提出了一种基于稀疏矩阵分解的改进正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法。首先,考虑基站导频约束及IRS相移约束,建立一个压缩感知模型。然后,通过自适应地细化变换矩阵的分辨率,避免稀疏信号的细节丢失;再利用信道在不同子载波处共享的公共稀疏性,对多个子频带进行联合估计。最后利用级联信道的双结构稀疏性,将信道估计扩展至多用户场景。仿真结果表明,与传统压缩感知算法相比,所提算法能以较小的导频开销获得更高的准确性。     

一种自适应稀疏度的混合场信道估计算法

针对6G超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)系统信道特性变化造成现有的近场和远场信道估计方案不能准确估计XL-MIMO混合场信道的问题,同时考虑到实际系统中稀疏度难以获取,提出了一种基于分段弱正交匹配追踪的混合场信道估计(Hybrid-field Stagewise Weak Orthogonal Matching Pursuit,HF-SWOMP)算法。该算法利用XL-MIMO混合场中近场和远场区域不同的信道特性,分别对近场和远场信道分量进行估计,从而得到混合场信道。仿真结果表明,所提XL-MIMO混合场信道估计算法性能相对于仅考虑近场和远场信道估计方案分别提高了约3.5 dB和3 dB,更符合实际信道场景。     

Channel estimation for multi-panel millimeter waveMIMO based on joint compressed sensing

Channel state information (CSI) is essential for downlink transmission in millimeter wave( mmWave) multipleinput multiple output (MIMO) systems. Multi-panel antenna array is exploited in mmWave MIMO system due to itssuperior performance. Two channel estimation algorithms are proposed in this paper, named as generalized jointorthogonal matching pursuit (G-JOMP) and optimized joint orthogonal matching pursuit (O-JOMP) for multi-panelmmWave MIMO system based on the compressed sensing (CS) theory. G-JOMP exploits common sparsity structureamong channel response between antenna panels of base station ( BS) and users to reduce the computationalcomplexity in channel estimation. O-JOMP algorithm is then developed to further improve the accuracy of channelestimation by optimal panel selection based on the power of the received signal. Simulation results show that theperformance of the proposed algorithms is better than that of the conventional orthogonal matching pursuit (OMP)based algorithm in multi-panel mmWave MIMO system.