基于压缩感知技术的双向中继信道估计

合集下载

基于压缩感知的MIMO-OFDM系统信道估计算法研究

基于压缩感知的MIMO-OFDM系统信道估计算法研究基于压缩感知的MIMO-OFDM系统信道估计算法研究摘要：在MIMO-OFDM系统中，准确的信道估计是保证高速率和可靠性的关键因素。

传统的信道估计算法由于其高复杂度和不足的性能，在实际应用中面临很大的挑战。

本文针对这一问题，提出了一种基于压缩感知的MIMO-OFDM系统信道估计算法。

首先，介绍了MIMO-OFDM系统的基本原理和信道估计的重要性。

然后，详细阐述了压缩感知理论和算法的原理。

接着，提出了基于压缩感知的MIMO-OFDM系统信道估计算法，并进行了性能分析和仿真实验。

最后，总结了本文的工作，并展望了未来的研究方向。

1 引言MIMO-OFDM是一种高效的无线通信技术，能够显著提高数据传输速率和信号可靠性。

在MIMO-OFDM系统中，信道估计是一个重要而繁琐的问题。

传统的信道估计算法存在着计算复杂度高和性能不稳定等问题。

为了解决这些问题，压缩感知理论和算法应运而生。

其核心思想是利用信号的稀疏性，在保证一定精度的条件下，通过少量的测量数据恢复原信号。

压缩感知在信号处理领域得到了广泛的研究和应用。

本文将借助压缩感知的思想，提出一种新的MIMO-OFDM系统信道估计算法，旨在提高估计精度和降低计算复杂度。

2 基本原理和背景知识2.1 MIMO-OFDM系统MIMO-OFDM系统是一种将多个天线和OFDM技术结合起来的无线通信系统。

其基本原理是通过多个天线发送和接收多个信号，同时利用OFDM技术将频域转化为时域，提高频谱利用率和抗多径衰落能力。

MIMO-OFDM系统具有低复杂度、高数据传输速率和抗干扰能力强等优点，广泛应用于无线通信领域。

2.2 信道估计信道估计是指通过已知的训练序列或已接收的信号，对信道的特性进行估计。

准确的信道估计可以提高数据传输的可靠性和性能，尤其在多天线系统中更为重要。

传统的信道估计算法包括最小二乘法（LS）、最小均方误差（MMSE）等，但其存在着较高的计算复杂度和性能不稳定的问题。

基于压缩感知的MIMO NC-OFDM系统信道估计算法

基于压缩感知的MIMO NC-OFDM系统信道估计算法陈恩庆;高新利;向小强;王忠勇【摘要】多输入多输出不连续正交频分复用(MIMO NC-OFDM)系统是认知无线电(CR)系统的常用体制,由于授权用户占用而导致的载波不连续情况下的信道估计是影响该系统性能的关键技术问题.提出一种基于压缩感知(CS)的MIMO NC-OFDM系统的信道估计方法——稀疏自适应匹配追踪(SAMP)算法.SAMP算法在重构过程中先对信号稀疏度进行初始估计,然后自适应调整步长逐步逼近信号,相较于其他贪婪算法,能够在稀疏度未知的情况下准确重建稀疏信号.仿真结果表明,SAMP算法提高了重构精度,在实际应用中易于实现.【期刊名称】《电信科学》【年(卷),期】2016(032)002【总页数】6页(P41-46)【关键词】多输入多输出不连续正交频分复用;认知无线电;压缩感知;信道估计;稀疏自适应匹配追踪【作者】陈恩庆;高新利;向小强;王忠勇【作者单位】郑州大学信息工程学院,河南郑州450001;郑州大学信息工程学院,河南郑州450001;郑州大学信息工程学院,河南郑州450001;郑州大学信息工程学院,河南郑州450001【正文语种】中文【中图分类】TN911认知无线电（cognitive radio，CR）是一种允许感知用户利用主用户在某一时间留下的频谱空洞进行通信的智能多用户无线通信系统，可以有效解决目前频谱资源的分配和优化问题，缓解频谱资源日益紧张的矛盾。

