一种基于CS理论的稀疏度自适应的水声信道估计方法

提出一种基于OFDM水声信道模型的信道自适应稀疏度估计方法。该方法利用小波分解估计得到信道初始稀疏度,结合已有的压缩感知自适应算法的思想确定算法迭代停止条件完成信道估计,解决实际运用中水声通信系统信道估计时稀疏度未知的问题。仿真实验结果表明,所提出的方法可精确重构估计信道信息,大大减少自适应算法的运行时间。     

基于改进贝叶斯压缩感知的正交频分复用系统信道估计

针对正交频分复用(OFDM)系统利用传统压缩感知算法进行信道估计需要已知信道稀疏度等消息,且算法复杂度高,重构时间长的问题,提出改进贝叶斯压缩感知算法进行OFDM信道估计。该算法将正交频分复用系统的信道估计转化为贝叶斯压缩感知重构问题,在不需要预先知道信道稀疏度信息的情况下,通过优化重构过程中的基函数选择方法,将基函数从1个开始逐渐增加,而不是删除,进而得到信道估计值以及误差范围,使该算法具有更快的收敛速度。仿真结果表明,与传统信道估计算法相比,该算法不需要信道的稀疏度信息,并且重构精度更高,在低信噪比的情况下估计效果更好,提高了运算速度,降低了复杂度。     

基于稀疏度自适应算法的MIMO-OFDM稀疏信道估计研究

无线信道在时域上具有稀疏性,为压缩感知理论提供了应用前提。多输入多输出正交频分复用(MIMO-OFDM)系统的信道估计问题就转变为稀疏信号的重建。压缩感知重构算法中的压缩采样匹配追踪(Co Sa MP)算法在MIMO-OFDM的信道估计中表现出较好的抗噪性能和较高的重构精度,但其需要稀疏度作为已知信息,而在实际中很难获得信道的稀疏度。为此提出一种基于稀疏度自适应算法(Co Sa SAMP)的MIMO-OFDM系统信道估计,同时在原算法的基础上使用了矩阵分块的方法,提高了其重构精度。仿真结果表明,与传统算法相比,该算法具有更好的估计性能和更高的频谱利用率,并将矩阵分块前后的估计性能进行了对比,结果表明分块后的估计精度更高。     

宽带大规模MIMO-OFDM系统自适应稀疏信道估计方案

大规模MIMO-OFDM系统下行链路利用压缩感知算法获得信道状态信息需要已知信号的稀疏度作为先验条件,然而实际环境中,无线信道的稀疏度是未知的。利用大规模MIMO信道的空时共同稀疏性的特点与不同SNR下设置不同停止迭代阈值的思想改进压缩感知重构算法,目的在于使所提算法不仅提升估计性能,还可以准确获得信道的动态稀疏度。通过实验可知,相比传统的CoSaMP算法和S-CoSaMP算法,SSA-CoSaMP算法在同等信噪比下具有更良好的信道估计性能,并且可以自适应地获取稀疏度。更适合实际工程中应用。     

基于压缩感知改进算法的MIMO-OFDM稀疏信道估计

结合压缩感知理论（CS）,针对压缩采样匹配追踪算法在多输入多输出正交频分复用（MIMO_OFDM）系统信道估计应用中需要利用信号稀疏度的先验条件,而实际中稀疏度又难获得的情况,提出一种信号稀疏度自适应的压缩采样改进匹配追踪算法（CoMSaMP）。该算法采用具有理论支撑的原子弱选择标准作为预选方案,并设置首次裁剪阈值来减少算法多余的迭代,降低算法在信道估计中的复杂度,裁剪方式的改进保证了重构精度的提高,最终实现MIMO-OFDM稀疏信道估计中信号的稀疏度自适应。仿真结果表明：与原算法相比,该算法在同等信噪比条件下具有更优的信道估计性能,从而提高了频谱利用率,同时降低了复杂度,在稀疏度较高时,提出的算法具有更好的对噪声的抗干扰能力。     

基于压缩感知的低压电力线载波通信信道估计

针对低压电力线通信环境多径干扰的特点,建立了正交频分复用的压缩感知信道估计模型,将信道估计转换为压缩感知理论中稀疏度未知的号重构问题,首次采用压缩感知的稀疏自适应匹配追踪方法重构出低压电力线载波通信多径信道的冲击响应;仿真表明与其它常用信道估计算法相比,所提出的压缩感知信道估计算法在频谱利用率以及估计性能方面比传统方法有显著提高,在未知稀疏度的情况下,为低压电力线载波通信系统提供了一种稳定、可行的信道估计方案。     

