MIMO-OFDM系統(tǒng)稀疏信道恢復(fù)算法的研究
本文關(guān)鍵詞:MIMO-OFDM系統(tǒng)稀疏信道恢復(fù)算法的研究,由筆耕文化傳播整理發(fā)布。
【摘要】:MIMO-OFDM技術(shù)具有高速、高效、高可靠性的優(yōu)勢(shì),是當(dāng)今無線通信系統(tǒng)的核心技術(shù)。對(duì)于MIMO-OFDM系統(tǒng),信道估計(jì)提供了MIMO技術(shù)編解碼以及接收端的相干解調(diào)需要的信道狀態(tài)信息。因此,信道估計(jì)是MIMO-OFDM系統(tǒng)中不可或缺的技術(shù)。傳統(tǒng)的信道估計(jì)需要大量導(dǎo)頻的輔助,降低了系統(tǒng)的頻譜利用率和吞吐量。大量實(shí)驗(yàn)表明,實(shí)際中的無線信道常常具有稀疏特性。近年來提出的壓縮感知理論,只需要很少的采樣點(diǎn)就能以高概率重構(gòu)稀疏信號(hào)。大量研究結(jié)果表明,基于壓縮感知的稀疏信道估計(jì),相較于傳統(tǒng)的信道估計(jì),不僅減少了導(dǎo)頻的使用,提高了信道的頻譜利用率,而且具有更高的信道估計(jì)精度。本文主要研究MIMO-OFDM系統(tǒng)稀疏信道估計(jì)的恢復(fù)算法,具體的研究內(nèi)容及創(chuàng)新成果如下:1、本文詳細(xì)分析了MIMO-OFDM系統(tǒng)傳統(tǒng)的稠密型信道模型以及在信道呈現(xiàn)稀疏特性情況下的模型。本文將LS算法和MMSE算法在MIMO-OFDM系統(tǒng)中進(jìn)行了仿真,并且對(duì)比了這兩種經(jīng)典的傳統(tǒng)信道估計(jì)算法的估計(jì)性能。詳細(xì)介紹了壓縮感知理論在信道估計(jì)中的應(yīng)用,將OMP、Co Sa MP、ROMP算法在MIMO-OFDM系統(tǒng)的稀疏信道模型下進(jìn)行了仿真對(duì)比和分析,同時(shí)將OMP算法與LS算法進(jìn)行了仿真對(duì)比,突出了稀疏信道估計(jì)相對(duì)于傳統(tǒng)信道估計(jì)的優(yōu)勢(shì)。2、本文提出了一種改進(jìn)的CoSaMP算法,通過在循環(huán)迭代過程結(jié)束后,對(duì)估計(jì)結(jié)果進(jìn)行二次篩選,使最終的估計(jì)結(jié)果更加準(zhǔn)確。同時(shí),改進(jìn)的Co Sa MP算法優(yōu)化了每次迭代所取的相關(guān)值最大的列數(shù),簡化了迭代結(jié)束的判別,減少了循環(huán)迭代次數(shù),在保證信道估計(jì)精度的同時(shí)進(jìn)一步加快了估計(jì)的速度。仿真結(jié)果表明,改進(jìn)算法擁有比原算法更高的估計(jì)精度,更快的估計(jì)速度。3、本文將組合學(xué)基本思想引入到信道估計(jì)中,將一種新的多徑匹配追蹤(MMP)信道估計(jì)算法及其簡化算法應(yīng)用到MIMO-OFDM系統(tǒng)中,該算法結(jié)合了組合學(xué)的多路徑追蹤的思想和貪婪算法循環(huán)迭代的思想,能夠從理論上保證估計(jì)結(jié)果的準(zhǔn)確性,并且抗噪聲干擾的能力強(qiáng)。其簡化算法旨在降低MMP算法的復(fù)雜度。仿真結(jié)果表明,MMP算法和其簡化算法的估計(jì)性能優(yōu)于現(xiàn)有的經(jīng)典貪婪算法。
【關(guān)鍵詞】:MIMO-OFDM 稀疏信道估計(jì) 貪婪算法 OMP CoSaMP MMP
【學(xué)位授予單位】:北京理工大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2016
【分類號(hào)】:TN919.3
【目錄】:
- 摘要5-7
- Abstract7-12
- 第1章 緒論12-23
- 1.1 引言12-14
- 1.2 MIMO-OFDM技術(shù)發(fā)展現(xiàn)狀14-19
- 1.2.1 OFDM技術(shù)概述14-17
- 1.2.2 MIMO技術(shù)概述17-18
- 1.2.3 MIMO-OFDM技術(shù)概述18-19
- 1.3 壓縮感知技術(shù)發(fā)展現(xiàn)狀19
- 1.4 MIMO-OFDM系統(tǒng)信道估計(jì)技術(shù)發(fā)展現(xiàn)狀19-21
- 1.5 本文主要工作和章節(jié)安排21-23
- 第2章 MIMO-OFDM系統(tǒng)基于導(dǎo)頻的傳統(tǒng)信道估計(jì)23-37
- 2.1 MIMO-OFDM系統(tǒng)收發(fā)模型23-29
- 2.1.1 無線信道的特性23-26
