基于压缩感知的信道估计及自适应预测

摘要

为了满足当今信息高速率传输的要求，无线通信系统需要准确的信道状态信息(Channel State Information，CSI)。最近一段时间的实验研究发现，当通信系统的带宽、符号持续时间增大，并拥有大量天线时，无线信道呈现稀疏性。传统的信道估计方法，如最小二乘(Least Square，LS)算法，没有利用信道的稀疏性，需要较多的训练序列。压缩感知(Compressed Sensing，CS)理论在通信领域中受到了广泛的关注，并且已经被应用到信道估计中。利用压缩感知可以使用较少的训练序列准确估计信道，或者在训练序列个数一定的情况下，比传统的信道估计方法拥有更好的估计性能。
　　在时间选择性衰落信道中，信道系数往往由少量的散射多径叠加而成，因而在多普勒域上呈现稀疏性。本文研究了基于压缩感知的单天线(Single-Input Single-output，SISO)系统时间选择性衰落信道估计，利用改进的压缩感知信道估计方法，得到更为准确的散射多径的多普勒频移和幅度。同时，在移动通信系统中，发射端需要的信道状态信息往往是由接收端估计后反馈回发射端，在这种情况下，即使接收端估计的信道状态信息已经很准确，但多径衰落导致信道快速变化，反馈回发射端的信道状态信息往往已经过时，与当前的信道状态不相关，导致通信系统性能下降。信道预测算法能够补偿多径衰落对通信系统的影响，保障通信系统性能。本文中，根据压缩感知信道估计算法恢复的散射多径的多普勒频移，使用卡尔曼预测算法跟踪信道变化。仿真结果表明，结合压缩感知信道估计的卡尔曼预测算法能够准确跟踪信道变化。
　　多输入多输出(Multi-input Multi-output，MIMO)技术能够在不增加信号带宽的情况下，成倍地提高系统容量，因而得到越来越多的重视。大数量天线的引入，往往使信道在角度域上也呈现稀疏性。虚拟表现信道模型离散化地近似表示了MIMO系统的物理多径信道时频响应，揭示了物理多径在角度-时延-多普勒空间上的分布关系，为压缩感知理论在MIMO系统的稀疏信道估计的应用提供了平台。本文研究了基于该信道模型的MIMO系统稀疏时间选择性衰落信道估计，引入迭代加权的去噪基追踪(BasicPursuit De-noising，BPDN)算法，减小对稀疏向量中大系数的惩罚，同时增大对噪声的惩罚，从而减小重构误差。仿真表明，迭代加权的去噪基追踪算法比去噪基追踪算法、正交匹配追踪(Orthogonal matching pursuit，OMP)算法及传统的LS算法估计更准确。

目录

声明

摘要

1 绪论

1．1 课题背景及意义

1．1．1 基于压缩感知的信道估计背景及意义

1．1．2 信道预测背景及意义

1．2 本文主要内容及研究成果

2 无线信道及压缩感知理论基础

2．1 无线信道传输特性

2．2 压缩感知理论

2．2．1 信号的稀疏表示

2．2．2 观测矩阵的设计

2．2．3 信号的重构算法

2．3 本章小结

3 单天线系统时间选择性信道估计及自适应预测

3．1 系统模型

3．2 信道估计

3．2．1 基于DFT的压缩感知信道估计

3．2．2 改进的压缩感知信道估计

3．3 信道预测

3．4 系统仿真及分析

3．4．1 信道估计仿真及分析

3．4．2 信道预测仿真及分析

3．5 本章小结

4 MIMO系统时间选择性衰落信道估计

4．1 MIMO系统信道模型

4．1．1 MIMO系统的物理多径信道模型

4．1．2 MIMO系统的虚拟表现信道模型

4．2 MIMO系统的稀疏信道估计

4．2．1 MIMO系统时间选择性衰落信道的稀疏表示

4．2．2 MIMO系统时间选择性衰落信道估计

4．2．3 传统的信道估计方法

4．2．4 迭代加权l1范数最小化的引入

4．3 系统仿真及分析

4．3．1 不同训练序列个数下的MSE比较

4．3．2 不同SNR下的MSE比较

4．3．3 不同算法的信道估计性能比较

4．4 本章小结

结论和展望

参考文献

攻读硕士学位期间发表学术论文情况

致谢