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PSP均衡技术的CPM检测算法

针对时变频率选择性衰落信道,研究了连续相位调制（CPM）信号的逐幸存检测算法。该算法在未知信道状态的条件下,利用训练序列对信道参数进行初始估计。在对CPM信号进行Viterbi解调过程中,采用PSP技术实现信道的无延时跟踪。基于频域均衡的CPM检测算法虽然可以有效抗多径干扰且计算复杂度较低,但不能对时变信道进行跟踪。仿真结果表明,在时变多径信道下,基于PSP均衡的CPM检测算法能有效地进行信道参数估计,比频域均衡算法具有更好的误码性能。     

基于矢量近似消息传递的智能反射面辅助毫米波信道估计

毫米波属于一种典型的视距传输方式，其受大气吸收影响严重。针对毫米波的非视距传播受限，该文通过智能反射面(IRS)辅助毫米波通信，提出结合Khatri-Rao积的矢量近似消息传递(KR-VAMP)算法来提高毫米波通信系统的信道估计质量。该算法基于Khatri-Rao积将级联信道问题转换为稀疏信号恢复问题，并结合VAMP的矢量和迭代阈值算法的优势，使得整个IRS辅助毫米波系统在减少训练迭代次数的同时，降低了整个系统的信道估计误差。最后通过仿真结果对比，分析了各变量对信道估计的均方误差(MMSE)的影响，以及MMSE随着迭代次数的收敛情况，验证了此算法对比其他近似消息传递(AMP)算法具有更好的性能。     

MIMO-OFDM快衰落信道的稀疏自适应感知估计

在多输入多输出（MIMO）-正交频分复用（OFDM） 系统中,怎样在较高频谱利用率的情况下对快时变信道进行较为准确的估计是一个具有挑战性的课题。该文在利用压缩感知理论可提高系统频谱利用率的基础上,提出了一种适合于快时变环境下MIMO-OFDM 系统的稀疏自适应信道估计方法。该方法不再受到奈奎斯特采样频率条件约束,避免了传统导频辅助信道估计方法频谱利用率低的缺点。该文方法通过构建多天线群时频结构特征稀疏基,利用多天线间和群时变OFDM符号内信道冲激响应具有更强稀疏性的特点,对MIMO-OFDM快衰落信道进行稀疏变换。由于实际MIMO-OFDM快衰落信道往往处于频率选择性、时变性和多种干扰并存的复杂环境,受到干扰的信道参数对系统而言是未知,采用该方法克服了现有基于压缩感知理论的信道估计方法需要预先知道信道冲激响应稀疏度才能重构信道参数的不足,在信道稀疏度未知道的情况下,运用稀疏自适应的方法来对不同时频结构特征的信道参数进行估计。仿真结果表明所提估计方法具有对快时变信道参数估计的鲁棒性和较高频谱利用率,且均方误差小。      

短波COFDM空、时、频系统迭代检测算法

短波信道是一个复杂的时变信道,多径效应、本振频偏、多普勒频移和时变衰落都为OFDM技术的应用造成了很大困难.本文设计的COFDM短波多天线接收系统,分别采用了多天线接收,串行级联卷积码(SCCC)编码,OFDM调制,可以分别达到空间、时间和频率上面的分集,从而改善了系统的性能.采用基于期望最大化(EM)算法与MAP译码算法相结合的迭代频偏、信道跟踪和信号检测算法.可以有效地克服短波时变信道的影响.计算机仿真结果表明,本文算法随着迭代次数的增多系统性能得到优化,而且,多天线系统比单天线系统有更好频偏、信道跟踪和信号检测性能.     

基于直接判决和导频跟踪的OFDM系统快时变信道估计

提出了一种基于直接判决的OFDM系统的快时变信道估计方法。采用了直接判决算法进行信道估计，并从中选择有效的估计结果，联合导频信号进行信道跟踪。将基于训练序列的信道估计结果作为直接判决算法的初始值，利用传输信号直接判决的统计特性进行了信道估计，并利用改进的导频算法进一步地跟踪信道在时间上的变化。Simulink仿真结果表明，该估计算法适用于时变信道，比基于导频的信道估计方法和基于训练序列的信道估计方法效果都要好。     

一种等正弦稀疏表示的DOA估计算法

利用稀疏信号表示求解DOA估计问题具有对快拍数要求低、可处理相干信号等优点。解决DOA估计问题首先要建立稀疏信号模型,已有的加权贪婪块坐标下降算法采用等角度网格划分模型,具有较好的估计性能。等正弦稀疏表示模型比等角度稀疏表示模型具有更好的重构性能。采用等正弦稀疏表示模型,结合贪婪块坐标下降思想,进行DOA估计具有更好的估计性能,实验仿真验证了该算法的有效性。     

