基于簇的块稀疏压缩感知的60GHz信道估计

基于压缩感知设计适用于60 GHz毫米波通信系统的信道估计方案,深入研究了正交匹配追踪(OMP)算法和正则正交匹配追踪(Regularized OMP)算法的60 GHz信道估计性能;在此基础上,充分发掘60 GHz无线多径信道所呈现出的分簇特性,提出一种新颖的基于簇分级的稀疏压缩感知重构算法。新算法在有效减少重构迭代次数的前提下,亦能显著降低信道估计误差。综合对比分析了基于簇分块稀疏压缩感知重构算法和现有压缩感知算法在60 GHz信道估计应用中的重构性能,仿真结果表明,压缩感知算法可有效应用于60 GHz系统信道估计,而新设计的基于簇分级的稀疏压缩感知算法则在估计精度和实现复杂度方面具更优越性能。     

基于压缩感知信道能量观测的协作频谱感知算法

压缩感知为认知无线电宽带频谱感知提供了一种新思路。基于压缩感知原理,该文提出一种不需要重构宽带频谱本身,而是直接重构各信道能量的协作频谱感知方法。多个次用户使用宽带随机滤波器组获取信道能量的观测值。融合中心同步接收多个用户的能量观测,并利用同步稀疏自适应匹配追踪协作重构算法重构所有次用户的信道能量。仿真结果表明加性高斯白噪声环境下该协作感知方法所需的滤波器数目仅为传统方法的20%左右,瑞利衰落信道下也仅需传统方法的40%,有效降低了系统复杂度并改善感知性能。同时,该文提出的同步稀疏自适应匹配追踪算法对比经典的同步正交匹配追踪算法在重构精度及算法复杂度两方面都有所提升。     

长时延扩展水声信道的联合稀疏恢复估计

对具有长时延扩展的水声信道,传统的信道估计算法如最小二乘法将在大量零值抽头产生严重的估计噪声,导致估计性能下降,同时信道估计时所需的较高估计器阶数大大提高了运算复杂度。压缩感知信道估计方法可有效利用多径稀疏特性改善性能,但需采用较大的训练序列长度以保证稀疏恢复精度,由此导致额外的系统开销。利用水声信道多径稀疏结构在数据块间存在的相关性,建立基于分布式压缩感知的长时延水声信道联合稀疏模型,从而可利用同步正交匹配追踪算法进行联合重构,以进一步减小系统的训练序列开销,提高估计性能。最后通过仿真和海上实验验证了所提方法的有效性。     

采用残差变化控制的自适应稀疏信道估计

针对传统压缩感知信道估计对稀疏度信息依赖和稀疏度自适应信道估计在低信噪比时抗噪能力较差的问题,提出了一种采用残差变化控制的稀疏度自适应的压缩感知信道估计算法。该算法在传统的压缩感知信道估计的基础上引入残差变化控制,通过比较每次迭代下的残差变化的幅度来控制信道估计的迭代次数,提高信道估计的自适应性和鲁棒性。同时,为解决传统稀疏度自适应压缩感知信道估计抗噪能力较差的问题,利用正交匹配追踪提高算法的抗噪声性能。相比于传统的稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit,SAMP)算法,所提算法约有4 dB的性能优势,且算法复杂度更低。     

基于FBMP算法的水声信道估计

设计了一种基于贝叶斯压缩感知(bayesian compressing sensing,BCS)的水声信道(underwater acoustic channel,UWAC)估计方法,并具体采用快速贝叶斯匹配追踪算法(fast bayesian matching pursuit,FBMP)对水声正交频分复用(OFDM)通信系统下的信道脉冲响应进行估计。在水声信道中,信道的抽头的位置及系数通常分别服从伯努利和复高斯分布,利用这一先验知识,首先对抽头的位置进行检测,然后通过最小均方误差准则得到准确的信道估计。仿真分析了导频数量、信噪比对FBMP、正交匹配追踪(orthogonal matching pursuit,OMP)、变换域(discrete fourier transform,DFT)、最小二乘法(least square,LS)信道估计算法的性能的影响,仿真结果表明,在稀疏信道下,基于FBMP的信道估计方法明显优于OMP、DFT、LS信道估计方法。     

