基于快速贝叶斯匹配追踪优化的海上稀疏信道估计方法

发布时间：2021-06-09 04:33

　　正交频分复用（OFDM）系统中,由于频率发生选择性衰落会导致信道在数据传输中产生符号间干扰,因此接收机往往需要知道信道状态信息。而在海上通信的情况下,信道传输会受到多种外界因素的干扰,往往需要预先进行信道探测估计。为了提高估计性能,该文提出一种基于奇异值分解优化观测矩阵的快速贝叶斯匹配追踪稀疏信道估计优化算法（FBMPO）,该算法不仅能够充分考虑海上通信的信道稀疏性,也能够降低信道的不确定性带来的影响。计算机仿真实验表明,与传统的信道估计算法相比,该算法能够提高信道估计的精确度。 

【文章来源】：电子与信息学报. 2020,42(02)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

海上通信损耗模型

}=Ehh22(30)其中，h与h则表示实际信道向量与信道估计向量。在图2—图4中，比较了FBMPO算法与OMP和BCS算法，可以发现贝叶斯快速匹配追踪算法比其他两个算法在均方误差指标方面，优化效果更好。同时本文比较了当导频序列为32,48,64时信道估计的效果。结果表明，在海上稀疏信道的背景下，当选取较长的训练序列的时候，信道估计的效果会越来越好，获得较低的均方误差。同时，从图5不难发现，本文更改了p1的值，它的取值会对搜索集图2N为32时，p1为0.04时，3种算法的AMSE对比图3N为48时，p1为0.04时，3种算法的AMSE对比图4N为64时，p1为0.04时，3种算法的AMSE对比图5N为32时，p1为0.01时，3种算法的AMSE对比表1FBMPO算法的伪代码FBMPO算法输入：参数向量s,观测矩阵φi，迭代阈值K,RandL；输出：hMMSE;μ0,1(1)Initializeby式(20)(2)fori←1toL:bi←φ1i;βi←(1+σ12Tibi)1(3);μ1,i←μ0,1+12lg(βiσ12)+12βiyTbi2+lgp11p1(4);(5)endfor(6)forq←1toK:μ1,q←μ1,ib1,q(1)←μ1,ic1,q(1)←c1,iβ1,q(1)←β1,i(7);;;;(8)endfori←U1W2V1Ti′←U1W2′V1T(9);;(10)forl←1toR:βi←(1+σ12i′Tbi)1(11);μi←μ(l1)+12lgβi+12βi(sTc(l)i)2+lgp11p1(12);i(l)←argma

(30)其中，h与h则表示实际信道向量与信道估计向量。在图2—图4中，比较了FBMPO算法与OMP和BCS算法，可以发现贝叶斯快速匹配追踪算法比其他两个算法在均方误差指标方面，优化效果更好。同时本文比较了当导频序列为32,48,64时信道估计的效果。结果表明，在海上稀疏信道的背景下，当选取较长的训练序列的时候，信道估计的效果会越来越好，获得较低的均方误差。同时，从图5不难发现，本文更改了p1的值，它的取值会对搜索集图2N为32时，p1为0.04时，3种算法的AMSE对比图3N为48时，p1为0.04时，3种算法的AMSE对比图4N为64时，p1为0.04时，3种算法的AMSE对比图5N为32时，p1为0.01时，3种算法的AMSE对比表1FBMPO算法的伪代码FBMPO算法输入：参数向量s,观测矩阵φi，迭代阈值K,RandL；输出：hMMSE;μ0,1(1)Initializeby式(20)(2)fori←1toL:bi←φ1i;βi←(1+σ12Tibi)1(3);μ1,i←μ0,1+12lg(βiσ12)+12βiyTbi2+lgp11p1(4);(5)endfor(6)forq←1toK:μ1,q←μ1,ib1,q(1)←μ1,ic1,q(1)←c1,iβ1,q(1)←β1,i(7);;;;(8)endfori←U1W2V1Ti′←U1W2′V1T(9);;(10)forl←1toR:βi←(1+σ12i′Tbi)1(11);μi←μ(l1)+12lgβi+12βi(sTc(l)i)2+lgp11p1(12);i(l)←argmaxi(13)μi;G(l)←G(l1)∪{i

【参考文献】：
期刊论文
[1]基于观测矩阵优化的自适应压缩感知算法[J]. 胡强,林云.  计算机应用. 2017(12)



本文编号：3219938