本文關鍵詞：基于壓縮感知的OFDM系統(tǒng)快速時變信道估計，由筆耕文化傳播整理發(fā)布。

【摘要】：在正交頻分復用(OFDM)移動通信系統(tǒng)中,精確、實時的信道估計是接收信息成功解調的重要保證。傳統(tǒng)的信道估計方法由于受到奈奎斯特采樣定理的束縛,在估計快速時變信道時導頻開銷難以降低,造成系統(tǒng)頻譜利用率的下降。因此,如何在估計性能和及導頻開銷之間取得良好的折中,已成為信道估計技術亟需解決的問題。針對這一問題,本文研究壓縮感知(CS)理論在信道估計中的應用,提出針對OFDM通信系統(tǒng)快速時變信道的稀疏估計算法,主要研究內容如下:1.分析OFDM系統(tǒng)雙選擇信道模型在延遲-多普勒域的稀疏特性,將信道估計問題轉化為一個稀疏信號重建問題。根據(jù)轉化形成的重建問題,設計出一種基于CS的迭代反饋估計方法。該方法在預估計的基礎上,通過反復迭代不斷修正感知矩陣以及測量方程以提高估計結果的精確性。相比現(xiàn)有的稀疏信道估計方法,提出的迭代反饋估計方法對多普勒頻移造成的載波間干擾(ICI)具有更強的魯棒性能,因此對快速時變信道能取得更精確的估計效果。此外,通過數(shù)學推導證明了該方法構造的感知矩陣滿足有限等距性質(RIP),驗證了在該方法中采用CS重建算法的可行性。2.對迭代反饋估計方法進行簡化,提出一種復雜度更低的稀疏信道估計方法。該方法通過采用信道系統(tǒng)的近似模型,剔除了感知矩陣和測量方程中的未知元素,因而省去了預估計步驟,大幅簡化了估計方法流程。此外,該方法采用了特定的導頻排列圖案,在降低ICI對測量模型影響的同時,保證了CS算法重建性能的穩(wěn)定性,因而進一步提高了該方法的可靠性。與迭代反饋估計方法相比,簡化方法以估計精確性的下降換取計算復雜度的大幅降低。3.分析信道參數(shù)稀疏索引集的特定結構,研究基于模型的壓縮感知(MCS)理論在信道估計中的應用。將MCS理論與本文提出的迭代反饋估計方法以及簡化估計方法相結合,設計出基于MCS的稀疏信道估計方法。與采用傳統(tǒng)CS重建算法的稀疏信道估計方法相比,該方法能更有效地利用信道特定的組(塊)稀疏結構特性,減少待測量參數(shù)潛在樣本的數(shù)量,獲得更為精確的信道稀疏索引集位置,在保證估計質量的同時進一步降低導頻開銷。4.針對信道具有先驗概率統(tǒng)計特性的特定應用場合,研究貝葉斯壓縮感知(BCS)理論在信道估計中的應用。對于具有高斯概率特性和非高斯概率特性的兩種統(tǒng)計信道模型,分別采用貝葉斯匹配追蹤(BMP)算法和非高斯貝葉斯匹配追蹤(NGBMP)算法提出相應的貝葉斯稀疏信道估計方法。此外,還將以上兩種BCS重建算法與組稀疏模型相結合,設計出基于組稀疏模型的BCS重建算法,大幅簡化了對組稀疏向量的重建流程,使得提出的貝葉斯稀疏估計方法對具有組稀疏結構信道的估計性能得到進一步提高。實驗結果表明,對于常見的統(tǒng)計信道模型,該方法能同時有效利用其先驗統(tǒng)計信息和組稀疏結構,顯著提高估計質量。5.研究多輸入多輸出(MIMO)-OFDM通信系統(tǒng)中多路信道的的相關性,將其表征為聯(lián)合稀疏模型,并在此基礎上采用分布式壓縮感知(DCS)算法設計出針對MIMO-OFDM系統(tǒng)快速時變信道的估計方法。與已有的MIMO系統(tǒng)稀疏信道估計方法相比,該方法能同時對多路信道進行聯(lián)合重建,降低了導頻開銷以及計算復雜度。此外,針對快速時變信道的組稀疏特性,再次利用組稀疏模型,將其與DCS算法相結合,提出基于組稀疏模型的聯(lián)合稀疏重建算法,進一步提高估計性能。
【關鍵詞】：OFDM系統(tǒng) 快速時變信道 稀疏信道估計 壓縮感知 組稀疏模型 貝葉斯方法 MIMO-OFDM系統(tǒng) 分布式壓縮感知
【學位授予單位】：北京理工大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TN929.53
【目錄】：

