论文部分内容阅读
信道状态信息估计的好坏直接影响正交频分复用(orthogonal frequency divisionmultiplex，OFDM)系统符号检测的性能。传统的信道估计算法受到奈奎斯特采样定理的限制，往往需要大量的导频，造成了频谱资源的浪费。因此如何在获得比较好的估计性能的同时，也能减少导频的开销成为信道估计中不可避免的问题。为了解决这个问题，本文研究了压缩信道估计(Compressive Channel Estimation，CCE)，即将压缩感知(Compressive sensing，CS)理论应用到多载波系统中去估计双选择性信道。主要研究内容有以下几点: 1.针对单入单出系统，首先对OFDM系统双选信道的时延-多普勒域进行了研究，分析了其稀疏性，将信道估计问题转化为稀疏重构的问题。为压缩感知理论在信道估计的应用提供了理论支持。同时研究了稀疏增强基优化算法。其次对信道的组稀疏特性进行了进一步的研究，并将组稀疏压缩感知应用到信道估计中。针对现实稀疏度未知的场景，本文提出了一种稀疏度自适应的分布式压缩感知(DCS，distributed compressivesensing)算法，考虑到导频放置对性能影响的重要性，本文提出了一种新的导频放置方式。最后仿真结果显示，本文的算法有效的提升了估计性能。 2.针对多入多出系统，分析了多天线信道的联合稀疏性，将分布式压缩感知理论应用到信道的联合估计中，该算法能够对多路信道进行联合估计，可以有效的减少导频的数量以及计算的复杂度。同时也分析了信道的组稀疏特性和顺序稀疏特性，并将顺序稀疏特性与联合组稀疏特性相结合，研究了一种融合的压缩感知算法应用于信道估计中。由于利用了信道的先验知识，故该算法进一步降低了算法的复杂度。最后仿真结果显示，本文的算法有效的提高了信道估计效果。