论文部分内容阅读
随着科技时代的蓬勃发展,人类对海量数据的需求日益猛增,若继续使用奈奎斯特采样准则,就得要求采样频率不得小于信号最高频率的两倍,才能确保重构精度,因此采样数据中将含有大量的冗余信息,造成资源浪费,给信息的传输和存储带来巨大压力。而压缩感知(Compressed Sensing,CS)理论的出现打破了传统奈奎斯特采样定理的瓶颈,是一种新型的采样定理模型,其核心思想是采样和压缩同时进行,注定是信息处理和通信领域的创新之举。信道估计是无线通信系统中关键技术之一,压缩感知的理论前提条件是信号为稀疏的,而大多数无线多径信道的冲激响应正是稀疏的,这一稀疏特性无疑给压缩感知在无线多径信道估计领域中提供可靠的理论依据和广阔的研究前景。本文首先主要详细研究了压缩感知理论原理。其次阐述三种传统的压缩感知贪婪重构算法的核心原理及其性能仿真与分析。接着针对传统压缩感知重构算法中匹配最佳原子的方法存在不足之处,研究Dice系数原子匹配准则,对传统的贪婪算法进行优化。最后,结合无线多径信道的稀疏特性,研究基于Dice系数的压缩感知稀疏信道估计。本文研究的主要工作有以下三点:(1)研究传统的三种贪婪算法:匹配追踪(Matching Pursuit,MP)算法、正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法和分段弱正交匹配追踪(Stagewise Weak Orthogonal Matching Pursuit,SWOMP)算法。详细分析三种重构算法的核心原理,并对其重构性能作了仿真分析。(2)针对传统的压缩感知重构算法中采用内积准则选择最佳原子的方法存在不能很好地保留向量的原始状态、相似原子间难以进行区分导致匹配不精准以及不能更好地突出原始信号的重要信息等问题,本文研究Dice系数匹配准则,代替传统内积准则度量法,该准则能优化支撑集、快速定位残差的主要分量、降低任意两个相似原子与残差信号匹配结果的影响、提高重构性能。因此本文设计基于Dice系数匹配准则的DMP、DOMP和DSWOMP算法。为了进一步验证算法的有效性,将算法对一维时域信号进行仿真重构,从残差向量的模值、重构成功率和重构时间等性能指标进行仿真比较。仿真结果表明,与传统基于内积准则的贪婪算法相比,基于Dice系数匹配准则的贪婪算法重构性能更优。(3)与传统信道估计算法相比,压缩感知与信道估计相结合的算法存在重要的优势:能够提高系统资源利用率和信道估计精度。因此结合压缩感知理论,研究基于Dice系数的压缩感知稀疏多径信道估计算法,并与传统最小二乘法信道估计性能进行比较。仿真结果表明,与传统算法相比,基于Dice系数匹配准则的算法在稀疏信道估计中,估计精度更高,能够获得更优的信道估计性能。综上所述,本文设计的算法有较高的重构精度,并且提高了稀疏信道估计性能,为通信领域的信道估计提供新的解决思路,有理论研究价值。