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。     

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。     

基于改进广义正交匹配追踪的OFDM稀疏信道估计

在OFDM稀疏信道中,将压缩感知中的广义正交匹配追踪(GOMP)重构算法用到OFDM信道估计中.由于其信道重构的精度比较低,根据其特点做出了改进,提出了一种用于OFDM稀疏信道估计的改进广义正交匹配追踪算法.该改进算法能够在不需要预知信道稀疏度的情况下准确恢复出信号.根据实验和仿真结果可以看出,该改进算法与LS算法、OMP算法、GOMP算法相比,在同样的环境下误比特率以及均方误差相对比较低,而且运算速度比较快,具有一定的实用性.     

基于压缩感知的信道反馈重构

在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,基于压缩感知技术(Compressed Sensing,CS)开发高效的信道状态信息(Channel State Information,CSI) 反馈方案是现在研究的热点。针对现有的基于CS的信道反馈重构算法——正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法存在重构时间长、数据量大可能会无法适用的不足,提出了一种改进的OMP算法,即广义正交匹配追踪(Generalized OMP,GOMP)算法对CSI进行高效重构。仿真结果表明,GOMP算法在重构精确度上高于OMP算法,特别是在较低的压缩比下优势更为突出;而且由于迭代次数减少,需要的重构时间也显著减少。     

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。     

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。     

一种降低复杂度的压缩感知水声信道估计方法

针对浅海的水声信道稀疏特性,提出了一种降低复杂度的前向回溯正交匹配追踪(RC-LABOMP)信道估计方法。首先计算正交匹配追踪和子空间追踪信道估计算法的两类支撑集,接着根据两类支撑集的交集和并集,预处理先验信息,最后利用先验信息完成前向回溯正交匹配追踪信道估计。该算法经过先验信息的预处理,能够减少原LABOMP算法的迭代次数,同时缩小原子的索引范围,因此能够显著降低原LABOMP算法的计算复杂度。此外,将提出的算法与水声Turbo均衡系统相结合,更适用于水声通信系统。仿真结果表明,所提算法在随机信道和水声信道条件下,具有估计精度高、误码率低的特点,同时能够显著降低LABOMP算法的计算复杂度,是一种适用于浅海水声信道的有效估计方法。     

一种自适应阈值选择的宽带压缩频谱感知重构算法

针对宽带压缩频谱感知算法在未知稀疏度条件下重构频谱效果不理想的问题,提出一种自适应阈值选择的改进型分段正交匹配追踪(Adaptive Threshold Option-Improved Stagewise Orthogonal Matching Pursuit, ATO-IStOMP)算法,该算法根据迭代残差的分布特性自适应地调整原子选择判决门限,使其每次迭代能够高效选择多个原子作为候选集,同时该算法利用残差比阈值对迭代终止条件进行修正,能够实现重构算法的盲停止,增强算法在低信噪比环境下的鲁棒特性。仿真结果表明,ATO-IStOMP算法能够实现对原始信号的盲重构,且在低信噪比环境下的重构性能良好。      

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。     

一种空口波形非正交接入系统邻带干扰消除方法

针对空口波形非正交接入时在相邻信道产生干扰的问题,提出了一种阈值截断与压缩感知恢复(Threshold Truncation and Compressed Sensing Recovery,TTCSR)相结合的邻带干扰消除方法.TTCSR在发送端设置阈值截断信号,在接收端选取受噪声干扰小的可靠性观测向量,利用压缩感知的正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法恢复截断失真信号.仿真结果表明,在正交频分复用系统(Orthogonal Frequency Division Multiplexing,OFDM)及其改进的加窗系统(Windowing-OFDM,W-OFDM)中使用本算法后,可以很好地处理空口波形非正交接入的邻带干扰,明显降低系统的误码率.     

基于CS-ROMP算法的超宽带信道估计

研究了正则正交匹配追踪(Regularized OMP)算法在超宽带系统信道估计中的应用.ROMP算法在应用于稀疏信号恢复时,具备贪婪算法计算速度快和计算复杂度低的特点.超宽带通信(UWB)系统的信道估计需要估计一组最大径的参数,而ROMP具有能够可靠恢复近似稀疏含噪信号的能力,适用于UWB信道估计.通过仿真,对比了R...     

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.     

A novel threshold based compressed channel sensing in OFDM system

High speed data transmission for wireless communication in orthogonal frequency division multiplexing (OFDM) system requires effective channel state information (CSI). CSI should be precisely estimated with low consumption of spectral resources and acceptable computational cost. To realize this goal, an effective compressed sensing (CS) based channel estimation scheme is proposed for sparse channels with large delay spreads, without prior knowledge of channel statistics and noise standard deviation. By fully considering the rank of the measurement matrix, a novel algorithm based on orthogonal matching pursuit (OMP) and least squares (LS) methods with a new threshold is proposed for effective channel estimation. Simulation results show that with fewer number of pilots, the proposed method outperforms the compared existing channel estimation methods in a comprehensive way and approaches the optimal channel estimation performance.     

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 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.     

基于分布式压缩感知的改进SOMP信道估计算法

针对多径信道联合稀疏模型,基于分布式压缩感知理论提出了一种适用于正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）通信系统的改进同时正交匹配追踪（Simultaneous Orthogonal Matching Pursuit,SOMP）信道估计算法。该算法首先联合多个符号利用比较残差和的方式,在每次迭代中估计各符号信道响应公共支撑集与相应元素直到公共支撑集估计结束,然后对各符号信道响应非公共支撑集单独进行估计,最终得到多个符号的信道响应估计值。仿真结果表明,改进的SOMP算法在JSM-2模型下性能与传统的SOMP算法相近,在JSM-1模型下性能优于传统的SOMP算法与OMP算法。     

压缩感知理论在OFDM稀疏信道估计中的应用

结合压缩感知(CS)理论,针对OFDM系统信道稀疏的特性,采用一种新的方法进行信道估计——可压缩采样的匹配追踪算法(CoSaMP),它本质上是一种贪婪算法,利用比较少的导频获得较好的信道估计性能,提高频谱资源利用率的同时,运算速度更快。详细地介绍了CoSaMP的算法原理及步骤,并将它与正交匹配追踪算法(OMP)和匹配追踪算法(MP)的性能进行了比较和分析。通过理论分析和实验仿真,证明了CoSaMP算法的有效性。