压缩感知理论及其稀疏认知无线信道估计研究

发布时间：2020-05-09 20:19

【摘要】：无线通信传输存在多径衰落等干扰,影响信号可靠接收,需采用信道估计予以估计与补偿。但传统算法未利用信道稀疏性,且现代稀疏估计算法未充分利用该特性等因素,导致估计性能较差,精度低,且复杂度大。针对上述问题,本学位论文主要研究了压缩感知(CS)理论,并采用该理论改进了稀疏信道估计,实现了精确信道估计。首先,简介了信道估计综述、关键问题及CS理论等应用背景。然后,建立了认知无线传输信道模型,利用CS理论,建立了稀疏无线信道估计模型。之后,针对现有CS稀疏重构算法精度低且复杂度大等缺点,提出了三种重构算法并应用于稀疏信道估计,对其仿真与分析,验证了其在精度与复杂度等方面的改进与提高。最后,总结和展望了该算法。全文内容和创新点具体如下:1.针对现有信道估计未能充分利用信道稀疏性的缺陷,将CS理论应用到信道估计中,通过重构信号来估计信道,提出了用CS同伦法实现估计信道,提高了算法精度。该算法引入同伦思想,根据前一次估值逐步得到信号路径变化步进和方向,得到最终估值。充分应用信道自身稀疏特性,获得更精确估计。仿真验证了所提算法具有较高重构精度及较快收敛速度:较传统最小二乘(LS)信道估计提高了估计精度。在相同重构均方误差下,相对LS算法获得信噪比增益近20 dB。同时,增加迭代次数还可进一步减小信号重构均方误差;2.在现有广义正交匹配追踪(GOMP)信道估计基础上,针对其无法保证原子索引支撑集中元素数目等于信号稀疏度,提出了针对迭代稀疏度及时停止的改进GOMP算法,并设定适当迭代所选原子数,提高估计精度。同时,通过改变重构信号观测值数量,并规定恢复信号与原信号间的恢复残差上限,得到有界等距常数更精确的范围,提高重构成功率。仿真表明:所提算法较OMP算法计算时间减少了四分之三;重建成功概率较GOMP提高了 50%,信道估计重构均方误差约减少了 15 dB。同时,设计适当信号稀疏度及每次迭代选择的原子数目,均可使重构结果更精确,从而提高了算法估计精度;3.因GOMP重构原信号最终只能得到唯一原子索引支撑集,而无法避免选择到错误原子而导致重构性能降低等缺陷,且在实践中无法提前获知信道稀疏度等困难,提出了改进的多路径稀疏度自适应GOMP算法。在重构原信号时,采用多路径对原子索引搜索,且无需预知信号稀疏度,即可重构原信号。仿真表明:所提多路径稀疏度自适应GOMP算法重构精度较现有GOMP算法提升了约1倍,且重构成功概率也提高了约3倍。总之,本文针对认知无线信道的稀疏特点,利用CS理论中的同伦法、改进GOMP及改进的多路径稀疏度自适应GOMP算法估计信道冲激响应。所提算法不仅可提升估计精确度,还能降低计算复杂度,节约运算时间,从而提高信道估计性能。故所提算法非常适合高性能5G等未来认知无线通信系统的信道认知与估计等应用。
【图文】：

源［５７］。逡逑在无线通信中，信道特征估计是对发送信号经信道传输后产生的时延、衰减等参数进行逡逑的估计检测［５８］。信道解调、译码等性能均与信道估计结果密切相关。图２．１为信道估计系统逡逑模型。经信源发射的发送信号ｘ通过多径信道ｈ的传输，在传输中存在不确定，，且难以避免逡逑噪声，接收端的接收信号不仅包括传输信号、还包括随机不确定的信道噪声。通过信道估计逡逑器估计出ＣＳＩ，之后利用估计结果，恢复原信号信息。在认知无线通信中，系统利用自身特逡逑性对频谱资源智能感知，寻找可传输的子载波并对其导频优化。之后，在一组最优子载波内逡逑插入导频，再传递给接收端。而信道估计通过接收信号与发送导频，估计出ＣＳＩ，估计信道逡逑冲激响应。如信道冲激响应只有々个非零系数，则称此信道为？稀疏信道。逡逑噪声逡逑逦邋逦邋ｎ逦逦邋逦逡逑信源逦一＾－多径信道ｈ逦＾逦？接收滤波器检测器逡逑ｈ逡逑逦－信道估计器逡逑ｙ逡逑图２．１信道估计系统模型逡逑设将ＯＦＤＭ技术应用于认知无线通信中，则设有７Ｖ个子载波。但实际上仅采用其中的Ｐ逡逑个作为导频符号进行传输

图３．１同伦法路径搜索图逡逑由３．１可见，从点／可经多条不同路径到达点ｇ，而这些不同的多条路径就可表示空间中逡逑的映射关系。而图３．１中的实线表示的就是这两点间的同伦关系。逡逑同伦算法根据己得到的前一次估值来预测本次迭代过程中解的方向和迭代步进，层层迭逡逑代，直到满足迭代停止条件为止。本文主要研宄同伦算法。逡逑同伦法根据正则因子的变化方向确定同伦路径，正则因子的取值需大于残差与观测矩阵逡逑的相关度。同伦法利用不停改变同伦因子，对正则因子取相应的值，进而得到原信号的迭代逡逑方向和步进。逡逑正则因子的取值需要大于等于残差与观测矩阵的相关度，其中残差是指接收信号与通过逡逑估计原信号而得到的接收信号估值之间的差值，即有：逡逑｜＜Ｅ＞ｒ（＃浚

本文编号：2656682