基于压缩感知的放大转发双向中继信道估计

为了更有效地对放大转发双向中继信道进行估计,对级联卷积信道的稀疏特性进行了分析,并基于其稀疏性,采用压缩感知技术,通过合理地设计导频将合成级联卷积信道分解成2个独立的级联卷积信道分别进行信道估计。研究分析和仿真结果表明,级联卷积信道具有稀疏性且其稀疏度在一定范围内变化。所提的方案只需在端节点对级联卷积信道进行估计就可以完成双向信息的交换,提高了频谱效率,降低了信道估计误差,并且无需信道稀疏度的先验信息。     

LTE-A基于压缩感知的信道估计

针对在多普勒环境下LTE-A(改进的长期演进)系统时频域二维稀疏信道的特性,根据导频在时频域的分布以及二者之间的相关性,通过将搜索空间分解为时域上OFDM(正交频分复用)符号间和频域上子载波间范围,提出了一种基于OMP(正交匹配追踪)算法改进压缩感知的信道估计。仿真结果表明,改进的OMP算法较原始算法具有更低的MSE(均方误差)。     

双向中继系统中基于压缩感知信道估计算法

针对提高系统传输的频谱利用率问题,采用将压缩感知理论应用于双向中继系统进行信道估计。详细研究在双向中继系统中信道估计算法的设计方法、实现过程,并对广义正交匹配追踪算法(GOMP)与OMP算法及传统的LS信道估计算法进行分析与比较。结果表明GOMP信道估计算法在均方误差(MSE)和误比特率(BER)及需要运行的时间上均较小。在稀疏的信道中,GOMP算法相比于传统LS信道估计算法能有效地提高频谱利用率,相比于OMP算法提高了实时性,降低系统的复杂度。     

分布式压缩感知实现联合信道估计的方法

针对无线通信中多个信道之间存在相关性的现象,本文研究了基于压缩感知的联合信道估计。通过选取多个节点与簇头之间的信道为研究背景,本文建立了多信道下的联合信道估计模型,推导了判决门限与信噪比之间的关系,提出了基于门限自适应-正交匹配追踪联合重构技术(TA-SOMP)的信道估计算法,并进行了相应的仿真实验。仿真结果表明:与经典的正交匹配追踪(OMP)算法相比,本文算法所重构的信道与原始信道之间的均方误差(MSE)更小,传输信号误比特率(BER)更低;在相同信噪比环境下,TA-SOMP算法所需导频数量更少,频带利用率更高。      

基于压缩感知的OFDM宽带短波信道估计方法研究

为了提高OFDM宽带短波信道估计的精确性,针对短波信道固有的低稀疏性,在将压缩感知理论应用于OFDM宽带短波信道估计的基础上进行OFDM短波信道的稀疏建模,接着提出需要解决的问题,进而提出采用正交匹配追踪(OMP)算法进行短波信道的重构。通过仿真实验证实,与传统信道估计算法中的最小二乘(LS)算法比较,可以达到在使用更少导频的情况下提供更好的短波信道估计性能的效果,从而提高短波系统的频带利用率。     

压缩感知理论在OFDM稀疏信道估计中的应用

结合压缩感知(CS)理论,针对OFDM系统信道稀疏的特性,采用一种新的方法进行信道估计——可压缩采样的匹配追踪算法(CoSaMP),它本质上是一种贪婪算法,利用比较少的导频获得较好的信道估计性能,提高频谱资源利用率的同时,运算速度更快。详细地介绍了CoSaMP的算法原理及步骤,并将它与正交匹配追踪算法(OMP)和匹配追踪算法(MP)的性能进行了比较和分析。通过理论分析和实验仿真,证明了CoSaMP算法的有效性。     

基于压缩感知的MIMO NC-OFDM系统信道估计算法北大核心

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。     

基于分布式压缩感知的改进SOMP信道估计算法

针对多径信道联合稀疏模型,基于分布式压缩感知理论提出了一种适用于正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）通信系统的改进同时正交匹配追踪（Simultaneous Orthogonal Matching Pursuit,SOMP）信道估计算法。该算法首先联合多个符号利用比较残差和的方式,在每次迭代中估计各符号信道响应公共支撑集与相应元素直到公共支撑集估计结束,然后对各符号信道响应非公共支撑集单独进行估计,最终得到多个符号的信道响应估计值。仿真结果表明,改进的SOMP算法在JSM-2模型下性能与传统的SOMP算法相近,在JSM-1模型下性能优于传统的SOMP算法与OMP算法。     

