基于压缩感知的OFDM稀疏信道估计应用

压缩感知理论可通过远低于那奎斯特准则的方式进行采样数据,仍能够精确恢复出原始信号,基于CS技术的信道估计可减少OFDM系统中导频的数量,同时可获得较好的估计性能,本文通过介绍CS理论和OFDM信道估计方法,将CS理论应用到信道估计中,重点介绍通过ROMP算法估计信道冲击响应函数。     

一种基于RAMP算法的OFDM稀疏信道估计方法

针对OFDM稀疏信道估计需要信道稀疏度作先验条件的不足,将正则化自适应匹配追踪（RAMP ） 用于信道重建,可在信道稀疏度未知的情况下,自适应地调整候选集原子的个数,并利用正 则化过程实现支撑集的二次筛选,逐步扩大支撑集,准确地估计出信道的冲激响应。仿真结 果表明,该方法收敛速度快,估计效果好,有较好的应用价值。     

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.     

OFDM稀疏信道估计中导频设计算法

由于无线信道固有的稀疏性,压缩感知理论已被应用于正交频分复用(OFDM)系统的信道估计中来提高频谱利用率。文中研究OFDM系统稀疏信道中确定性导频的设计问题,针对互相关最小准则的不足,提出了一种基于测量矩阵互相关和测量矩阵列相关平方和最小化的联合算法。仿真结果表明,该算法的归一化均方误差(MSE)和误码率(SER)性能均优于基于互相关最小准则的随机搜索导频,相比于最小二乘算法,稀疏信道估计使用了更少的导频获得了更好的估计效果,提高了频谱利用率。     

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。     

基于SAMP重构算法的OFDM系统稀疏信道估计方法

为了提高OFDM系统稀疏信道估计的精度和减少导频子载波的数目,本文将OFDM系统频率选择衰落信道时域稀疏冲激响应的参数估计问题转化为压缩感知理论中在稀疏度未知及存在噪声干扰情形下复数稀疏信号的重构问题,提出了分别基于基追踪降噪（BPDN）和稀疏度自适应匹配追踪（SAMP）的两种OFDM系统稀疏信道估计方法。在导频数和信噪比均相同的情形,与传统的最小二乘法（LS）、匹配追踪-最小二乘法（MP-LS）的信道估计方法相比,仿真结果表明所提出的两种方法无须将信道的稀疏度作为先验知识,并具有归一化均方误差小和误比特率低的优点。在所提出的两种方法中,基于SAMP的方法比基于BPDN的方法具有运行速度快、性能更接近Cramer-Rao界的优点,且导频子载波仅为系统子载波的12.5%,信噪比约大于10dB时,采用基于SAMP的方法在信道稀疏度未知的情形也能获得满足实际应用的误比特率。      

基于CS的Kalman滤波OFDM信道估计

在OFDM系统信道估计中,准确的时域卡尔曼滤波（TDKF）估计需要信道多径时延作为先验条件,而且具有较低的频谱效率.考虑到大多数无线信道具有稀疏和时变的特性,提出一种改进的卡尔曼滤波与压缩感知联合信道估计方法,采用稀疏度自适应匹配追踪（SAMP）算法,并对信道响应变化量进行重建.仿真结果表明,相较于已有算法,提出的算法不需要知道信道的稀疏度,而且信道估计结果更加准确.     

基于快速贝叶斯匹配追踪的激光大气信道估计

信道估计是指接收机获知信道状态信息的方法和过程。信道估计的准确度决定了接收机的工作性能,所以均衡之前,必须先进行信道估计。目前,激光光学传输信道估计成为多输入多输出正交频分复用的自由空间光通信系统的关键技术。传统的压缩感知方法作为一种信道估计的有效方法,具有恢复和重构原始信号的能力,但在计算复杂度上付出了一定的代价。快速贝叶斯匹配追踪算法克服了现有方法重构精度低和复杂度高缺点。通过先验模型选择和近似的最小均方误差的参数向量的估计,快速贝叶斯匹配追踪算法提供了估计信道冲激响应的一种有效方式。仿真结果表明,与传统的基于压缩感知的方法相比,该方法能显著提高系统的性能。     

利用ZC序列的OFDM同步及稀疏信道估计

利用ZC序列构造了新导频符号,能够在时域兼具完成OFDM符号定时同步,频偏估计及稀疏信道估计。符号定时同步无需本地序列,频偏估计在时域完成不需要进行FFT,稀疏信道估计则选取优化的由ZC序列形成的感知矩阵对时域信道进行感知,并以OMP算法重构。仿真结果表明,新方法能在时域以较高的精度完成同步和稀疏信道估计。     