基于降噪回溯SAMP算法的Massive MIMO信道估计

传统的LS算法、MMSE算法应用于信道估计时需要进行协方差矩阵求逆的运算,当信号数量庞大时,会有很高的计算复杂度。考虑到信号稀疏性的特点,可将压缩感知理论应用于信道估计中。常见的压缩感知贪婪类算法有OMP算法和CoSaMP算法,这两种算法需要将稀疏度作为已知条件,因此限制了其使用。提出基于降噪回溯SAMP算法(NrSAMP),将其应用于Massive MIMO系统的信道估计。该算法改进了传统SAMP算法在信道估计时的步长选择,避免了稀疏度已知的必要条件,同时利用降噪技术,在噪声环境下获得了更好的重构精度,证明了该算法的优势和较高的使用价值。     

基于贝叶斯压缩感知的毫米波MIMO信道估计

毫米波多输入多输出(MIMO)通信系统中,获取完整的信道状态信息可使系统达到最大通信容量。利用毫米波信道的角度域稀疏特性,提出一种基于MMV模型的稀疏贝叶斯学习的(CTSBL)信道估计方法。运用信道虚实分量具有相同的稀疏结构,引入块稀疏压缩感知框架,再结合多测量信道间的时域相关性,以及超参数迭代更新算法,使毫米波信道估计性能得到了提升。算法理论分析和实验仿真结果表明,提出的CTSBL毫米波MIMO信道估计方法比传统的贪婪算法块正交匹配追踪(BOMP)信道估计方法具有更高的估计精度。     

基于自适应阈值SAMP算法的OFDM稀疏信道估计

为了降低重构算法的复杂度,提高重构的精确度,提出一种自适应阈值的稀疏度自适应匹配追踪算法（SAMP）,并将其运用在OFDM稀疏信道估计中。蒙特卡洛仿真证明,改进后的算法相比于原算法在CPU运行时间上减少了44.7%,并且在较低的信噪比下也能达到较好的估计效果。此外,针对OFDM稀疏信道估计问题,结合压缩感知理论中观测矩阵的构造方法,提出一种新的导频图案分布设计方法,仿真证明该导频图案设计方法比现有方法在估计精确度方面提高2~4dB。     

RIS辅助毫米波系统中基于压缩感知的信道估计

针对可重构智能超表面（RIS）辅助无线通信系统中使用传统信道估计方法导频开销过高的问题,提出了一种基于块稀疏的正交匹配追踪（OMP）信道估计方案。首先,根据毫米波（mmWave）信道模型推导出级联信道矩阵,并将其转换到虚拟角域（VAD）中以获得级联信道的稀疏表示;其次,利用级联信道特有的稀疏特性将信道估计问题转换成稀疏矩阵恢复问题,并使用压缩感知的重构算法进行稀疏矩阵的恢复;最后,通过分析特殊的行-块稀疏结构,对传统的OMP方案进行优化,从而进一步减少导频开销并提升估计性能。仿真结果表明,与传统的OMP方案相比,所提出的基于行-块稀疏结构的优化OMP方案的归一化均方误差（NMSE）减小了大约1 dB。可见,所提出的信道估计方案能够有效减少导频开销并获得更好的估计性能。     

稀疏信道下OFDM信号的迭代检测方法

提出了一种适用于稀疏信道环境的OFDM信号迭代检测方法。该方法采用导频进行初始化信道估计,使用数学期望最大（EM）算法迭代检测OFDM信号。该方法需要已知信道的路径时延信息、噪声方差和信道冲击响应的协方差矩阵,因此同时给出了这些参数的估计方法。仿真结果证明了这种迭代算法的有效性,而且使用估计的信道参数时的系统性能和理想参数条件下的性能接近。     

