一种新的基于压缩感知的毫米波信道估计算法

针对传统稀疏重构算法需要信道稀疏度先验信息、复杂度高、不利于实际应用的问题,提出了一种新的基于波束空间分解的稀疏度自适应毫米波信道估计算法。该算法利用毫米波信道稀疏性的特点对信道进行波束空间分解,构造基于码本的感知矩阵,获得l1范数约束问题模型;其次结合分段弱匹配追踪算法,采用弱阈值从感知矩阵筛选原子,再通过分组选择机制对选择的原子进行二次优化;最后根据最小二乘法估计出毫米波信道。仿真结果表明,所提算法的估计精度和复杂度在低信噪比和低训练长度情况下明显优于传统匹配追踪算法。     

基于毫米波通信的混合MIMO系统的信道估计

作为5G的一项关键技术,毫米波通信要求提出专有的信道估计和预编码算法,为此,针对毫米波MIMO系统的窄带平坦衰落信道研究下行信道估计方案.由于毫米波系统的稀疏特性,将稀疏多径信道的信道估计转化为稀疏信号的重建,基于压缩感知设计适用于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算法.仿真结果显示,它可以高概率地恢复信号,与传统的最小二乘法比较,能获得更好的信道估计性能.     

基于稀疏度自适应的RIS辅助无线通信系统信道估计

对于RIS辅助的无线通信系统中信道估计算法的研究,提出了DS-SAMP算法,与已有的DS-OMP算法相比,DSSAMP算法应用毫米波信道在角度域的双结构稀疏性,采用SAMP算法进行信号恢复,通过设置合理的步长和阈值使得在运行过程中不需要稀疏度等先验条件,扩宽算法的应用范围。仿真结果显示,DS-SAMP算法能在稀疏度未知的条件下将信号稳定恢复,完成相应信道估计,有显著优势。     

OFDM信道估计中基于随机导频的OMP算法研究

信道估计是正交频分复用（OFDM）系统中非常重要的一个环节,准确的信道状态信息是数据可靠接收的重要保证.文中具体采用基于随机导频的正交匹配追踪算法（OMP）对OFDM系统进行信道估计,通过与最小二乘（LS）算法性能对比,验证了OMP算法可以使用更少的导频获得较好的估计性能.并仿真分析了OMP算法对先验信道稀疏度的依赖程度,为实际应用提供了一定参考意义.     

一种压缩感知信道估计中降低信道稀疏度的算法

针对基于压缩感知的稀疏多径信道估计,提出了一种利用智能天线波束赋形改造多径信道,从而改选信道稀疏度的方法。与MIMO系统压缩感知相比,在利用OMP重构算法、获得同样估计性能的前提下,需要的导频数大大减少,这样就可以节省更大的空间来传送用户数据,提高了系统的吞吐量。仿真结果也证实了本文提出方法的优越性。     

毫米波系统中基于压缩感知的波束空间信道估计

波束空间信道估计中大多为窄带信道模型,因此,将基于天线开关网络(Antenna Switching Network, ASN)的导频分组方案应用到宽带信道中,将信道估计构建为稀疏信号恢复问题。针对稀疏信号重构算法中基于广度优先准则的多径匹配追踪算法(Breadth First Based Multipath Matching Pursuit, MMP-BF)需要已知稀疏度的问题,使用分段弱正交匹配追踪算法(Stagewise Weak Orthogonal Matching Pursuit, SWOMP)的阈值准则代替MMP-BF算法的相关性准则,并在每一次迭代结束后根据估计值再次采用阈值准则进行回溯以提高原子选择的准确性。仿真结果表明,在信噪比为0 dB时,改进算法在低导频开销下相比正交匹配追踪(Orthogonal Matching Pursuit, OMP)等传统算法估计精度提高了至少2 dB,相比MMP-BF算法在不同路径个数下具有更好的鲁棒性。     

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。     

非整数倍路径时延下的OMP信道估计方法

正交匹配追踪(OMP)算法是一种基于压缩感知的稀疏信道估计方法,本文对OMP算法的终止条件进行研究,针对非整数倍路径时延环境中路径能量泄露导致路径总数增多且难以确定的问题,给出了一种基于噪声方差的终止准则,其中噪声方差可以通过估计获得。这种基于噪声方差的OMP算法(NV-OMP)能够检测信道路径个数,并获得有效的信道估计。仿真结果表明,与基于稀疏度已知的OMP算法相比,NV-OMP算法在非整数倍路径时延环境下的信道估计性能更加鲁棒,因而更适合于实际应用。文章同时仿真分析了噪声方差对NV-OMP算法性能的影响。     