不连续正交频分复用（non-contiguous orthogonal frequency division multiplexing，NC-OFDM）［1］是OFDM技术的一种变型，其不同之处在于，NC-OFDM系统所使用的子载波是不连续的，当作为认知无线电的数据调制方式时，能够更灵活、方便地整合空闲的频谱资源，有效地适应动态变化的频谱环境，同时还可以实现感知用户和主用户之间的多系统共存。

一种基于压缩感知的信道估计方法

一种基于压缩感知的信道估计方法作者：苏子业来源：《价值工程》2020年第24期摘要：利用水声信道稀疏特性，提出了一种基于压缩感知的信道估计方法。

首先对基于零前缀正交频分复用（zeros-Padded orthogonal frequency division multiplexing，ZP-OFDM）的水声通信系统接收端信号进行两次多普勒频移补偿并建立了离散信号模型，接着在传统正交匹配追踪（orthogonal matching pursuit，OMP）算法的框架下提出了一种改进的算法，该算法依据上次迭代中残差值和观测值的比例，加入相对应的加权矩阵以减小异常样本对本次迭代结果的影响，然后在所提算法的基础上，结合频域过采样的方法估计出水声信道参数。

仿真结果表明，改进的算法性能优于传统OMP算法，且更加有效的提高系统可靠性和有效性。

Abstract： Exploiting the sparse channel in underwater acoustic （UWA） communication， an improved channel estimation method based on compressed sensing was proposed. Frist of all， a received discrete signal model was established in zeros Padded-orthogonal frequency division multiplexing （ZP-OFDM） UWA communication system after compensating for the Doppler shift two times. Secondly an improved algorithm was proposed based on the structure of orthogonal matching pursuit （OMP）， where an corresponding weighted matrix was added to decrease the impact of the outliers in this iteration by the ratio of the residuals and measurements in the last iteration. Then the improved algorithm and frequency domain oversampling method was jointly to have channel parameters estimated. The simulation results verify that the improved algorithm outperforms the traditional OMP algorithm， and the improved algorithm can enhance the system's reliability better.關键词：零前缀正交频分复用;频域过采样;改进正交匹配追踪算法Key words： zeros Padded-orthogonal frequency division multiplexing （ZP-OFDM）;frequency domain oversampling;improved orthogonal matching pursuit （OMP）algorithm中图分类号：G353.1 ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; 文献标识码：A ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ;文章编号：1006-4311（2020）24-0210-030 ;引言水声信道是双选择性信道，但信道的大多数能量仅仅存在于少数的时延点和多普勒频移因子上，即水声信道是典型的稀疏信道[1]。