OFDM系统群稀疏信道估计与译码迭代算法

针对OFDM通信中的多径信道估计问题,本文提出了一种群稀疏信道估计和译码迭代算法。在信道估计中,利用了无线多径信道的群稀疏特性,采用群基追踪降噪算法（Group basis pursuit de-noising,Group-BPDN）算法,提高了信道估计的精度。在译码时,采用软输出的维特比算法,从译码输出中提取可信度大的结果,反馈到信道估计的输入部分,与已知的导频信号一起构成新的已知信号集。这样,通过反馈迭代处理,一方面增加了稀疏恢复时的已知信息,提高了恢复的精度;另一方面,新的已知信号集和已估计出的信道响应可以用来估计噪声功率,提高了噪声环境下稀疏恢复算法的精度。仿真实验证明本文算法提升了信道估计性能,降低了误码率。     

基于小波降噪的稀疏傅里叶变换时延估计

稀疏傅里叶变换时延估计具有较低的运算时间复杂度,但在低信噪比时无法准确估计出时延.针对稀疏傅里叶变换时延估计在噪声干扰下时延估计精度下降的缺点,提出了基于小波降噪的稀疏傅里叶变换时延估计算法.算法利用小波降噪方法处理接收到的信号,再对降噪后的信号进行稀疏傅里叶变换广义相关,通过检测相关函数的谱峰得到估算的时延值.实验仿真以及对实测数据的验证均表明,在低信噪比条件下,基于小波降噪的稀疏傅里叶变换时延估计算法在保证数据高处理速度的同时,具有较好的抗噪性以及较高的时延估值精确度.     

PN code-aided timing estimation,channel estimation and signal compensation in OFDM systems

In this paper, based on the correlation properties of the pseudo-random (PN) code, a scheme is proposed to achieve frame synchronization in the OFDM system. According to the estimated path delay time, the channel impulse response could be obtained with the proposed scheme. Then, based on the estimated channel response, the signal could be compensated through the one-tap frequency domain equalizer. Simulation results of the proposed frame synchronization scheme and channel estimation are presented in the paper. The miss probability of frame timing with the proposed frame synchronization scheme performs better than that with the moving average scheme and Beek's scheme. Besides, in the channel estimation, the estimator mean square error with the proposed algorithm is better than that with the algorithm using frequency domain pilots. Moreover, with the signal compensation by the estimated channel information, the frequency domain one-tap equalizer is used to improve the system performance.     

基于辅助模型正交匹配追踪的多输入系统迭代辨识算法

针对含有未知时滞的多输入输出误差系统的时滞与参数辨识问题,提出一种基于辅助模型的正交匹配追踪迭代算法.首先,由于各输入通道的时滞未知,通过设定输入回归长度,对系统模型进行过参数化,得到一个高维的辨识模型,且辨识模型中参数向量为稀疏向量;然后,基于辅助模型思想和正交匹配追踪算法,在每次迭代过程中,对参数向量和辅助模型的输出进行交互估计,即利用正交匹配追踪算法获得参数向量的估计,再利用参数估计值计算辅助模型的输出,并用辅助模型的输出值代替信息向量中的不可测信息项以更新参数估计;最后,根据参数向量的稀疏特征,获得系统的时滞估计.所提出算法可以利用少量的采样数据信息同时获得系统参数和时滞的估计值.仿真结果表明了所提出算法的有效性.     

一种改进的粒子滤波SLAM算法

传统的粒子滤波SLAM算法中,由于历史信息未被利用而导致估计精度较低。文中结合精确稀疏滞后状态信息滤波具有自然稀疏的信息矩阵因而估计精度高以及精确稀疏扩展信息滤波计算效率高的优点,将二者混合应用于粒子滤波SLAM算法中。不但充分应用信息矩阵记录的机器人位姿与特征间关系的历史信息从而提高估计的精度,而且克服机器人转动状态及环境特征疏密带来的应用缺陷。仿真与真实机器人实验的实验结果均表明文中算法的有效性与可行性。     

基于正交字典的全反馈信道函数估计

为解决传统均衡算法和匹配算法在低信噪比情况下水声稀疏信道估计准确率低和计算量大的问题,提出一种基于正交字典的全反馈信道函数估计方法。通过信道参数估计公式分析,当训练序列与信道函数分量卷积构成正交字典集时,利用匹配算法便可获得最佳匹配结果,结合全反馈结构将信道参数反馈迭代计算,用数学归纳法证明该结构可进一步提高信道函数估计准确率。仿真结果表明,在低信噪比条件下,相比均衡类算法和匹配类算法,提出的信道估计算法可获得更高的估计准确率,具有更低的时间复杂度。