论文部分内容阅读
无线通信系统的性能主要受到无线信道特性的制约,由于无线信道传播的复杂性和多变性容易使接收信号产生失真,为了获得准确的接收信号,必须对无线信道进行估计。传统的信道估计方法需要大量的导频,导致频谱的利用率降低。压缩感知(Compressed Sensing CS)理论是在奈奎斯特采样定理的基础上提出的较为新颖的理论,该理论在保证信息不损失的情况下以高概率重构出原信号。无线多径信道固有的稀疏性,可以把压缩感知的重构算法应用到正交频分复用(Orthogonal Frequency Division Multiplexing OFDM)系统中,OFDM系统中信道估计的精度将直接影响信道的性能。本文的主要工作如下:首先,对基于压缩感知算法的频率选择性衰落信道估计方法进行了研究。采用经典的正交匹配追踪(Orthogonal Matching Pursuit OMP)算法进行信道估计,并将其与传统的信道估计最小二乘(Least Square LS)法进行仿真对比。其次,对基于 StOMP(Stagewise Orthogonal Matching Pursuit StOMP)算法的时间-频率双选择性衰落信道估计方法进行了研究。针对OMP算法重构时间长的问题,本文在分析了匹配追踪类算法重构时间长的根本原因之后,采用OMP算法的改进算法StOMP算法进行OFDM时频双选信道估计。该算法每次选择的原子是多个而不再是单个的原子,从而减少匹配的次数,提高了运算的速度。仿真结果表明,本文采用的算法在综合重构时间和重构精度来说性能较优。最后,对基于改进StOMP算法的时间-频率双选择性衰落信道估计进行了研究。针对StOMP算法重构精度不理想而且还要知道信道的稀疏度作为先验条件的问题,采用改进的StOMP算法分段正则化正交匹配追踪算法对OFDM系统进行时频双选信道估计。该算法根据当前残差设定阈值选取相关系数大于阈值的原子,然后把选择的原进行正交化处理,从而减少算法的重构时间,提高重构的精度。仿真结果表明,本文采用的算法在稀疏度未知的条件下可以获得更高的估计精度,同时重构时间更短。