压缩感知信道估计算法

压缩感知信道估计算法
压缩感知信道估计算法是一种新兴的信道估计方法，它可以在保证高精度的同时，大大降低了信道估计的计算复杂度。

在无线通信领域，信道估计是非常重要的一环，它直接影响到通信系统的性能。

因此，如何高效准确地进行信道估计一直是无线通信领域的研究热点之一。

传统的信道估计方法通常采用最小二乘法或者最大似然估计等方法，这些方法需要大量的计算资源和时间，而且在信道稀疏的情况下，这些方法的效果并不理想。

压缩感知信道估计算法则是一种基于稀疏表示的信道估计方法，它可以通过少量的采样数据，就能够准确地估计出信道的状态。

压缩感知信道估计算法的核心思想是利用信道的稀疏性，将信道估计问题转化为一个稀疏表示问题。

具体来说，就是将信道的状态向量表示为一个稀疏向量，然后通过少量的采样数据，就能够准确地估计出这个稀疏向量。

最后，再通过稀疏向量来推导出信道的状态。

压缩感知信道估计算法的优点在于它可以大大降低信道估计的计算复杂度，同时还能够保证高精度的估计结果。

这种方法在信道稀疏的情况下表现尤为突出，因为在这种情况下，传统的信道估计方法往往会出现过拟合的问题，而压缩感知信道估计算法则可以有效地避免这个问题。

压缩感知信道估计算法是一种非常有前途的信道估计方法，它可以在保证高精度的同时，大大降低信道估计的计算复杂度。

随着无线通信技术的不断发展，相信这种方法将会得到更广泛的应用。

双向中继网络中基于压缩感知的稀疏信道估计

信道估汁是提升双向中继网络性能的一种重
要方式．利用传统最小二乘估计算法进行ＴＷＲＣ估计时，忽略了ＴＷＲＣ的潜在稀疏特性，这样便会导致能量和带宽被过度使用、估计效率不高＿１七］．大量研究表明，实际中的许多无线通信信道往往存在稀疏多径特性，且这种稀疏特性会随着信号空间维度的增大而更加明显＿３４】．近几年兴起的压缩
（Ｔｗｏ — ｗａｙＲｅｌａｙＣｈａｎｎｅｌ，ＴＷＲＣ）的潜在稀疏特性，研究了基于压缩感知的稀疏ＴＷＲＣ估计问题，提出了一种改进的正交匹配追踪（ＩｍｐｒｏｖｅｄＯｒｔｈｏｇｏｎａｌＭａｔｃｈｉｎｇＰｕｒｓｕｉｔ，ＩＯＭＰ）算法．新算法运用迭代重加权最小二乘估计代替了正交匹配追踪（ＯｒｔｈｏｇｏｎａｌＭａｔｃｈｉｎｇＰｕｒｓｕｉｔ，ＯＭＰ）算法中的最小二乘估计过程，通过对样本进行迭代重加权，逐步减小了异常样本的影响，不断地修正了估计值，
浙江省优秀科技的稀疏信道估计
朱星，李有明
（宁波大学通信技术研究所，浙江宁波３１５２１１）
摘要：为提高双向中继网络中稀疏信道估计的精度并减少训练序列的长度，利用双向中继信道
第２６卷第２期，２０１３年４月
Ｖｏ１．２６Ｎｏ．２，Ａｐｒ．２０１３

基于压缩感知的MIMO-FBMC信道估计算法

文献引用格式：．Video Engineering，中图分类号：信道估计算法摘要：以提高最小二乘（LS）算法信道估计的精度，）。

算法分析和仿真结果表明，需要观测的数据更少。

此外，关键词Abstract:proposed, to improve the accuracy of the least squares (LS) algorithm channel estimation, and a coded RSASP algorithm is designed, to estimate the channel frequency response (CFR) of the MIMO-FBMC system. Algorithm analysis and simulation results show that the coding-RSASP algorithms can offer a low complexity and less measurements compared with conventional compressive sampling matching pursuit (CoSaMP) and regularized orthogonal matching pursuit (ROMP) methods. Moreover, the proposed coding-SASP algorithms have a better bit error ration (BER) performance than the conventional OMP and ROMP methods for MIMO-FBMC system in doubly selective channels.Key words:数字视频广播献［6-9］实现了道估计。

为了提高FBMC系统的信道估计精度，提出了自适应正则压缩采样匹配追踪算法，但算法复杂度较高。

基于二维压缩感知的双选信道估计

ＤｉｍｅｎｓｉｏｎＣｏｍｐｒｅｓｓｉｖｅＳｅｎｓｉｎｇ（２Ｄ— ｃｓ）．ＩｎｏｒｄｅｒｔＯｏｖ￣ｃｏｍｅｔｈｅｉｎｓｔａｂｉｌｉｔｙｏｆｔｈｅｃｈｎｎａｅｌｅｓｔｉｍａｔｉｏｎｃａｕｓｅｄｂｙｈｅｔｍｕｌｔｉｐａｈｔｄｅｌａｙ
（ＩｎｓｉｔｔｕｔｅｏｆＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇａｎｄＴｒｎｓａｍｉｓｓｉｏｎ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，
第２３卷第１０２０１３年１０月
计算机技术与发展
ＣＯＭＰＵＴＥＲＴＥＣＨＮＯＬＯＧＹＡＮＤＤＥＶＥＬＯＰＭＥＮＴ
Ｖ０１．２３Ｎｏ．１００ｃｔ．２０１３
基于二维压缩感知的双选信道估计
ＤｏｕｂｌｙＳｅｌｅｃｔｉｖｅＣｈａｎｎｅｌＥｓｔｉｍａｔｉｏｎＢａｓｅｄｏｎＴｗｏＤｉｍｅｎｓｉｏｎ
ＣｏｍｐｒｅｓｓｅｄＳｅｎｓｉｎｇ
ＰＥＮＧＹｕ，ＨＯＵＸｉａｏ－ｙｕｎ
中图分类号：ＴＮ９２９．５文献标识码：Ａ文章编号：１６７３ — ６２９Ｘ（２０１３）１０ — ０２２０ — ０４