基于基扩展模型的改进正则化正交匹配追踪V2X 快时变SC-FDMA信道估计

为了进一步提升车联万物(V2X)的通信性能,首先根据信道冲激响应的稀疏性建立了适用于高速移动场景的基扩展模型(BEM);其次,证明了BEM系数具有稀疏性,将信道估计问题转化为稀疏信号重构问题,进而提出基于BEM的改进正则化正交匹配追踪(iROMP)迭代稀疏信道估计算法(简称为BEM-iROMP算法)。所提算法通过iROMP获取BEM系数,利用反馈结果不断迭代以达到最优信道估计。仿真结果表明,与最小二乘法、线性最小均方误差和BEM-LS信道估计算法相比,所提算法能够有效提高V2X快时变信道下单载波频分多址系统的归一化均方误差和误码率性能。     

基于EM算法的改进OFDM时变信道估计

针对正交频分复用（OFDM）系统中的信道时变,基于时变信道的分段线性近似模型,提出一种改进的OFDM时变信道估计方案。该方案通过采用期望最大化（EM）迭代算法来提高符号平均信道脉冲响应的估计精度,从而提高时变信道估计的性能;此外,在迭代过程中进行带状子载波间干扰抑制,不仅进一步提高了时变信道估计的性能,而且降低了实现复杂度。理论分析和仿真结果表明,该算法以较低的复杂度代价有效提高了时变信道OFDM系统的性能。     

时变条件下MIMO-OFDM系统中的信道估计算法

本文设计了时变多径衰落条件下MIMO-OFDM系统中一种新的信道估计算法.该算法结合递归EM算法和Kalman预测对时变信道进行跟踪.借助软球形译码器(List Sphere Decoder,LSD)产生的搜索列表,递归EM算法序贯遍历搜索列表中可能的符号组合来估计各个子载波上的信道频率响应;基于获得的信道频率响应估计,Kalman预测器利用衰落信道的时域二阶统计特性进一步跟踪信道时变.仿真结果表明:本文设计的算法可以有效跟踪信道时变,性能优于传统的软输入Kalman滤波算法.     

RIS辅助卫星物联网中基于压缩感知的SCMA信号重构

卫星物联网是未来6G网络重要组成部分,在地面部署可重构智能反射面（Reconfigurable Intelligence Surface, RIS）则能进一步增强天地之间信号的传输能力;然而海量设备的接入和检测,以及RIS的引入带来的较高复杂度,给系统设计与实现带来挑战。针对卫星物联网设备和业务稀疏特性,本文提出了一种基于压缩感知的信号重构算法,旨在提高系统的接入用户数和检测成功率,同时降低检测的复杂度。首先,介绍了RIS辅助的卫星物联网系统架构,构建了天地信道模型和星上接收信号模型。然后考虑到卫星物联网地面终端的稀疏性和业务的稀疏性,结合稀疏码分多址（Sparse Code Multiple Access,SCMA）和压缩感知的信号处理方法,通过合理设计SCMA中的稀疏码字,将多用户检测转化为压缩感知理论中的信号重构。最后提出了一种演进的近似消息传播算法（Evolved Approximate Message-Passing,EAMP）来实现压缩感知中的信号重构。仿真结果表明,RIS辅助的SCMA系统与功率域的非正交多址接入技术相比可以提高系统的吞吐量性能,同时EAMP算法相比传统的SIC算法具有更高的正确检测概率和更低的算法复杂度。      

一种基于分数阶傅立叶变换的时变信道参数估计方法

时变衰落信道环境对准确的信道估计提出了巨大挑战.本文提出了一种基于分数阶傅立叶变换的时变信道参数估计方法.该方法根据信道参数模型,通过发射多分量线性调频信号探测信道,在接收端应用分数阶傅立叶变换对接收信号进行参数估计,从而获得时变信道参数.分析和数值仿真结果表明,这一方法具有较高的估计精度,并且计算简单.     

