论文部分内容阅读
在新一代的移动通信中,广泛地采用OFDM以及MIMO等技术,来满足许多诸如传输速率高、系统业务容量大等的要求,而对目前的信息技术来说,如此高的要求对信道估计提出了相当大的挑战。与盲估计方法相比基于训练序列的信道估计方法的复杂度低且性能好。而不同的训练序列对信道估计的性能有着很大的差异。
本文主要研究了基于压缩传感的训练序列设计及稀疏信道估计算法,具体研究内容和创新点如下:
(1)基于压缩传感理论以得到更好的信道估计性能为目的进行训练序列设计。设计了三种服从不同分布的随机实数序列,即高斯分布随机序列、均匀分布随机序列、伯努利分布随机序列,并将其应用于信道估计中。分别在传统的信道估计算法和基于压缩传感的信道估计算法下进行仿真实验,仿真结果表明,在相同的信道环境下,与常用的m序列相比,本方案能获得更准确的信道估计。同时,该序列经过不同解调后得到的训练序列不同,从而具有更大的灵活性。最后通过仿真分析了其自相关性能,结果表明其具有良好的自相关特性。
(2)为了提高信道估计的精确性,提出了一种基于压缩传感理论的正交频分复用系统稀疏信道估计新方法——基于平滑l0范数和拟牛顿法(Quasi-Newton Smoothed l0 Norm,QNSL(0))的估计算法,该算法用双曲正切函数来近似l0范数,针对SL(0)算法中收敛速度和迭代步长选取方面的不足,采用拟牛顿法来求解最优值,并通过线搜索技术来确定迭代步长,该算法能在信道冲激响应稀疏度未知的情况下得到较好的信道估计效果。仿真结果表明,在相同条件下,QNSL(0)算法与SL(0)、传统LS算法以及基于压缩传感信道估计常用的MP、CoSaMP算法相比收敛速度快、估计值均方误差小、信道估计的信噪比高,所需导频数目少。