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

【摘要】：在正交頻分復(fù)用(OFDM)移動(dòng)通信系統(tǒng)中,精確、實(shí)時(shí)的信道估計(jì)是接收信息成功解調(diào)的重要保證。傳統(tǒng)的信道估計(jì)方法由于受到奈奎斯特采樣定理的束縛,在估計(jì)快速時(shí)變信道時(shí)導(dǎo)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(jì)性能和及導(dǎo)頻開銷之間取得良好的折中,已成為信道估計(jì)技術(shù)亟需解決的問題。針對(duì)這一問題,本文研究壓縮感知(CS)理論在信道估計(jì)中的應(yīng)用,提出針對(duì)OFDM通信系統(tǒng)快速時(shí)變信道的稀疏估計(jì)算法,主要研究內(nèi)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(jì)問題轉(zhuǎn)化為一個(gè)稀疏信號(hào)重建問題。根據(jù)轉(zhuǎn)化形成的重建問題,設(shè)計(jì)出一種基于CS的迭代反饋估計(jì)方法。該方法在預(yù)估計(jì)的基礎(chǔ)上,通過反復(fù)迭代不斷修正感知矩陣以及測(cè)量方程以提高估計(jì)結(jié)果的精確性。相比現(xiàn)有的稀疏信道估計(jì)方法,提出的迭代反饋估計(jì)方法對(duì)多普勒頻移造成的載波間干擾(ICI)具有更強(qiáng)的魯棒性能,因此對(duì)快速時(shí)變信道能取得更精確的估計(jì)效果。此外,通過數(shù)學(xué)推導(dǎo)證明了該方法構(gòu)造的感知矩陣滿足有限等距性質(zhì)(RIP),驗(yàn)證了在該方法中采用CS重建算法的可行性。2.對(duì)迭代反饋估計(jì)方法進(jìn)行簡化,提出一種復(fù)雜度更低的稀疏信道估計(jì)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(cè)量方程中的未知元素,因而省去了預(yù)估計(jì)步驟,大幅簡化了估計(jì)方法流程。此外,該方法采用了特定的導(dǎo)頻排列圖案,在降低ICI對(duì)測(cè)量模型影響的同時(shí),保證了CS算法重建性能的穩(wěn)定性,因而進(jìn)一步提高了該方法的可靠性。與迭代反饋估計(jì)方法相比,簡化方法以估計(jì)精確性的下降換取計(jì)算復(fù)雜度的大幅降低。3.分析信道參數(shù)稀疏索引集的特定結(jié)構(gòu),研究基于模型的壓縮感知(MCS)理論在信道估計(jì)中的應(yīng)用。將MCS理論與本文提出的迭代反饋估計(jì)方法以及簡化估計(jì)方法相結(jié)合,設(shè)計(jì)出基于MCS的稀疏信道估計(jì)方法。與采用傳統(tǒng)CS重建算法的稀疏信道估計(jì)方法相比,該方法能更有效地利用信道特定的組(塊)稀疏結(jié)構(gòu)特性,減少待測(cè)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(jì)質(zhì)量的同時(shí)進(jìn)一步降低導(dǎo)頻開銷。4.針對(duì)信道具有先驗(yàn)概率統(tǒng)計(jì)特性的特定應(yīng)用場(chǎng)合,研究貝葉斯壓縮感知(BCS)理論在信道估計(jì)中的應(yīng)用。對(duì)于具有高斯概率特性和非高斯概率特性的兩種統(tǒng)計(jì)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(yīng)的貝葉斯稀疏信道估計(jì)方法。此外,還將以上兩種BCS重建算法與組稀疏模型相結(jié)合,設(shè)計(jì)出基于組稀疏模型的BCS重建算法,大幅簡化了對(duì)組稀疏向量的重建流程,使得提出的貝葉斯稀疏估計(jì)方法對(duì)具有組稀疏結(jié)構(gòu)信道的估計(jì)性能得到進(jìn)一步提高。實(shí)驗(yàn)結(jié)果表明,對(duì)于常見的統(tǒng)計(jì)信道模型,該方法能同時(shí)有效利用其先驗(yàn)統(tǒng)計(jì)信息和組稀疏結(jié)構(gòu),顯著提高估計(jì)質(zhì)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(guān)性,將其表征為聯(lián)合稀疏模型,并在此基礎(chǔ)上采用分布式壓縮感知(DCS)算法設(shè)計(jì)出針對(duì)MIMO-OFDM系統(tǒng)快速時(shí)變信道的估計(jì)方法。與已有的MIMO系統(tǒng)稀疏信道估計(jì)方法相比,該方法能同時(shí)對(duì)多路信道進(jìn)行聯(lián)合重建,降低了導(dǎo)頻開銷以及計(jì)算復(fù)雜度。此外,針對(duì)快速時(shí)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(jié)合,提出基于組稀疏模型的聯(lián)合稀疏重建算法,進(jìn)一步提高估計(jì)性能。
【關(guān)鍵詞】：OFDM系統(tǒng) 快速時(shí)變信道 稀疏信道估計(jì) 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(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN929.53
【目錄】：

