论文部分内容阅读
压缩感知在脉冲体制超宽带信道估计中的应用潜力很大,本文选题来源于国家自然科学基金等项目,具有重要的理论意义及广阔的应用前景。本文对压缩感知技术的基本原理及其在脉冲体制超宽带通信系统的信道估计中的应用进行了深入研究,主要完成了以下具有创新性的研究成果：针对经典的信道估计算法要求高采样速率的问题,本文提出了一种基于贝叶斯压缩感知技术的信道估计算法。通过基于随机托普利兹矩阵建立压缩感知的观测过程,在接收机对下采样的方式得到的信号进行贝叶斯重构。这一算法不仅有效降低了超宽带系统的高采样速率要求,同时重构算法有效利用发送信号的先验概率信息提高了重构性能。仿真结果表明,本文提出的算法有效降低了系统采样所需要的点数,同时采样的精度相比其他重构算法性能有所提升,复杂度有所降低。针对超宽带时变信道估计的计算复杂度高的问题,本文提出了一种结合传统卡尔曼滤波估计和压缩感知的时变信道估计算法。将脉冲超宽带通信中的多径信道分量作为稀疏字典原子,通过压缩感知技术对低采样速率下的观测数据进行重构,同时对稀疏字典中的原子变化进行检测,在信道状态变化满足一阶自回归模型的情况下,通过卡尔曼滤波算法对稀疏信号的最小均方误差进行求解。仿真结果表明,本文提出的算法有效降低了时变状态信道估计的计算复杂度,而且在信道稳定时的采样点数也会相应降低,同时采样的精度相比其他重构算法性能有所提升。针对认知超宽带网络中授权用户频段离散稀疏分布的特点,以及信道低频谱利用率的现状,本文提出了一种基于压缩感知原理的协作稀疏信道状态感知机制。首先将认知超宽带网络中的可用频段划分成子信道序列,由于在时域、频域和空域上的主用户数目相对超宽带系统的可用频段而言相对稀疏,因此认知用户可以通过随机的感知模式得到相当于压缩感知中的观测数据,由融合中心对各个观测数据进行重构。本文定义认知用户采用随机稀疏观测的方式,降低了认知超宽带用户的观测复杂度,同时融合中心将稀疏信道状态通过图模型理论进行建模,通过消息传递算法,迭代计算出最终的频谱利用状态向量。针对认知超宽带网络中次用户与主用户共享部分频段的特点,在上述稀疏信道模型的基础上,根据压缩感知重构得到的信道状态信息,本文提出了一种次用户对主用户的干扰功率之和最小的信道分配机制。利用认知无线电网络中主用户频谱占用的稀疏性,通过图模型理论对信道分配进行建模,采用最小和(Min-Sum)算法,通过迭代得出对主用户干扰功率最小的优化方案。仿真结果表明本文提出的算法可以将信道分配问题转化为物理距离和频域距离的优化问题,同时在不考虑算法中“环路”的情况下,可以快速计算出对主用户干扰之和最小的信道分配方案。论文最后对全文进行了总结,并对压缩感知技术与超宽带系统结合的发展方向及今后的工作进行了展望。