论文部分内容阅读
短波OFDM (Orthogonal Frequency Division Multiplexing)系统能够抵抗频率选择性衰落,提升频谱利用率。而信道估计对于短波OFDM系统具有重大意义,它是系统进行均衡与解调的关键。由于短波信道环境恶劣,频谱资源稀缺,所以需要设计精度高,所需导频数少的信道估计算法。信道的研究是设计信道估计算法的基础,因此论文首先分析和介绍了短波信道特性及信道模型。然后对信道估计算法进行了概述,介绍了小波降噪及压缩感知的基本原理,并给出它们在信道估计中的应用,为进一步研究做铺垫,论文主要研究内容如下：基于DFT (Discrete Fourier Transform)的信道估计算法由于复杂度低,精确度高,很适用于短波通信。但是,由于存在虚载波,该算法会产生能量泄露,使估计误差增大,降噪措施失效。针对该问题,论文首先采用最优补偿算法对虚载波进行补偿,然后采取降噪措施进一步提升性能。考虑到和传统降噪算法相比,小波降噪能处理有效信道冲激响应采样点所含噪声,降噪效果更好,因此我们将基于双树复小波邻域系数的降噪算法应用到信道估计中,提出了小波降噪和最优补偿相结合的算法。所提算法不仅能有效抵抗能量泄漏,同时抑制噪声能力强。从仿真结果可知,和其他算法相比,所提算法在均方误差方面有0.7～1.9dB的增益,误比特率方面有0.7-1.7dB的增益,不仅能抵抗虚载波引起的性能平底,而且具备较好的抑制噪声能力。将压缩感知技术应用于短波信道估计中,能以较少的导频完成信道估计,对于可用频带较窄的短波通信具有重大现实意义。论文针对基于ASMP (Adaptive Sparsity Matching Pursuit)的信道估计算法虽然不需要已知稀疏度信息,但是抑制噪声效果不佳的问题,考虑到利用奇异值分解对观测矩阵进行优化,可以提高压缩感知的噪声鲁棒性,我们将奇异值分解应用到ASMP算法中,重新设计算法的观测矩阵。所提优化ASMP算法噪声鲁棒性更强,估计误差更小。从仿真结果可知,和ASMP算法相比,所提算法在均方误差方面有1.4dB的增益,误比特率方面有1.5dB的增益,估计精度更高。论文所设计的两种算法均能适用于短波通信,这将为继续开展短波信道估计技术的科研工作提供指导和借鉴。