• 摘要5-7
• Abstract7-14
• 符號(hào)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(jì)技術(shù)研究現(xiàn)狀19-21
• 1.2.2 基于壓縮感知的信道估計(jì)技術(shù)研究現(xiàn)狀21-22
• 1.3 本文的主要工作及內(nèi)容安排22-25
• 第2章 OFDM系統(tǒng)信道估計(jì)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(jì)方法33-36
• 2.3.1 導(dǎo)頻圖案33-34
• 2.3.2 常用估計(jì)方法34-36
• 2.4 壓縮感知理論36-41
• 2.4.1 信號(hào)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(jì)方法原理41-43
• 2.6 本章小結(jié)43-44
• 第3章 針對(duì)快速時(shí)變信道的稀疏估計(jì)方法44-68
• 3.1 快速時(shí)變信道的基擴(kuò)展模型及其稀疏特性44-47
• 3.2 稀疏信號(hào)重建問題的轉(zhuǎn)化47-49
• 3.3 迭代反饋估計(jì)方法49-57
• 3.3.1 估計(jì)方法流程49-51
• 3.3.2 感知矩陣的RIP性質(zhì)51-54
• 3.3.3 Modified-OMP算法54-57
• 3.4 簡化估計(jì)方法57-61
• 3.4.1 估計(jì)方法流程57-58
• 3.4.2 隨機(jī)分組導(dǎo)頻圖案58-59
• 3.4.3 感知矩陣性能測(cè)定59-61
• 3.5 仿真結(jié)果與分析61-67
• 3.5.1 參數(shù)設(shè)定61-62
• 3.5.2 實(shí)驗(yàn)結(jié)果62-67
• 3.6 本章小結(jié)67-68
• 第4章 基于模型的稀疏信道估計(jì)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(shí)變信道的組稀疏結(jié)構(gòu)70-71
• 4.3 組稀疏信道估計(jì)方法71-75
• 4.3.1 基于組稀疏重建算法的迭代反饋估計(jì)方法71-73
• 4.3.2 基于組稀疏重建算法的簡化估計(jì)方法73-74
• 4.3.3 組相干系數(shù)的測(cè)定74-75
• 4.4 仿真結(jié)果與分析75-78
• 4.4.1 參數(shù)設(shè)定75
• 4.4.2 實(shí)驗(yàn)結(jié)果75-78
• 4.5 本章小結(jié)78-79
• 第5章 基于貝葉斯壓縮感知的稀疏信道估計(jì)方法79-96
• 5.1 貝葉斯方法79-82
• 5.1.1 數(shù)學(xué)模型79-80
• 5.1.2 BMP算法80-82
• 5.2 快速時(shí)變信道的統(tǒng)計(jì)特性分析82-83
• 5.3 估計(jì)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(jì)算后驗(yàn)概率的快速遞歸算法87-90
• 5.5 仿真結(jié)果與分析90-95
• 5.5.1 參數(shù)設(shè)定90-91
• 5.5.2 實(shí)驗(yàn)結(jié)果91-95
• 5.6 本章小結(jié)95-96
• 第6章 MIMO-OFDM系統(tǒng)的稀疏信道估計(jì)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(jì)方法99-100
• 6.4 基于組稀疏模型的DOMP算法100-101
• 6.5 仿真結(jié)果與分析101-106
• 6.5.1 參數(shù)設(shè)定102
• 6.5.2 實(shí)驗(yàn)結(jié)果102-106
• 6.6 本章小結(jié)106-107
• 第7章 總結(jié)與展望107-110
• 7.1 本文的主要貢獻(xiàn)與創(chuàng)新107-108
• 7.2 未來工作展望108-110
• 參考文獻(xiàn)110-120
• 攻讀學(xué)位期間發(fā)表論文清單120-121
• 致謝121

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

本文編號(hào)：391775