基于自适应压缩感知重建算法的无线信道估计研究

Research on Wireless Channel Estimation Based on Adaptive Compressed Sensing ReconstructionAlgorithmThesis Submitted to Nanjing University of Posts andTelecommunications for the Degree ofMaster of EngineeringByFei HongtaoSupervisor: Prof. He XueyunApril 2020南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。

尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。

与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。

本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。

研究生学号：____________ 研究生签名：_____________ 日期：____________南京邮电大学学位论文使用授权声明本人承诺所呈交的学位论文不涉及任何国家秘密，本人及导师为本论文的涉密责任并列第一责任人。

本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索；可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。

本文电子文档的内容和纸质论文的内容相一致。

论文的公布（包括刊登）授权南京邮电大学研究生院办理。

非国家秘密类涉密学位论文在解密后适用本授权书。

研究生签名：____________ 导师签名：____________ 日期：_____________摘要基于压缩感知（Compressed Sensing，CS）的信道估计技术是近年来出现的一个研究热点。

基于压缩感知理论的通信信号重构研究

基于压缩感知理论的通信信号重构研究随着科技的发展，通信技术也在不断地进步和创新。

在传统的通信系统中，由于受限于信道带宽和传输速率，通信信号的采样和传输往往需要较高的复杂度和资源。

为了克服这些问题，压缩感知理论应运而生。

压缩感知理论指出，在一些特定条件下，可以通过极少量的采样数据来重构完整的信号。

这种方法不仅可以降低通信系统的复杂度和成本，而且可以提高信道利用率和数据传输的速率。

因此，压缩感知理论在无线通信、图像处理、语音识别等领域具有广阔的应用前景。

通信信号重构是压缩感知理论的关键环节。

基于压缩感知理论的通信信号重构研究旨在利用已有的采样数据，通过数学模型和算法，恢复原始信号的准确信息。

该研究的核心任务是从少量的采样数据中，找到信号的稀疏表达，进而重构出完整的信号。

为了实现通信信号的重构，研究人员提出了许多重要的算法和方法。

其中，最为常用的是基于最小化L1范数的稀疏重构算法。

该算法通过最小化信号的稀疏表达的L1范数，可以快速高效地恢复原始信号的稀疏表示。

此外，还有一些基于稀疏字典的信号重构算法，通过利用信号的稀疏表示及字典的线性组合来进行信号重构。

除了算法和方法的研究，通信信号重构还需要考虑实际应用场景中的各种因素。

例如，信号的采样率、噪声干扰、信道衰减等都会对重构结果产生影响。

因此，研究人员需要将这些因素纳入到数学模型和算法中，从而实现更加准确和可靠的信号重构。

与传统的通信系统相比，基于压缩感知理论的通信信号重构具有许多优势。

首先，信号的重构只需要极少的采样数据，大大降低了通信系统的复杂度和成本。

其次，重构后的信号在准确性和可靠性上表现出色，可以满足各种实际应用需求。

最后，压缩感知理论可以在各种通信系统中广泛应用，为未来通信技术的发展提供了新的思路和方法。

尽管基于压缩感知理论的通信信号重构已经取得了一定的研究进展，但仍然存在一些挑战和问题需要克服。

例如，在复杂的信道环境中，信号的重构精度和稳定性仍然需要进一步提高。

《基于压缩感知的毫米波大规模MIMO系统波束域信道估计研究》范文

《基于压缩感知的毫米波大规模MIMO系统波束域信道估计研究》篇一一、引言随着无线通信技术的快速发展，毫米波大规模MIMO系统因其高频谱效率和出色的空间复用能力，已成为5G及未来通信网络的关键技术之一。