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。     

基于贝叶斯压缩感知理论的超宽带通信信道估计

超宽带是一种新颖的高速无线通信技术。其过高的带宽给采样带来了困难,压缩感知理论提供了一种可行的低速采样方法。针对目前的压缩感知超宽带信道估计方法必须假设信道稀疏度已知,论文提出了基于贝叶斯压缩感知理论的超宽带信道估计方法。将超宽带信道估计转化为压缩感知理论中的重构问题,并使用贝叶斯压缩感知方法进行重构,得到信道估计值及其误差范围,最终实现信息解调。贝叶斯压缩感知理论将稀疏贝叶斯学习理论引入到压缩感知中,给需要重构向量中的每个值设置受超参数控制的后验概率密度函数,在超参数的更新过程中,零值所对应的超参数将趋向于无穷大,与之对应的后验概率将趋向于零,通过这种方法剔除非重要多径,自适应地找出信道向量中的重要多径,并使用回归算法进行重构。实验结果表明在信道稀疏度未知的情况下,该方法能够对原信道进行有效的重构。     

压缩采样匹配追踪在水声MIMO-OFDM信道估计的应用

针对水声MIMO-OFDM系统,利用水声多径信道冲激响应的稀疏特性,提出一种基于压缩采样匹配追踪 (Compressive Sampling Matching Pursuit, CoSaMP)的信道估计方法。该算法首先利用观测矩阵构建一个向量代替信道,然后采用匹配追踪思想确定这个向量的非零抽头系数位置,最后利用最小二乘法对非零抽头系数进行估计,通过对该向量的估计实现信道响应的估计。与传统最小二乘法（least square, LS）相比,信道估计性能得到很大的提高,与正交匹配追踪（Orthogonal Matching Pursuit,OMP)相比,提高信道估计性能的同时,降低了计算复杂度。通过仿真分析,不但验证了该算法的有效性,还比较了该算法在不同通信系统中的信道估计性能。      

基于压缩感知的MIMO NC-OFDM系统信道估计算法北大核心

多输入多输出不连续正交频分复用(MIMO NC-OFDM)系统是认知无线电(CR)系统的常用体制,由于授权用户占用而导致的载波不连续情况下的信道估计是影响该系统性能的关键技术问题。提出一种基于压缩感知(CS)的MIMO NC-OFDM系统的信道估计方法——稀疏自适应匹配追踪(SAMP)算法。SAMP算法在重构过程中先对信号稀疏度进行初始估计,然后自适应调整步长逐步逼近信号,相较于其他贪婪算法,能够在稀疏度未知的情况下准确重建稀疏信号。仿真结果表明,SAMP算法提高了重构精度,在实际应用中易于实现。     

一种基于改进ROMP的MIMO-OFDM信道估计方法

本文根据信道响应的时域稀疏性,引入压缩感知理论,针对正则化正交匹配追踪（ROMP）需已知稀疏度和原子一旦选入无法删除两大缺点,提出一种基于改进ROMP的信道估计方法.该方法结合压缩采样匹配追踪（CoSaMP）、稀疏度自适应匹配追踪（SAMP）和变步长的优点,实现稀疏信号快速准确的重建.仿真结果表明,与基于OMP、ROMP、CoSaMP、SAMP的信道估计方法相比,所提方法有效提高了MIMO-OFDM系统的归一化均方误差（NMSE）和误码率（BER）性能.     

Channel estimation method based on compressive sensing for FBMC/OQAM system

In mobile-to-mobile sensor networks,the channel estimation for FBMC/OQAM system can be investigated as a compressive sensing problem to raise frequency spectrum efficiency by exploiting the sparse nature of wireless channels.Firstly,a novel orthogonal matching pursuit algorithm with selection weak strategy and regularization based on Tanimoto coefficient (T-SWROMP) was proposed to improve the accuracy of LS channel estimation.Then,T-SWROMP methods with auxiliary pilot and coding were used to estimate channel frequency response for FBMC/OQAM system.The experimental results demonstrate the proposed method has lower complexity than the traditional SWOMP method.In addition,it achieve best performance among the traditional OMP,SWOMP and ROMP methods under dual-selective channels.     

基于BP神经网络的OFDM系统信道估计

针对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统中传统信道估计算法复杂度高或估计精度低的问题,给出一种基于反向传播(Back Propagation,BP)神经网络的信道估计方法.采用Simulink仿真工具构建OFDM信号采集平台,建立了基于BP神经网络的OFDM系统信道估计模型,并以均方误差和误码率为主要评价指标,分析了不同网络参数和导频数量对信道估计性能的影响.仿真结果表明,与传统信道估计算法相比,基于BP神经网络的信道估计算法可以提供更优的系统性能,而且可以减少导频数量,提高频带利用率.     