基于Golay互补序列的压缩感知稀疏信道估计算法

该文针对现有基于压缩感知的信道估计方法峰均功率比高、计算量大等问题,使用确定性格雷(Golay)序列作为训练序列对稀疏信道进行信道估计,在接收端实现了对信道冲激响应的估计,给出了估计模型和具体的算法推演,推导了该方法的峰均功率比,并与基于随机高斯序列的压缩感知信道估计方法的性能、峰均功率比和计算量进行了比较。仿真实验表明：格雷序列以及随机高斯序列两种序列都可以重构出稀疏信道非零抽头系数,但是格雷序列对稀疏信道冲激响应的确定性观测估计值的均方误差(MSE)和匹配度性能(Match Rate, MR)均优于随机高斯序列,计算量降低了许多,且在OFDM系统中峰均功率比大大降低。     

基于压缩感知的信道反馈重构

在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,基于压缩感知技术(Compressed Sensing,CS)开发高效的信道状态信息(Channel State Information,CSI) 反馈方案是现在研究的热点。针对现有的基于CS的信道反馈重构算法——正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法存在重构时间长、数据量大可能会无法适用的不足,提出了一种改进的OMP算法,即广义正交匹配追踪(Generalized OMP,GOMP)算法对CSI进行高效重构。仿真结果表明,GOMP算法在重构精确度上高于OMP算法,特别是在较低的压缩比下优势更为突出;而且由于迭代次数减少,需要的重构时间也显著减少。     

基于自适应压缩感知的信道估计算法

传统方法压缩感知算法截取训练序列最后未被数据干扰固定部分作为观测矩阵,该方法为了抵抗最差的信道而浪费了大量的可用观测数据。在此基础上提出了一种自适应压缩感知的信道估计算法,首先对训练序列进行自适应检测,得到整个未受干扰的观测矩阵,再用压缩感知算法计算信道估计。仿真结果表明,这种基于自适应压缩感知的信道估计算法大幅提高了信道估计的准确性。     

压缩感知在稀疏信道估计中的应用

压缩感知( CS,Compressive Sensing)理论指出可以用低于奈奎斯特抽样定理的速率对稀疏信号进行采样并在收端以很高的概率重建信号,它是目前信号处理领域的研究热点.基于CS理论的信道估计会降低导频辅助信道估计的导频数量且估计性能好,介绍了CS的基本原理和信道估计相关内容,以及正交频分复用(OFDM,Ort...     

信道估计误差对双向中继通信的影响

在基于中继的双向无线通信系统中,分析了两时隙、三时隙和四时隙的中继传输模式的系统和速率性能。考虑到实际通信场景中,信道估计误差的存在使得两时隙和三时隙传输系统的自干扰无法完全消除,研究了信道估计误差对系统和速率性能的影响。仿真结果表明,在公平的发送总功率和信息交换的前提下,两时隙和三时隙传输的和速率在无信道估计误差时在任何信噪比情况下均优于四时隙传输,随着信道估计误差的增加,其和速率显著下降。     

基于稀疏多径信道的均衡技术分析

为了解决宽带通信稀疏多径信道下均衡器结构复杂和收敛速度慢的问题,介绍了稀疏多径信道和基于伪随机序列的多径搜索。针对稀疏多径信道的特点,对判决反馈均衡器进行改进,提出了一种基于正交匹配追踪信道估计的完全判决反馈均衡器。利用正交匹配追踪估计结果在前馈均衡器前消除已判决码元对当前判决码元的码间串扰,降低了均衡器的复杂度,提高了收敛速度。通过仿真分析表明完全判决反馈均衡器能取得良好的性能。     

多普勒域上稀疏的双向中继信道估计

信道估计技术作为获得信道衰落信息的方法,是提高无线信道传输接收性能的关键技术。本文针对放大转发双向中继系统的时间选择性平坦衰落信道,利用信道在多普勒域的稀疏性进行压缩信道估计。相比于传统的线性估计方法,压缩信道估计考虑了信道的固有稀疏性,降低了导频的开销,改善了信道估计性能,提高了频谱利用率及系统吞吐量。文中通过对双向中继信道进行多普勒域的稀疏建模,仿真分析了信道估计性能随着导频数量增加、信噪比增加,得到不断改善;而不同的导频分布将影响观测矩阵的相关度,从而对信道估计产生影响。仿真表明,当导频随机分布时,信道估计效果最佳。同时,文中还仿真分析了最大多普勒频移对信道估计性能的影响。      