- 2.1.1.1 衰落特性23-24
- 2.1.1.2 擴(kuò)展特性24-26
- 2.1.2 OFDM系統(tǒng)收發(fā)模型26-27
- 2.1.3 MIMO-OFDM系統(tǒng)收發(fā)模型27-29
- 2.2 導(dǎo)頻圖案的選擇29-30
- 2.3 基于導(dǎo)頻的信道估計(jì)算法30-33
- 2.4 內(nèi)插方法33-34
- 2.5 仿真結(jié)果與性能分析34-37
- 第3章 MIMO-OFDM系統(tǒng)的稀疏信道估計(jì)37-52
- 3.1 序言37
- 3.2 壓縮感知理論37-41
- 3.2.1 理論概述37-38
- 3.2.2 信號(hào)的稀疏表示38
- 3.2.3 測(cè)量矩陣的設(shè)計(jì)38-39
- 3.2.4 稀疏重構(gòu)算法39-41
- 3.3 MIMO-OFDM系統(tǒng)的稀疏信道模型41-43
- 3.3.1 OFDM稀疏信道模型41-42
- 3.3.2 MIMO-OFDM稀疏信道模型42-43
- 3.4 稀疏恢復(fù)算法43-46
- 3.4.1 OMP算法43-44
- 3.4.2 CoSaMP算法44-45
- 3.4.3 ROMP算法45-46
- 3.5 仿真結(jié)果與性能分析46-52
- 第4章 一種改進(jìn)的CoSaMP算法52-58
- 4.1 引言52
- 4.2 改進(jìn)的CoSaMP算法52-53
- 4.2.1 改進(jìn)基本思想52-53
- 4.2.2 改進(jìn)算法步驟53
- 4.3 仿真結(jié)果與性能分析53-58
- 第5章 多徑匹配追蹤稀疏信道恢復(fù)算法58-73
- 5.1 引言58
- 5.2 多徑匹配追蹤稀疏恢復(fù)算法基本思想58-60
- 5.2.1 組合學(xué)概述58-59
- 5.2.2 組合學(xué)與貪婪算法思想結(jié)合59-60
- 5.3 多徑匹配追蹤稀疏信道估計(jì)算法60-65
- 5.3.1 算法步驟60-61
- 5.3.2 算法準(zhǔn)確性證明61-65
- 5.4 簡化的多徑匹配追蹤信道估計(jì)算法65-68
- 5.4.1 基本思想65-67
- 5.4.2 算法步驟67-68
- 5.5 仿真結(jié)果與性能分析68-73
- 結(jié)論73-75
- 參考文獻(xiàn)75-79
- 攻讀學(xué)位期間發(fā)表的論文與研究成果清單79-80
- 致謝80
【參考文獻(xiàn)】
中國期刊全文數(shù)據(jù)庫 前8條
1 尹宏鵬;劉兆棟;柴毅;焦緒國;;壓縮感知綜述[J];控制與決策;2013年10期
2 陳艷;王彪;;基于壓縮感知的稀疏信道估計(jì)方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2013年07期
3 萬莎;徐彪;段洪濤;;壓縮感知技術(shù)綜述[J];中國無線電;2013年02期
4 王妮娜;桂冠;蘇泳濤;石晶林;張平;;基于壓縮感知的MIMO-OFDM系統(tǒng)稀疏信道估計(jì)方法[J];電子科技大學(xué)學(xué)報(bào);2013年01期
5 何雪云;宋榮方;周克琴;;基于壓縮感知的OFDM稀疏信道估計(jì)導(dǎo)頻圖案設(shè)計(jì)[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期
6 焦李成;楊淑媛;劉芳;侯彪;;壓縮感知回顧與展望[J];電子學(xué)報(bào);2011年07期
7 石光明;劉丹華;高大化;劉哲;林杰;王良君;;壓縮感知理論及其研究進(jìn)展[J];電子學(xué)報(bào);2009年05期
8 梁永明;羅漢文;黃建國;;MIMO-OFDM系統(tǒng)中一種基于自適應(yīng)濾波的信道估計(jì)方法[J];電子與信息學(xué)報(bào);2007年02期
中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條
1 王妮娜;基于壓縮感知理論的無線多徑信道估計(jì)方法研究[D];北京郵電大學(xué);2012年
2 鄭娟;寬帶無線OFDM系統(tǒng)同步算法的研究[D];北京郵電大學(xué);2008年
3 張劍;OFDM系統(tǒng)中信道估計(jì)方法的研究[D];電子科技大學(xué);2007年
本文關(guān)鍵詞:MIMO-OFDM系統(tǒng)稀疏信道恢復(fù)算法的研究,,由筆耕文化傳播整理發(fā)布。
本文編號(hào):386591
本文鏈接:http://www.sikaile.net/kejilunwen/xinxigongchenglunwen/386591.html