然而，毫米波信号在传播过程中遭遇严重的路径损耗和多径效应，因此准确的信道估计显得尤为重要。

为了有效应对这一问题，我们提出了基于压缩感知（CS）的波束域信道估计方法，该方法可以在复杂的毫米波信道环境中提供更精确的信道状态信息。

二、毫米波大规模MIMO系统概述毫米波大规模MIMO系统利用大量的天线阵列来增加频谱效率和提升系统性能。

然而，其面临的主要挑战包括路径损耗、多径效应以及有限的频带资源。

由于毫米波信号在传播过程中遭遇大量散射和反射，信道状态信息的获取变得困难。

三、压缩感知理论基础压缩感知是一种新型的信号处理技术，其基本思想是在信号稀疏性或可压缩性的前提下，通过非自适应或自适应的方式获取远少于传统采样定理所需的样本数量，从而实现信号的高效恢复。

在无线通信中，信道响应往往具有稀疏性或可压缩性，因此压缩感知技术可被应用于信道估计。

四、基于压缩感知的波束域信道估计方法针对毫米波大规模MIMO系统的特点，我们提出了一种基于压缩感知的波束域信道估计方法。

该方法首先通过毫米波系统的波束训练过程，获取一定数量的有效波束对；然后利用压缩感知技术，通过设计合适的观测矩阵和稀疏约束条件，从这些有效波束对中提取出信道响应的稀疏表示；最后通过求解一个优化问题来恢复出准确的信道状态信息。

五、算法设计与实现算法设计部分主要包括以下几个方面：首先设计合理的观测矩阵以满足压缩感知的需求；其次，根据毫米波信道的特性设定合适的稀疏约束条件；最后，通过求解优化问题来恢复出信道状态信息。

在实现方面，我们采用了高效的优化算法和并行计算技术来提高算法的运算速度和准确性。

六、实验结果与分析我们通过实验验证了基于压缩感知的波束域信道估计方法在毫米波大规模MIMO系统中的有效性。

双向中继网络中基于压缩感知的稀疏信道估计

双向中继网络中基于压缩感知的稀疏信道估计朱星;李有明【摘要】In order to improve the precision of sparse channel estimation and reduce the length of the training sequences required by the sparse channel estimation in two-way relay networks, the compressive sensing based sparse two-way channel (TWRC) estimation is studied by exploiting the potential sparsity of the TWRC. An improved orthogonal matching pursuit (IOMP) algorithm is proposed in this paper. The new algorithm uses an iteratively reweighted least squares method to replace the least squares estimation process of the orthogonal matching pursuit (OMP) algorithm. By applying the iteratively update weight to the samples, the new algorithm can weaken the effect of abnormal samples gradually, thus revising the estimation values during each iteration and improving the precision of the estimation when using the same length of training sequences. Furthermore, the IOMP based sparse TWRC estimation algorithm can significantly reduce the length of the training sequences under the same estimation precision when comparing to the conventional least squares estimation algorithm. Simulation results demonstrate the effectiveness of the proposed TWRC estimation algorithm.% 为提高双向中继网络中稀疏信道估计的精度并减少训练序列的长度,利用双向中继信道(Two-way Relay Channel, TWRC)的潜在稀疏特性,研究了基于压缩感知的稀疏 TWRC 估计问题,提出了一种改进的正交匹配追踪(Improved Orthogonal Matching Pursuit, IOMP)算法。