OFDM系统中稀疏信道的估计

为了提高信道估计的精确性,针对稀疏信道的稀疏特性,利用处理稀疏信号中的一种算法对稀疏信道进行了估计,与传统的最小二乘法的信道估计性能相比,此种算法有效地降低了多载波间的干扰和多普勒的扩展对信道估计的影响,其信道估计性能有所提高。此方法同最小二乘法相结合,信道估计的精确性和频谱利用率进一步得到了提高。通过计算机仿真验证了该算法的有效性。     

基于DCT的OFDM信道估计

在宽带移动环境下,由于多普勒频移以及多径的影响,信道是时变的。为了消除信道对传输信号的影响,需要对信道进行估计。给出了2种基于离散余弦变换(DCT)的信道估计方法,可以很好的降低频谱泄露造成的混叠失真,适用于非整数倍的抽样信道。其中一种性能较好,另一种实现更加方便。仿真结果表明,这两种算法的性能均优于基于DFT的信道估计算法。     

数字电视系统中OFDM稀疏信道估计算法

针对采用OFDM调制技术的数字电视传输系统,利用信道的稀疏特性提出一种基于子空间拟合的信道估计算法。该算法首先利用参考矩阵列向量与观测向量的相关性来确定信道的非零抽头位置,然后再采用最小二乘算法完成对非零系数值的二次估计,避免了无谓的零抽头估计,改善了算法性能。在低信噪比和导频数较少的情况下,算法仍具有稳健的性能,仿真结果验证了该算法的有效性。     

限幅OFDM的一种信道估计优化方法

在OFDM 系统中,限幅常用于抑制信号的峰平比,而限幅会引入额外的限幅噪声,以致干扰数据和导引符号,恶化传输性能.本文针对限幅OFDM系统,提出一种基于导引符号的限幅噪声消除算法.该算法在插入导引符号之前,滤除位于导引位置的限幅噪声,从而改善信道估计性能.在此基础上,本文还提出了利用迭代算法以进一步提高信道估计精确度.本文对所提出的限幅噪声消除算法及迭代算法进行了仿真验证,结果表明,新算法能够明显改善信道估计,优化传输性能.     

OFDM系统中基于导频插入的信道估计技术

介绍了OFDM通信系统中用导频插入来进行信道估计的技术。根据导频插入的方法,信道估计可以分为基于集中式导频插入的信道估计和基于间隔式导频插入的信道估计。在描述OFDM系统信道估计模型的基础上详细阐述这两种方法,并利用多径Rayleigh衰落信道比较它们的性能。     

一种基于GY／T220．1-2006标准的OFDM信道估计算法

在卫星移动多媒体广播系统中,由于多普勒频移及多径影响,信道是时变的,需要估计出信道的时域或频域响应来消除时变信道对传输信号的影响。针对GY/T 220.1-2006标准的导频插入图案,提出了一种基于LS估计准则、在时间轴方向二维线性内插、频域轴方向变换域内插的信道估计算法。仿真结果表明,在不同多径信道的情况下,随着信噪比的增加,该算法的性能均优于最近插值、线性插值和低通滤波插值算法。该算法计算复杂度较spline插值和cubic插值低,适于硬件实现。     

OFDM系统中的盲信道估计

本文从OFDM信号的矩阵表示出发,分析比较了OFDM系统中现有的各种盲信道估计方法。OFDM盲信道估计方法分为两类,一类是统计型方法,它利用了发送信号和接收信号的统计特性;另一类是确定型方法,它利用了发送调制信号的固有特性。一般而言,统计型方法的计算量较小,但是估计精度不高且估计的实时性不好;而确定型方法的估计精度较高,实时性较好,但是其计算量较大。计算机仿真表明,这些盲信道估计方法的性能受信道参数尤其是多普勒频率影响很大,盲信道估计的实用化有待进一步研究。     

基于失配序列的OFDM信道估计

本文提出了一种利用失配序列进行OFDM信道估计的新方法。在发端将失配序列加入到OFDM信号中作为训练序列,接收端将收到的去掉循环前缀的失配序列与失配滤波器系数的循环移位序列做相关运算,利用失配序列的优良自相关特性,估计出信道的冲击响应,进而得到子载波处信道的频率响应。理论分析和仿真结果表明,该方法计算复杂度低,估计速度快、精度高,系统的BER性能好。      

OFDM系统中基于弱选择ROMP算法的稀疏信道估计

为了解决实际OFDM通信系统中信道稀疏度未知的不足,提出将弱选择正则化正交匹配追踪算法用于估计稀疏信道。算法在不知晓信道稀疏度的情况下,对不同迭代残差与测量矩阵中原子的相关系数进行判定后,根据原子的弱选择准则灵活地确定出表示信道冲激响应的原子候选集,进而利用正则化原则从候选集中挑选出表示信道冲激响应的最优原子组,逐步实现精确重建。仿真结果和理论分析表明：与正则化正交匹配追踪算法相比,相同条件下改进算法可以获得更低的均方误差和误比特率;另外,算法无需将信道稀疏度作为先验信息,实用性更强。