一种基于直接判决的OFDM快衰落信道估计新方法

为了解决正交频分复用（Orthogonal Frequency-Division Multiplexing，OFDM）无线局域网信道估计和跟踪问题，采用直接判决算法进行信道估计，并从中选择可靠的估计结果，结合导频信号进行信道跟踪。将基于训练序列的信道估计结果作为直接判决算法的初始值，利用传输信号直接判决的统计特性进行信道估计，并利用改进的导频算法进一步跟踪信道在时间上的变化。Simulink仿真结果表明，该算法优于基于导频的信道估计方法和基于训练序列的信道估计方法。     

一种基于SAGE算法的OFDM系统频偏跟踪技术

正交频分复用系统（OFDM）的性能受限于频偏误差的影响，基于迭代方式的频偏跟踪技术可以较好地消除残余频偏，降低计算复杂度，并能够适应时变的信道参数。提出一种基于SAGE（Space-Ahemating Generalized Expectation-maximization）算法的迭代频偏跟踪方法。仿真结果表明，这种方法可以在很少的迭代次数里实现很高的估计精度，有效提高在时变信道中的接收性能。     

毫米波MIMO系统中稀疏度自适应的压缩感知信道估计

利用毫米波MIMO系统的稀疏特性,信道估计可以转化为稀疏信号重构的问题。解决毫米波MIMO稀疏信道估计问题时,传统的OMP方法需要信号的稀疏度作为先验信息,实际系统难以满足此需要。文中引入StOMP算法,根据信号已知的稀疏先验信息确定阈值,并结合动态的阈值调整,提出一种新的StOMP-D算法,实现了稀疏度自适应的毫米波MIMO信道估计。仿真结果表明,所提的方法与传统的LS方法比较,信道估计性能显著提高,并且与稀疏度已知的OMP方法性能十分接近,在稀疏度未知时有明显的优势。     

基于贝叶斯自动相关性确定的稀疏重构正交频分复用信号时延估计算法

针对复杂环境下,单测量矢量(SMV)条件下的正交频分复用(OFDM)时延估计问题,该文提出了一种基于贝叶斯自动相关性确定(BARD)的稀疏重构时延估计算法。该算法运用贝叶斯框架,从进一步挖掘有用信息的角度入手,引入不对称的自动相关性确定(ARD)先验,融入参数估计过程中,有效提升了低信噪比(SNR)和SMV条件下的时延估计精度。该算法首先基于OFDM信号物理层协议数据单元估计出的信道频域响应构造稀疏化实数域表示模型,然后对模型中的噪声和稀疏系数矢量进行概率假设,同时引入自动相关性确定先验;最后根据贝叶斯框架,通过期望最大化(EM)算法求解超参数,实现对时延的估计。仿真实验表明,该算法具有更好的估计性能,在信噪比较高时更加贴近克拉美罗界(CRB)。同时基于通用软件无线电外设(USRP),利用实际信号对所提算法进行了有效性地验证。     

基于隐训练序列的MIMO通信系统信道估计与跟踪

针对MIMO通信系统的信道估计与跟踪问题,提出了一种基于隐训练序列（ITS）的信道估计算法,分析了该算法的均方误差性能,给出了训练序列的优化方案。仿真表明,该算法与传统的最小二乘信道估计算法、预编码隐训练序列算法相比,具有估计精度高、计算量低、易于优化训练序列等特点,且算法不受接收端存在直流偏移的影响,其自适应结构能够很好地实现对快时变通信信道的跟踪,对解决电子战中快时变通信信道的捕获和跟踪问题具有一定的指导意义和应用价值。     

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CS的Kalman滤波OFDM信道估计

在OFDM系统信道估计中,准确的时域卡尔曼滤波（TDKF）估计需要信道多径时延作为先验条件,而且具有较低的频谱效率.考虑到大多数无线信道具有稀疏和时变的特性,提出一种改进的卡尔曼滤波与压缩感知联合信道估计方法,采用稀疏度自适应匹配追踪（SAMP）算法,并对信道响应变化量进行重建.仿真结果表明,相较于已有算法,提出的算法不需要知道信道的稀疏度,而且信道估计结果更加准确.     

基于 ISL0 算法的码间干扰稀疏多径信道估计

针对存在码间干扰ISI的稀疏多径信道,已提出基于压缩感知理论的平滑SL0算法来研究其稀疏特性,然而SL0算法的迭代方向为负梯度方向,存在“锯齿效应”,且其代价函数“陡峭性”性能欠佳,使得信道估计和收敛效果均未达到最优。因此提出利用拉格朗日算子,结合牛顿法来改进和优化SL0算法,获得了快速和高效的信号重构ISL0算法,对稀疏多径信道状态信息进行了相关估计,分析了信噪比SNR和迭代次数等参数对重构信号均方误差MSE的影响。比较了ISL0算法与其他相关算法的迭代时间以及对稀疏信道中ISI均衡效果的差异。算法的优越性通过仿真得到验证,实时仿真结果显示ISL0算法能很好地对稀疏信道进行估计。在同样信道环境条件下,相比CoSaMP、SL0及其他算法,ISL0算法的性能有了较大提高。