• 摘要5-7
• Abstract7-14
• 符號說明14-18
• 第1章 緒論18-25
• 1.1 選題的研究背景和意義18-19
• 1.2 研究現(xiàn)狀19-22
• 1.2.1 信道估計技術研究現(xiàn)狀19-21
• 1.2.2 基于壓縮感知的信道估計技術研究現(xiàn)狀21-22
• 1.3 本文的主要工作及內容安排22-25
• 第2章 OFDM系統(tǒng)信道估計與壓縮感知理論25-44
• 2.1 OFDM系統(tǒng)原理25-27
• 2.2 無線信道模型27-33
• 2.2.1 信道衰落特性27-29
• 2.2.2 SISO-OFDM系統(tǒng)傳輸模型29-31
• 2.2.3 MIMO-OFDM系統(tǒng)傳輸模型31-33
• 2.3 OFDM系統(tǒng)中的信道估計方法33-36
• 2.3.1 導頻圖案33-34
• 2.3.2 常用估計方法34-36
• 2.4 壓縮感知理論36-41
• 2.4.1 信號的稀疏表示36-37
• 2.4.2 感知矩陣37-38
• 2.4.3 重建算法38-41
• 2.5 基于CS的信道估計方法原理41-43
• 2.6 本章小結43-44
• 第3章 針對快速時變信道的稀疏估計方法44-68
• 3.1 快速時變信道的基擴展模型及其稀疏特性44-47
• 3.2 稀疏信號重建問題的轉化47-49
• 3.3 迭代反饋估計方法49-57
• 3.3.1 估計方法流程49-51
• 3.3.2 感知矩陣的RIP性質51-54
• 3.3.3 Modified-OMP算法54-57
• 3.4 簡化估計方法57-61
• 3.4.1 估計方法流程57-58
• 3.4.2 隨機分組導頻圖案58-59
• 3.4.3 感知矩陣性能測定59-61
• 3.5 仿真結果與分析61-67
• 3.5.1 參數(shù)設定61-62
• 3.5.2 實驗結果62-67
• 3.6 本章小結67-68
• 第4章 基于模型的稀疏信道估計方法68-79
• 4.1 基于模型的壓縮感知理論簡介68-70
• 4.1.1 組稀疏模型68-69
• 4.1.2 組相干系數(shù)69-70
• 4.2 快速時變信道的組稀疏結構70-71
• 4.3 組稀疏信道估計方法71-75
• 4.3.1 基于組稀疏重建算法的迭代反饋估計方法71-73
• 4.3.2 基于組稀疏重建算法的簡化估計方法73-74
• 4.3.3 組相干系數(shù)的測定74-75
• 4.4 仿真結果與分析75-78
• 4.4.1 參數(shù)設定75
• 4.4.2 實驗結果75-78
• 4.5 本章小結78-79
• 第5章 基于貝葉斯壓縮感知的稀疏信道估計方法79-96
• 5.1 貝葉斯方法79-82
• 5.1.1 數(shù)學模型79-80
• 5.1.2 BMP算法80-82
• 5.2 快速時變信道的統(tǒng)計特性分析82-83
• 5.3 估計方法流程83
• 5.4 基于組稀疏模型的貝葉斯方法83-90
• 5.4.1 支撐集搜索算法83-86
• 5.4.2 G-BMP算法流程86-87
• 5.4.3 計算后驗概率的快速遞歸算法87-90
• 5.5 仿真結果與分析90-95
• 5.5.1 參數(shù)設定90-91
• 5.5.2 實驗結果91-95
• 5.6 本章小結95-96
• 第6章 MIMO-OFDM系統(tǒng)的稀疏信道估計方法96-107
• 6.1 分布式壓縮感知理論96-98
• 6.1.1 聯(lián)合稀疏模型96-97
• 6.1.2 聯(lián)合稀疏重建算法97-98
• 6.2 MIMO信道的聯(lián)合稀疏特性98-99
• 6.3 聯(lián)合稀疏信道估計方法99-100
• 6.4 基于組稀疏模型的DOMP算法100-101
• 6.5 仿真結果與分析101-106
• 6.5.1 參數(shù)設定102
• 6.5.2 實驗結果102-106
• 6.6 本章小結106-107
• 第7章 總結與展望107-110
• 7.1 本文的主要貢獻與創(chuàng)新107-108
• 7.2 未來工作展望108-110
• 參考文獻110-120
• 攻讀學位期間發(fā)表論文清單120-121
• 致謝121

  本文關鍵詞：基于壓縮感知的OFDM系統(tǒng)快速時變信道估計，，由筆耕文化傳播整理發(fā)布。

本文編號：391775