低复杂度的压缩感知信道估计方法

发布时间：2018-12-20 06:27

【摘要】：针对采用非正交多载波调制的无线通信系统中,信道的稀疏度未知且非零稀疏路径随时间变化的问题,提出了一种基于导频信号互相关运算的压缩感知信道估计方法,利用接收端导频信号互相关计算对信道稀疏度及非零稀疏路径的时延分布进行预估,结合改进的低复杂度压缩感知重构算法得到信道估计结果.针对非正交多载波调制系统具有频谱利用效率高、信道环境适应性强的优点,对非正交多载波调制系统的导频图案进行优化设计,提高压缩感知信道估计算法的精度.仿真结果和理论分析表明:该方法不仅能够提高非正交多载波调制系统的频谱效率,还可以降低系统传输误码率与计算复杂度.
[Abstract]:Aiming at the problem that the channel sparsity is unknown and the non-zero sparse path varies with time in wireless communication systems using non-orthogonal multicarrier modulation, a compressed perceptual channel estimation method based on cross-correlation operation of pilot signals is proposed. The channel sparsity and the delay distribution of the non-zero sparse path are estimated by the cross-correlation calculation of the pilot signal at the receiver, and the channel estimation results are obtained by combining the improved low complexity compression perceptual reconstruction algorithm. The non-orthogonal multicarrier modulation system has the advantages of high spectral efficiency and strong adaptability to the channel environment. The pilot pattern of the non-orthogonal multicarrier modulation system is optimized to improve the accuracy of the compressed perceptual channel estimation algorithm. Simulation results and theoretical analysis show that the proposed method can not only improve the spectral efficiency of the non-orthogonal multicarrier modulation system, but also reduce the transmission bit error rate and computational complexity of the system.
【作者单位】： 南开大学电子信息与光学工程学院;天津市光电传感器与传感网络技术重点实验室;
【基金】：国家自然科学基金资助项目(61571244,61501262) 天津市科技计划资助项目(16YFZCSF00540,15JCYBC51600)
【分类号】：TN911

【相似文献】

相关期刊论文 前10条

1 田文飚;芮国胜;;平滑零范数稀疏度约束下的盲稀疏回溯重构算法[J];宇航学报;2013年03期

2 彭森;许飞云;贾民平;胡建中;;含稀疏度约束的非负张量分解算法及其在故障诊断中的应用(英文)[J];Journal of Southeast University(English Edition);2009年03期

3 董政;葛临东;巩克现;;基于压缩采样匹配追踪的稀疏度和稀疏信道联合估计[J];四川大学学报(工程科学版);2014年01期

4 马原;吕群波;刘扬阳;钱路路;裴琳琳;;基于主成分变换的图像稀疏度估计方法[J];物理学报;2013年20期

5 周亚同;张伟;杨瑞霞;;一维非均匀采样信号可变稀疏度傅里叶重建算法研究[J];微电子学与计算机;2012年07期

6 王平;阮怀林;樊甫华;陈小波;;基于压缩感知超宽带信号盲稀疏度信道估计[J];电讯技术;2012年11期

7 朱延万;赵拥军;孙兵;;一种改进的稀疏度自适应匹配追踪算法[J];信号处理;2012年01期

8 周亚同;王丽莉;唐红梅;;基于压缩感知的稀疏度自适应图像修复[J];铁道学报;2014年09期

9 杨成;冯巍;冯辉;杨涛;胡波;;一种压缩采样中的稀疏度自适应子空间追踪算法[J];电子学报;2010年08期

10 安春燕;纪红;李屹;张晓亮;;压缩采样中基于离散时间马尔科夫链的动态控制机制(英文)[J];Journal of Southeast University(English Edition);2012年03期

相关硕士学位论文 前6条

1 汤倩;基于字典学习和贪婪追踪的数字图像稀疏去噪[D];长沙理工大学;2014年

2 李浚魁;基于压缩感知的图像复原[D];昆明理工大学;2016年

3 程以泰;基于压缩感知的OFDM系统信道估计算法研究[D];天津工业大学;2017年

4 陈世姣;盲稀疏度的CS前向预测算法及其在稀疏结构信号中的应用[D];华南理工大学;2013年

5 任淼;Directionlets格型实现及其在CS稀疏度和观测维数估计中的应用[D];华南理工大学;2011年

6 刘京川;基于稀疏度检测的宽带压缩频谱感知方法研究[D];北京邮电大学;2013年

，

本文编号：2387576