论文部分内容阅读
压缩感知技术在稀疏信号处理领域,具有高压缩特性和良好的信号恢复性能,因而广泛应用于信号处理、图像处理等领域。近年来,压缩感知技术被应用于无线通信信号估计与检测,该类算法可以在保障估计检测性能的同时,简化导频以提升传输效率,从而逐渐成为无线通信中的热点研究方向。在无线通信中,传统的检测方法多为利用信道信息相干检测。传统的信道信息估计方法利用导频,在接收端使用最小二乘(Least Squares,LS),最小均方误差(Minimum Mean Square Error,MMSE)等算法进行信道估计;同时估计噪声方差得到系统的信噪比(Signal to Noise Ratio,SNR)信息。接收端利用信道信息进行均衡处理,包括最大似然(Maximum Likelihood,ML)检测、迫零(Zero Forcing,ZF)检测、MMSE检测等方法。随着无线通信技术的发展,正交频分复用(Orthogonal Frequency DivisionMultiplexing,OFDM)、多输入多输出(Multiple Input Multiple Output,MIMO)技术被广泛使用,其中,空间调制(Spatial Modulation,SM)技术作为一种新型的MIMO技术被提出,通过扩展天线的维度,可以大大增加系统的传输速率。利用这些新技术,信息处理被扩展到时、频、空多个领域,使得其估计和检测更加复杂。另外随着维度扩展,被处理的信号在某些维度上呈现出稀疏性。在传统的估计方法中,需要较大的导频开销进行信道信息估计,降低了系统的频谱效率;另外采用MMSE算法,虽然可以获得良好的估计性能,但它需要信道的先验信息并且有较高的复杂度。针对空间调制,传统ML检测有着良好的检测性能,但复杂度太高,而ZF检测,MMSE检测性能不够理想。因此,本文尝试利用压缩感知方法,将其运用到OFDM的信道估计和噪声方差估计,以及空间调制的信号检测中来,并进行性能评估。具体研究内容如下:第一章简要介绍了无线通信中估计和检测问题以及压缩感知技术,并指出了论文的结构及内容安排。第二章分析了压缩感知模型,介绍了压缩感知理论的来源及应用,介绍了其系统框架;并针对信号的稀疏表示,观测矩阵的设计,介绍了多种重构算法,并进行了仿真分析。第三章结合无线通信中的无线信道特性进行分析,引入了OFDM系统,介绍了常见的信道估计算法和噪声方差估计算法,并做了简要对比。引入基于压缩感知下的OFDM信道估计,介绍了基于正交化的噪声方差估计方法,以及基于压缩感知的联合信道、噪声方差估计模型,并根据稀疏度自适应匹配追踪(SparsityAdaptive Matching Pursuit,SAMP)算法对估计过程进行了改进,最后用仿真结果验证了算法的正确性,并做了理论分析。第四章分析了空间调制系统模型及其衍生的通用空间调制(GeneralizedSpatial Modulation,GSM)和通用空移键控(Generalized Space Shift Keying,GSSK)模型。针对上述模型,介绍了线性均衡检测算法,ML检测算法,以及基于压缩感知检测算法,并进行改进。推导出在GSM和GSSK模型下,利用压缩感知技术进行检测可以大幅降低系统复杂度,同时获得良好的检测性能。并通过仿真对算法性能进行验证。第五章总结本文的研究工作,并针对未来需要改进的地方做了简要的探讨。