基于二维压缩感知的双选信道估计

基于二维压缩感知的双选信道估计彭钰;侯晓赟【期刊名称】《计算机技术与发展》【年(卷),期】2013(23)10【摘要】High data rates and high mobility introduce time and frequency selectivity in wideband wireless communication. Need to esti-mate the channel state information so that the data through fading channel can be received correctly. Exploiting the sparsity and correlation of doubly selective wireless channel in both delay domain and Doppler domain,study the doubly selective channel estimation based on 2 Dimension Compressive Sensing (2D-CS). In order to overcome the instability of the channel estimation caused by the multipath delay spread and Doppler shift,the channel estimation based on 2 Dimension ROMP (2D-ROMP) algorithm is designed in this paper. Theoret-ical analysis and simulation shows that the 2D-ROMP has better performance but with fewer pilots than conventional 2 dimension delay domain and Doppler domain estimation,furthermore,2 dimension channel estimation has better estimation performance than 1 dimension channel estimation.%高速移动下的无线宽带通信要经历时间和频率的双选择性衰落,为了使发送的数据经过衰落的信道后在接收端被正确地接收,必须要对信道状态信息进行估计。

《基于压缩感知的毫米波大规模MIMO系统波束域信道估计研究》范文

《基于压缩感知的毫米波大规模MIMO系统波束域信道估计研究》篇一一、引言随着无线通信技术的快速发展，毫米波大规模MIMO系统因其具备的高频谱效率和出色的空间复用能力，已成为5G及未来通信网络的关键技术之一。

