无字典的超分辨率多径稀疏信道估计方法

使用带网格的观测字典进行稀疏信道估计是近年来常用的多径稀疏信道估计方法,而网格的存在使得这种方法存在估计精度较差的问题,尤其在网格间距较大时,这种方法的劣势更加明显。本文针对这个问题,抛弃了传统的观测字典,采用连续压缩感知方法,结合线性调频训练序列的使用,提出了更加精确的多径稀疏信道估计方法。这种方法避免了网格化带来的误差,实现了高精度、高分辨率的估计。本文首先对此进行了理论阐述,进而在两种不同的多径稀疏信道模型下进行了仿真试验,并从估计精度、计算效率等方面与其他稀疏估计算法进行了对比。仿真结果证明,采用本文提出的方法进行多径稀疏信道估计时,相比其他算法可以更加精确地估计出信道冲激响应。      

一种基于贝叶斯正交匹配追踪的水下多径稀疏信道估计方法

使用训练序列构成的测量矩阵并采用稀疏恢复算法是近年来常用的多径稀疏信道估计思路。提出一种贝叶斯匹配追踪算法的正交化改进方法,有效地改善了原方法的收敛速度,并将其应用于水下多径稀疏信道估计。进行了新方法的理论推导和两种水下稀疏信道模型中的仿真试验,进而与传统贪婪迭代和贝叶斯估计方法的估计效果进行了对比。仿真结果证明,所提出的新方法比原方法的收敛速度更快,能更高效地进行多径稀疏信道估计。新方法在低信噪比和呈簇状集中分布的水下多径稀疏信道中也有更好的估计效果。