基于压缩感知的无线OFDM信道估计及导频优化研究

发布时间：2017-10-20 20:03

  本文关键词：基于压缩感知的无线OFDM信道估计及导频优化研究

  更多相关文章： 压缩感知 正交频分复用 信道估计 导频位置分配 分布式压缩感知 多输入多输出正交频分复用

【摘要】：近年来,压缩感知(CS)理论受到了应用数学和信号处理领域的高度关注,它能够以远低于奈奎斯特采样率的速率对稀疏信号进行采样,接收端能采用最优化算法从非常有限的采样值中有效地重建稀疏信号。将压缩感知应用于正交频分复用(OFDM)和多输入多输出正交频分复用(MIMO-OFDM)系统的信道估计中能够大大降低导频的数量,并获得良好的信道估计性能。传统的信道估计认为等间隔的导频放置方式是最优的,但是在基于CS的信道估计中这一结论不成立。因此,基于CS的信道估计中的导频位置(或叫导频图案)优化问题需要专门研究。本文重点研究了OFDM系统、不连续子载波正交频分复用(NC-OFDM)系统和MIMO-OFDM系统中基于CS的信道估计及其相应的导频位置优化问题。本文的主要贡献如下:1)OFDM系统时域稀疏的信道估计问题被建模为CS中的稀疏信号重建问题,根据压缩感知信道估计的模型首次提出导频位置的选取直接决定恢复矩阵这一结论。基于最小化恢复矩阵的互相关值和最小化本论文提出的新参数即恢复矩阵调整的互相关值,提出了两个运用于CS信道估计的导频优化准则。仿真结果表明,与其他的导频位置集合相比,使用这两个准则获得的最优导频位置集合能够明显地降低CS信道估计的均方误差(MSE)和系统的误比特率(BER)。另外,通过最小化调整的互相关值获得的最优导频位置集合比最小化相关值获得的导频位置集合能够获得更好的估计性能。2)利用基于CS信道估计导频可以不规则放置的特性,提出了一种基于CS的NC-OFDM系统信道估计新方法。研究了认知无线电NC-OFDM系统CS信道估计的理论框架和信道估计算法,提出了两种导频位置集合的设计方法。仿真结果表明,同已有的NC-OFDM系统信道估计方法相比,CS信道估计能够在多种禁用子载波场景下,使用较少导频获得更好的信道估计性能和更低的系统BER。3)研究了基于CS的MIMO-OFDM信道估计中的导频分配问题。基于CS的MIMO信道估计的特点是采用导频频分放置将MIMO信道分解成单输入单输出(SISO)信道,并用CS重建算法估计该SISO信道。提出了两种导频分配方法,一个是最小化互相关集合中最大值的方法,另一种方法是基于遗传算法和移位机制的方法。仿真结果表明,使用这两种方法优化后的导频可以明显减小信道估计的MSE和系统的BER。另外,第二种导频分配方法的性能更加优越。4)基于分布式压缩感知(DCS)的MIMO-OFDM信道估计是通过一次DCS重建算法同时估计出所有收发天线对之间的稀疏信道。本文研究了基于DCS的MIMO-OFDM信道估计中最优的导频分配方法。通过将DCS信道估计问题转化为分块稀疏重建问题,提出了一类与互相关值有关的导频位置优化准则。依据此准则,提出了一种基于遗传算法的导频位置优化算法。仿真结果表明,与传统的使用均匀导频的LS信道估计相比,使用该方法获得的最优导频能够使基于DCS的MIMO信道估计提高频谱有效性约36%,同时获得1.5dB的BER增益;与基于CS的MIMO信道估计相比,在获得相同的BER性能的条件下,基于DCS的MIMO信道估计也能够提高4.7%的频谱有效性。
【关键词】：压缩感知 正交频分复用 信道估计 导频位置分配 分布式压缩感知 多输入多输出正交频分复用
【学位授予单位】：南京邮电大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TN929.53
【目录】：