结合反卷积和扩张卷积的信道估计算法

信道估计作为无线通信的关键,近年来成为相关领域的研究热点。本文针对正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）系统下传统信道估计算法性能难以满足复杂场景的通信需求、受噪声影响大等问题,提出了一种基于反卷积网络及扩张卷积网络信道估计的深度学习方法。该方法利用信道的相关性构建了一个轻量级的反卷积网络,利用少数几层反卷积操作来逐步实现信道插值与估计,在较低的复杂度下较好地实现了信道估计。为改善估计性能,进一步构建了一个扩张卷积网络来抑制信道噪声,提高信道估计的准确度。仿真结果表明,在不同信噪比条件下,本文提出的基于反卷积及扩张卷积的深度学习方法比传统方法具有更低的估计误差,且复杂度较低。      

基于LPA的SIMO-OFDM系统盲信道估计

OFDM系统中的盲信道估计对能否正确恢复信号起决定性作用,现有的算法存在计算复杂度高、精度低的缺点.本文提出将传统的盲信道辨识算法,即线性预报法应用于SIMOOFDM系统中.该算法利用二阶统计量信息,其计算复杂度明显降低,本算法对信道阶数的估计更具有鲁棒性,可获得较高的估计精度.仿真表明,本文算法的性能优于子空间算法.     

修正Kalman滤波多带UWB信道估计改进方法

针对多带超宽带(UWB)系统中修正Kalman滤波算法复杂度高的缺陷,提出一种低复杂度的修正Kalman滤波改进方法。该方法中UWB信道采用自回归模型(AR)建模,利用导频跟踪时变信道衰减因子,通过Kalman滤波和频域分段最小均方误差(MMSE)算法同时跟踪信道的时域相关性和频域相关性,提高了系统性能,降低了计算复杂度。仿真结果表明,和修正的Kalman滤波方法相比,在估计精度损失很小的情况下,所提方法极大降低了计算复杂度,提高了系统整体的估计性能。     

宽带毫米波大规模MIMO系统中低复杂度波束域信道估计

针对宽带毫米波大规模MIMO系统信道估计精度低及实现复杂度较高的问题，在传统支撑检测方案的基础上提出一种基于Gauss-Seidel方法的串行支撑检测（GS-SSD）方案。该方案不使用共同支撑假设，参考串行干扰删除，将整体信道估计问题分解为一系列子问题，每个子问题仅考虑一个信道成分。同时，利用Gauss-Seidel方法近似高复杂度的矩阵求逆。仿真结果表明，相比于基于串行支撑检测（SSD）的方案， GS-SSD方案在将求逆复乘数降低一个数量级的同时可以取得接近SSD方案的信道估计性能。     

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.     

Efficient compressive sensing based sparse channel estimation for 5G massive MIMO systems

Massive MIMO (multiple-input-multiple-output) is one of the key technologies of 5G mobile cellular networks, which can form a huge antenna array by providing a large number of antennas at the cell base station. It will greatly improve the channel capacity and spectrum utilization and has become a hotspot in the field of wireless communications in recent years. Aiming at the high complexity of channel estimation algorithm for massive MIMO system, a sparse channel estimation algorithm with low complexity is proposed based on the inherent sparsity of wireless communication channel. The algorithm separates the channel taps from the noise space on the basis of the traditional discrete Fourier transform (DFT) channel estimation, so that the channel estimation only needs to calculate the part of the channel tap, so the computational complexity of the algorithm is greatly reduced. The simulation results show that the proposed algorithm can achieve near minimum mean square error (MMSE) performance while maintaining low complexity. Moreover, the Bit Error Rate and Inter-Cell Interference also indicates that the proposed improved algorithm shows better overall performance than the conventional algorithms which makes it suitable from practical perspective.     

一种低开销的LTE上行链路信道估计算法

压缩感知理论作为信号处理方向较为前沿的研究方向,可以采用少数目的采样值以高概率来获得原始稀疏信号。同时,移动无线通信衰落信道恰恰具有稀疏特性。然而,传统的信道估计并没有根据信道的这一稀疏特性来得出算法。在研究多径信道稀疏特性的基础上,分析了将压缩感知理论运用于LTE上行链路进行信道估计的可行性,并建立了一种基于压缩感知技术实现系统信道估计的模型,提出了一种结合正交匹配追踪算法来估计信道时域响应的低开销LTE上行链路信道估计算法。此外,通过系统仿真进行了估计的均方误差性能分析,与目前广为使用的信道估计算法相比,所提出的低开销信道估计算法在保证估计精度的同时减少了导频开销,增强了系统性能。