然而，毫米波信号在传播过程中易受多径效应、衰落及噪声干扰的影响，导致信道估计成为系统性能优化的重要环节。

本文针对基于压缩感知的毫米波大规模MIMO 系统波束域信道估计进行研究，旨在提高信道估计的准确性和效率。

二、毫米波大规模MIMO系统概述毫米波大规模MIMO系统利用毫米波频段的信号，通过大量的天线阵列实现空间复用和增益。

其优点在于可以提供更高的数据传输速率和更强的抗干扰能力。

然而，由于毫米波信号的传播特性，其在空间中的路径损耗较大，且易受多径效应影响，导致信道估计的难度增加。

三、波束域信道估计的重要性波束域信道估计是毫米波大规模MIMO系统中的关键技术之一。

通过波束成形技术，系统可以在不同的方向上形成波束，从而实现对特定用户的定向传输。

然而，由于多径效应和噪声干扰，信道状态信息往往难以准确获取。

因此，准确的波束域信道估计是提高系统性能的关键。

四、压缩感知在波束域信道估计中的应用压缩感知是一种在信号处理领域广泛应用的技术，其核心思想是通过稀疏表示和优化算法，从少量的观测数据中恢复出原始信号。

在毫米波大规模MIMO系统的波束域信道估计中，压缩感知技术可以有效地提高信道估计的准确性和效率。

通过设计合适的观测矩阵和稀疏表示方法，可以从有限的观测数据中恢复出准确的信道状态信息。

五、研究方法与实验结果本文提出了一种基于压缩感知的毫米波大规模MIMO系统波束域信道估计方法。

首先，通过设计合适的观测矩阵和稀疏表示方法，将信道状态信息表示为稀疏信号。

然后，利用压缩感知的优化算法，从有限的观测数据中恢复出准确的信道状态信息。

实验结果表明，该方法可以有效地提高信道估计的准确性和效率，降低误码率。

六、结论与展望本文研究了基于压缩感知的毫米波大规模MIMO系统波束域信道估计，提出了一种有效的信道估计方法。

基于压缩感知的MIMO-OFDM信道估计算法

基于压缩感知的MIMO-OFDM信道估计算法
吕治国;李颖
【期刊名称】《空间电子技术》
【年(卷),期】2017(14)6
【摘要】针对多输入多输出-正交频分复用系统的天线和子信道数目众多,使用传统信道估计算法时导频在时域和频域中的间隔固定,不能依据信道参数变化而自适应调整的问题,提出了一种导频间隔可自适应调整的正交匹配追踪(Adaptive Orthogonal Matching Pursuit,AOMP)信道估计算法.在上行链路,基站估计用户终端移动速度,并据此调整下行链路导频时域间隔;在下行链路用户采用压缩感知技术估计信道响应最大时延,并反馈给基站调整下行链路导频频域间隔.通过与固定导频间隔信道估计算法比较,得出AOMP算法能在保持估计精度的前提下节省导频资源.仿真结果也验证了AOMP算法的有效性.
【总页数】6页(P94-99)
【作者】吕治国;李颖
【作者单位】西安电子科技大学,西安 710071;洛阳理工学院,洛阳 471023;西安电子科技大学,西安 710071
【正文语种】中文
【中图分类】V443+.4
【相关文献】
1.基于压缩感知的MIMO-OFDM系统稀疏信道估计算法 [J], 陈恩庆;相小强;穆晓敏
2.一种稀疏增强的压缩感知MIMO-OFDM信道估计算法 [J], 解志斌;薛同思;田雨波;邹维辰;刘庆华;马国华
3.基于压缩感知的MIMO-OFDM系统自适应信道估计 [J], 李姣军;蒋扬;邱天;左迅;杨凡
4.基于自适应压缩感知的大规模MIMO-OFDM系统信道估计方法 [J], 胡奕旸;齐丽娜
5.基于自适应压缩感知的大规模MIMO-OFDM系统信道估计方法 [J], 胡奕旸;齐丽娜