针对块稀疏信道的估计算法

无线多径信道中存在着块稀疏结构。针对块稀疏信道中分块信息是否已知的不同场景,分别提出了两种基于块稀疏贝叶斯学习(BSBL)框架的OFDM系统信道估计算法。这两种算法根据边界最优(BO)方法估计信道分块的稀疏度参数,提升算法运算速率。为进一步提升信道估计性能,在基于BSBL框架算法仅利用导频信号估计信道的基础上,又提出了基于联合块稀疏贝叶斯学习(JBSBL)的信道估计新算法,该算法利用导频与数据子载波实现信道的联合估计。仿真结果表明,与传统的最小二乘算法比较,本文提出的算法均可获得很好的信道估计性能,且基于JBSBL的信道估计算法性能更佳。      

基于压缩感知技术的双向中继信道估计

设计了一种基于压缩感知（compressive sensing, CS）技术的双向中继信道（two-way relay channels, TWRC）估计方法,并具体采用正交匹配追踪算法（orthogonal matching pursuit, OMP）对OFDM系统下的信道脉冲响应进行估计。双向中继信道往往呈现出稀疏多径结构,这种结构会随着信号空间维数的增大而越加明显。传统的线性估计方法没有考虑到TWRC的潜在稀疏性,因而导致了对关键通信资源的过度使用。而基于CS的TWRC估计方法能够很好地利用这种传输信道的稀疏多径结构,与传统线性估计方法相比,在获得同样估计性能的前提下,需要的训练序列长度大大减少,有效地提高了频谱、能量等资源利用率。同时,所采用的OMP算法的时间复杂度主要依赖于信道稀疏度,因此计算效率往往比传统的方法高。仿真也证实了基于CS的TWRC估计算法的优越性。      

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。     

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.     

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。     

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。     

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.     

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.     

大规模MIMO系统中低复杂度的稀疏信道估计

针对大规模多输入多输出（MIMO）系统信道估计算法复杂度高的缺陷,结合无线通信信道固有的稀疏性提出了一种低复杂度的稀疏信道估计算法。该算法是在传统的离散傅里叶变换（DFT）信道估计的基础上利用分离算法将信道抽头与噪声空间分离开来,使得信道估计时只需要计算信道抽头的部分,因此算法的计算复杂度被大大降低。仿真结果表明,该算法在保持低复杂度的同时,可获得接近最小均方误差（MMSE）性能。     

基于稀疏贝叶斯学习的MIMO-OFDM电力线通信系统接收机设计

丰富的脉冲噪声干扰对基于MIMO-OFDM技术的电力线通信系统接收机设计带来了巨大挑战。针对这个问题,提出了一种联合估计电力线信道和脉冲噪声的接收机设计方案。该方案主要利用电力信道多径模型参数在频域上的稀疏性和脉冲噪声在时域上的稀疏性特征,将待估计信道模型参数和脉冲噪声联合视作一个稀疏向量,同时利用MIMO系统的空间相关性,构建了一个基于多测量向量的压缩感知模型,并引入多测量向量稀疏贝叶斯学习理论,设计了一种联合估计MIMO信道模型参数和脉冲噪声的方法。仿真结果表明,与传统的MIMO信道估计与脉冲噪声抑制相互分离的接收机方案相比,新方法在估计性能和误比特率性能上有明显提升。     

时间相关块贝叶斯算法下的大规模MIMO信道估计

因具有高的阵列增益和高的频谱效率,大规模MIMO已成为5G通信系统物理层关键技术,但在频分双工系统基站侧获取大规模MIMO信道准确状态信息的过程中,存在导频开销占用大量频谱资源问题。为此,针对时间相关信道和信道稀疏度未知的情况,提出一种基于时间相关和多测量矢量模型的块贝叶斯压缩感知（TMBB-CS）信道估计方法。因基站端天线发射信号时间相关,所以大规模MIMO系统的时域信道脉冲响应呈块稀疏结构,利用该特性对下行链路中的多用户信道矩阵进行测量估计,可较大幅度减少导频开销,提升性能。实验仿真结果表明,与其他块贝叶斯算法相比,所提出的TMBB-CS算法信道估计性能更好。