MIMO-OFDM快衰落信道的压缩感知估计方法

在快衰落多输入多输出(MIMO)-正交频分复用(OFDM)系统中,为了避免传统的信道估计方法中存在大量系数需要估计的问题,利用快衰落信道在角时延多普勒域可稀疏的特性,提出了基于压缩感知的MIMO-OFDM系统快衰落信道估计方法。根据压缩感知的受限等距特性(RIP),推导了一种少量导频随机结构测量矩阵,用于测量快衰落信道在角时延多普勒域稀疏系数。接收端可从这些少量的测量数据中以高概率重构出快衰落信道。理论分析与仿真结果都表明:该方法与传统的信道估计方法相比,所得到的系统数据传输效率及估计性能都有了明显提高。     

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。      

非理想载波同步下OFDM快衰落信道的稀疏与感知

针对稀疏导频 OFDM 系统,提出非理想载波同步 OFDM 快衰落信道稀疏表示与感知方法。首先提出了一种稀疏化信道核向量的广义信道冲激响应矩阵稀疏化表示方法;推导了稀疏导频快衰落信道估计压缩感知模型;利用OMP算法重构稀疏化信道核向量与广义信道冲激响应矩阵,从而完成非理想载波同步下的 OFDM 快衰落信道估计。仿真结果表明,该算法能有效降低非理想载波同步的稀疏导频 OFDM 系统的误码率。     

一种改进的重构算法在信道估计中的应用

研究了在多天线正交频分复用系统信道估计问题。特别利用了宽带MIMO-OFDM系统的时域稀疏特性,来研究这个系统中的基于导频符号的信道估计技术。本文将压缩感知理论应用在稀疏信道估计中,对现有的重构算法进行改进,在不需要预先知道信道的稀疏度信息就利用分次迭代,逐步逼近的方法可以精确重构信号。仿真结果表明,本文提出的信道估计方法性能更加良好。     

MIMO-OFDM系统信道估计的研究

文章以2×2多输入多输出正交频分复用(MIMO-OFDM)系统的信道估计技术为研究对象,分析了该系统中结合空时编码的判决反馈信道估计方法和二维导频辅助MMSE信道估计方法,并通过仿真比较其性能.结果表明,对于慢衰落信道,可采用判决反馈方法进行信道估计,而对于快衰落时变信道,宜采用二维导频辅助MMSE方法进行信道估计,但要付出频率利用率下降的代价.     

NNISA-PF算法的MIMO-OFDM信道估计应用分析

MIMO-OFDM(多输入多输出—正交频分复用)系统的信道估计问题是系统接收机进行相干解调的关键。针对标准粒子滤波算法在MIMO-OFDM信道估计时存在观测系数不准确和粒子退化等问题,提出了一种基于神经网络的重要性样本调整粒子滤波(NNISA-PF)算法。对MIMO-OFDM通信系统及时变信道进行建模,得到了状态空间模型;详细分析了标准粒子滤波的改进算法——NNISA-PF;在MIMO-OFDM快衰落和慢衰落信道下,对Kalman、Bootstrap和NNISA-PF三种滤波算法分别在AWGN、Middleton-A噪声下的NMSE和BER性能进行了仿真对比分析。仿真结果表明,在快衰落和慢衰落情况下,NNISA-PF算法都可以有效对抗噪声干扰,尤其是在非高斯噪声环境下优势明显;NNISA-PF算法可以较准确地对MIMO-OFDM时变信道进行半盲估计,使MIMO-OFDM技术优势得到充分发挥。与现有的半盲信道估计方法相比,该方法具有估计精度高、对非高斯噪声鲁棒性强等优点。     

一种低开销的LTE上行链路信道估计算法

压缩感知理论作为信号处理方向较为前沿的研究方向,可以采用少数目的采样值以高概率来获得原始稀疏信号。同时,移动无线通信衰落信道恰恰具有稀疏特性。然而,传统的信道估计并没有根据信道的这一稀疏特性来得出算法。在研究多径信道稀疏特性的基础上,分析了将压缩感知理论运用于LTE上行链路进行信道估计的可行性,并建立了一种基于压缩感知技术实现系统信道估计的模型,提出了一种结合正交匹配追踪算法来估计信道时域响应的低开销LTE上行链路信道估计算法。此外,通过系统仿真进行了估计的均方误差性能分析,与目前广为使用的信道估计算法相比,所提出的低开销信道估计算法在保证估计精度的同时减少了导频开销,增强了系统性能。     

基于混合遗传算法的导频优化

OFDM系统中,基于压缩感知的稀疏信道估计能够充分利用无线信道的固有稀疏性,进而降低导频开销,提高频谱利用率。针对压缩感知信道估计的导频设计,通过最小化压缩感知理论中测量矩阵的互相关性,提出一种基于混合遗传算法的导频优化方法。该方案首先采用遗传算法获得次优初始导频序列,然后结合导频位置以及导频功率对导频序列逐位进行替换、优化,以使测量矩阵的互相关性最小。MATLAB 仿真结果表明,相比于伪随机导频设计和等间距导频设计,该算法能够保证较低的均方误差和误码率。     

大规模MIMO-OFDM系统结构化压缩感知信道估计中导频优化方法研究

对于FDD模式的大规模MIMO-OFDM系统,本文研究了将结构化压缩感知理论用于该系统的稀疏信道估计。考虑在该系统中将每个发送天线上的导频重叠放置,即每个发送天线可以在相同的时频资源块上发送导频符号,那么此时的系统稀疏信道估计问题可以建模为结构化压缩感知重建问题。为了优化导频位置和导频符号来改进稀疏信道估计的质量,提出了一种最小化完全块间相关值的导频优化准则以及基于此准则的导频搜索算法,完全块间相关值是结构化压缩感知框架下衡量恢复矩阵子块间相关程度的量值。仿真结果表明,与其他导频相比,使用此优化方法获得的导频可以使信道估计误差明显减小,其性能增益大约为2~5 dB。另外,仿真结果还表明,在相同的导频数量前提下,使用优化导频获得的性能增益会随着发送天线数量的增加而变得更加明显。      

MIMO-0FDM系统中限幅噪声的降低

MIMO-OFDM技术已成目前第四代移动通信的核心技术,而当MIMO-OFDM系统应用于高速移动快衰落环境中时,由于限幅产生的限幅噪声将导致信道估计性能的严重下降,提出了在快速移动衰落环境下,减弱梳状导频位置处限幅噪声的一种新方法,其基本原理是插入导频前在频域内把导频位置的限幅噪声直接滤除。仿真结果表明这种新的方法能有效的改善信道估计和系统的性能。