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｓｏｓｎｅｈＤＭｙｔｍ．ＴｏｗｙｒｌｙｃａｎｌｔｎｏｅｈｂｔｐｒｅｍｕｔａｈｓｒｃｕｅｎｈｓｓｒｃｕｅｗｌｂｐｎｅｕｄｒｔｅＯＦｓｓｅｗ＇ａｅａｈｎｅｓｅｄｔｘｉｉｓａｓｌｉｔｔｔｒ，ａｄｔｉｔｔｒｉｅｐｕｕｌ
ＴＣ）估计方法，并具体采用正交匹配追踪算法（ｒｏｏａｍａｈｎｕｓｉＭＰＷＲｏｔｇｎｔｉｐｒｕｔｈｌｃｇ，Ｏ）对ＯＤ系统下的信道脉ＦＭ冲响应进行估计。双向中继信道往往呈现出稀疏多径结构，这种结构会随着信号空间维数的增大而越加明显。传统的线性估计方法没有考虑到ＴＣ的潜在稀疏性，因而导致了对关键通信资源的过度使用。而基于ｃＷＲｓ的ＴＣ估计方法能够很好地利用这种传输信道的稀疏多径结构，与传统线性估计方法相比，在获得同样估计性能ＷＲ的前提下，需要的训练序列长度大大减少，有效地提高了频谱、能量等资源利用率。同时，所采用的ＯＭＰ算法的时间复杂度主要依赖于信道稀疏度，因此计算效率往往比传统的方法高。仿真也证实了基于ｃｓ的ＴＣ估计ＷＲ
ｔａｔｃｕｅｏｉｉｄｔｎｍｉｓｎｃａｎ１ｙｃｎｒｓｏｔａｉｏａｉｅｒｅｔｔｎｍｅｈｄ．ｔｅｍｅｈｄｏＷＲＣｉｔｓｒｔｒｆｔｓｋｎｒｓｓｉｈｎｅ．ＢｏｔｔｔｒｄｔｎｌａｓｉｉｔｏｓｈｔｏｆＴｐｈｕｈａｏａｉｌｎｍａｏ
ｍｏｅｃｎｐｃｏｓｗｅｈｉｎｉｎｏｉａｐｃｃｅｓｎ．Ｔａｔｎｌｉｅｒｅｔｔｎｍｅｈｓａｅｉｃｐｂｅｏｘｒｏｓｉｕｕｈｎｔｅｄｍｅｓｏｆｓｇｌｓａｅｉｉｒａｉｇｒｄｉａｎａｓｉｉｔｏｎａａｌｆｅ — ｎｓｎｉｏｌｍａｏｄｒ
ｈｏｔｙｈｔｏｏｔｅｃｎｒｒ，ｔｅｍｅｈｆｔａｅａｈｎｌｅｔｔｎｂｓｄｏｏｒｓｉｅｓｎｉｇＣｌｆｌｘｌｉｔｅｓａｓｌａｄｗｏｗｙｒｌｙｃａｅｓｉｉａｅｎｃｍｐｅｓｖｅｓａｕｌｅｐｏｔｈｐｒｅｍｕ — ｎｍａｏｎｌｙ
第２８卷
第１期
信号处理
ＳＧＮＡＬＰＲＯＣＳＮＧＩＥＳＩ
Ｖ０．８Ｎｏ１１２．
２１０２年１月
Ｊｎ０２ａ．２１
基于压缩感知技术的双向中继信道估计
袁文文郑宝玉岳文静
（南京邮电大学信号处理与传输研究院，江苏南京２００）１０３摘要：设计了一种基于压缩感知（ｏｐｅｓｅｓｎｉ，Ｃ）技术的双向中继信道（ｗ－ａｅｙｃａｎｌ，ｃｍｒｓｉｅｓｇＳｖｎｔｏｗｙｒａｈｎｅｓｌ
ｐｏｔｇｔｅｐｔｎｉｌｓａｓｔｆｗ — ａｅａｈｎｅｓｔｕｅｄｎｘｅｓｖｓｆｒｔａｏｌｉｎｏｅｔｐｒｉｏｏｗｙｒｌｙｃａｎｌ，ｈｓｌａｉｇｔｅｃｓｉｅｕｅｏｉｃｌｍｍｕｉａｉｎｒｓｕｃｓｉｈａｙｔｏｃｉｃｎｃｔｏｒｅ．Ｏｎｏｅ
Ｐｓｎｅｃｍｕｉａｏｓａｊｇ２００，ｈｎ）ｏｔａｄＴｌｏｍｎｃｔｎ，Ｎｎｎ１０３Ｃｉａｓｅｉｉ
Ａｓｒｃ：Ａｍｔｏｏｗｙｒｌｈｎｅ（ＷＲＣｓｍａｏａｅｎｃｍｒｓｖｅｓｇ（ＳｓｄｓｎｄＴｈｆｗｅｙ）ｅｔｔｎｂｓｄｏｏｐｅｓｅｓｉＣ）ｉｅｉｅｓｉｉｉｎｎｇｎｈ
算法的优越性。
关键词：压缩感知；双向中继信道；正交匹配追踪；稀疏多径结构；练序列训
中图分类号：Ｔ９１７Ｎ１．文献标识码：Ａ文章编号：１０ — ５０２１）１０３ — ６０３０３（０２Ｏ — ｏ３０
ＴｗｏｗａｌｙＣｈｎｅｓｉｔｎＢａｅｎＣｏ — ｙＲｅａａｎｌｔＥｍａｉｓｄｏｍｐｒｓｉｅＳｅｓｎｏｅｓｖｎｉｇ
ｐｐｒａｅ．ＷｅｐｃｃｌｔｄｃｈｒｏｏａｍｔｉｕｓｉＯ）ａｏｉｍｔｒｃｎｔｃｔｈｎｌｉｐｌｅｅｉａｙｉｒｕｅｔｅｏｈｇｎａｈｎｐｒｔ（ＭＰｌｒｈｏｅｏｓｕｔｈｃａｅｍｕｓｒ— ｓｆｌｎｏｉｔｌｃｇｕｇｔｒｅｎｅ
ＹＵＮＷｅ・ｅＺＥａ－ｕＹＵｎｉｇＡｎ－ｎＨＮＧＢｎｙｗ・ＥＷｅｄｎ
（ｎｔｕｆｉｎｌｒｃｓｉｇａｄＴａｓｓｉ，ＮｎｉｇＵｉｅｉｆＩｓｔｔｏｇａＰｏｅｓｎｒｎｍｉｏｉｅＳｎｓｎａｊｎｒｔｏｎｖｓｙ