• 摘要4-6
• Abstract6-10
• 专用术语注释表10-12
• 第一章 绪论12-28
• 1.1 论文研究背景12-26
• 1.1.1 压缩感知理论概述12-17
• 1.1.2 OFDM及MIMO-OFDM系统概述17-21
• 1.1.3 宽带无线系统信道特性21-23
• 1.1.4 信道估计技术23-26
• 1.2 论文研究工作26-28
• 第二章 OFDM系统中基于CS的信道估计技术研究28-40
• 2.1 引言28-29
• 2.2 OFDM系统模型29-30
• 2.3 时域信道估计方法30-32
• 2.3.1 传统的LS信道估计方法30-31
• 2.3.2 基于MP算法的结构化LS信道估计方法31
• 2.3.3 基于CS的信道估计方法31-32
• 2.4 仿真结果与性能分析32-38
• 2.5 本章小结38-40
• 第三章 OFDM系统CS信道估计中导频优化问题研究40-58
• 3.1 引言40
• 3.2 与压缩感知相关的理论基础40-42
• 3.3 导频优化过程42-47
• 3.3.1 通过最小化互相关值优化导频42-43
• 3.3.2 通过最小化调整的互相关值优化导频43-47
• 3.4 仿真与性能分析47-57
• 3.4.1 使用准则1优化导频的性能增益47-49
• 3.4.2 两种导频优化准则的性能增益比较49-51
• 3.4.3 使用准则2优化导频的性能增益51-57
• 3.4.4 什么样的导频位置集合会产生好的信道估计性能57
• 3.5 本章小结57-58
• 第四章 NC-OFDM系统中CS信道估计及导频优化研究58-76
• 4.1 引言58-59
• 4.2 NC-OFDM系统简介59-61
• 4.3 NC-OFDM系统信道估计61-63
• 4.3.1 传统的LS信道估计方法61-62
• 4.3.2 基于修正变换域的信道估计方法62
• 4.3.3 基于压缩感知的信道估计方法62-63
• 4.4 NC-OFDM系统压缩感知信道估计的导频设计63-67
• 4.4.1 导频位置集合设计方案一64
• 4.4.2 导频位置集合设计方案二64-65
• 4.4.3 两种导频位置集合设计方案结合使用的具体实施方案65-67
• 4.5 仿真与性能分析67-75
• 4.5.1 仿真参数及场景介绍67-68
• 4.5.2 不同场景下不同信道估计方法性能比较68-73
• 4.5.3 压缩感知信道估计中两种导频位置集合设计方案性能比较73-75
• 4.5.4 不同信道估计方法算法复杂度比较75
• 4.6 本章小结75-76
• 第五章 MIMO-OFDM系统中CS信道估计及导频优化研究76-88
• 5.1 引言76-77
• 5.2 MIMO-OFDM系统中基于CS的信道估计模型77-79
• 5.3 基于CS的MIMO-OFDM信道估计中导频优化研究79-85
• 5.3.1 基于最小化互相关集合中最大元素准则的导频分配方法80-81
• 5.3.2 基于遗传算法和移位机制的导频分配算法81-85
• 5.4 仿真与结果分析85-87
• 5.5 本章小结87-88
• 第六章 基于DCS的MIMO-OFDM信道估计及导频分配研究88-110
• 6.1 引言88-89
• 6.2 相关背景理论知识89-91
• 6.2.1 分布式压缩理论89-90
• 6.2.2 分块稀疏信号理论90-91
• 6.3 基于DCS的MIMO-OFDM信道估计模型和信道估计方法91-94
• 6.4 基于DCS的MIMO-OFDM信道估计的导频分配方法94-100
• 6.4.1 基于DCS信道估计中导频位置优化的准则94-99
• 6.4.2 使用遗传算法的导频分配方法99-100
• 6.5 仿真与结果分析100-108
• 6.5.1 不同信道估计方案的性能比较101-103
• 6.5.2 三种导频优化准则比较103-104
• 6.5.3 基于最小化μ_(B_DCS)~(t_2)的最优导频位置的性能增益104-108
• 6.6 本章小节108-110
• 第七章 总结与展望110-113
• 参考文献113-120
• 附录1 基于BOMP和基于DCS-SOMP信道估计方法等效性证明120-123
• 附录2 攻读博士学位期间撰写的论文123-124
• 附录3 攻读博士学位期间申请的专利124-125
• 附录4 攻读博士学位期间参加的科研项目125-126
• 致谢126

【参考文献】

中国期刊全文数据库 前1条

1 朱行涛;刘郁林;徐舜;杨磊;;一种基于匹配追踪的OFDM稀疏信道估计算法[J];微波学报;2008年02期

，

本文编号：1069070