压缩感知相移数字全息术

相移数字全息图用传统数字再现可以消除零级像与共轭像,但数字全息术记录的全息图及数字再现像的分辨率被CCD的分辨率所限制.将新兴的压缩感知算法用于数字全息图的稀疏重建,以实现由部分全息图数据得到高分辨率再现像.分析了压缩感知用于重建数字相移全息图的原理,并利用该算法对计算机模拟的相移全息图进行了重建.结果表明,压缩感知算法能够对数字全息图稀疏重建,利用50％的部分全息图数据重建出了较高质量的再现像,并消除了零级像和共轭像.当选用合适的观测器如数字微反射镜器件或随机位相片实现随机观测矩阵时,可以实现单像素成像,从而突破记录全息图CCD分辨率的限制.     

基于压缩感知的脉冲超宽带信号检测

传统的信号检测算法基于奈奎斯特采样定理来实现,这对于带宽极宽的超宽带(ultra-wideband,UWB)信号而言由于要求采样速率过高而很难用硬件去实现。为此,本文研究了基于压缩感知(compressive sensing,CS)的脉冲超宽带(impulse radio UWB, IR-UWB)信号检测问题,利用IR鄄UWB 信号在时域上的稀疏特性,设计了一种基于压缩感知的IR鄄UWB 信号检测框架,在此基础上提出了一种自适应加权正交匹配追踪检测算法。仿真结果表明,新算法不仅能够通过远少于奈奎斯特定理所要求的采样速率检测出IR-UWB 信号,而且与基于匹配追踪的压缩感知检测算法相比,新算法在低信噪比的情况下对IR-UWB 信号的检测效果更佳。     

一种低开销的LTE上行链路信道估计算法

压缩感知理论作为信号处理方向较为前沿的研究方向,可以采用少数目的采样值以高概率来获得原始稀疏信号。同时,移动无线通信衰落信道恰恰具有稀疏特性。然而,传统的信道估计并没有根据信道的这一稀疏特性来得出算法。在研究多径信道稀疏特性的基础上,分析了将压缩感知理论运用于LTE上行链路进行信道估计的可行性,并建立了一种基于压缩感知技术实现系统信道估计的模型,提出了一种结合正交匹配追踪算法来估计信道时域响应的低开销LTE上行链路信道估计算法。此外,通过系统仿真进行了估计的均方误差性能分析,与目前广为使用的信道估计算法相比,所提出的低开销信道估计算法在保证估计精度的同时减少了导频开销,增强了系统性能。     

基于压缩感知理论的稀疏孔径ISAR成像

在基于压缩感知理论的逆合成孔径雷达成像过程中,利用正交匹配追踪算法进行信号重构时存在重构精度较低、运算速度较慢的缺点,针对上述问题,提出了一种利用改进正交匹配追踪算法进行信号重构的稀疏孔径高分辨成像方法。首先,构造数据选择矩阵作为测量矩阵模拟回波缺失情况,然后利用稀疏基矩阵对回波信号进行稀疏表示,最后采取一种改进正交匹配追踪算法进行图像重构,相比于正交匹配追踪算法同时提高了运算速度和成像质量。通过仿真实验,在稀疏孔径数据随机缺失的情况下,改变数据缺失率,将该算法与距离-多普勒算法和正交匹配追踪算法的成像结果进行对比,验证了该算法的有效性和优越性。     

基于压缩感知OMP改进算法的图像重构

正交匹配追踪(OMP)算法中迭代次数严格依赖信号的稀疏度K值,迭代次数选取适当会重构出高精确的图像,反之则会对图像重构质量造成严重影响.针对这一问题,提出了一种根据残差值的相对极差来确定最佳迭代次数的新方法.该方法要求在同一次迭代中对一幅图像的所有列同时进行迭代计算,根据极差的相对差值与门限值比较来确定最佳迭代次数,从而达到提高重构精度,消除对稀疏度K值依赖的目的.理论分析和仿真结果表明,改进的OMP算法比原有算法有更理想的重构效果,有更高的重构精度.