论文部分内容阅读
在无线通信系统中，高速数据传输是最吸引用户的特点之一。然而，当前大多数的无线通信系统都受到了带宽有限的限制。因此，超宽带通信（UWB）作为一种新兴的技术被引入高速室内近距离无线通信系统。该技术引人关注的原因是其具有低功耗，高比特率，高多径分辨率和与窄带系统（通过调整带宽以降低传输功率）共存的特点。正是由于这些优点，UWB成为了一项未来极具吸引力的无线应用技术。然而，UWB接收机在当前依然面对许多技术问题。众所周知，根据香农-奈奎斯特采样定理，UWB信号的数字化需要极高的采样速率。但是，当前的模数转换器（ADC）无法满足其要求。我们迫切需要研究新的方法使UWB接收机获得所需的采样速率。因此，找到新的数据获取和处理的方法是一个迫切需要解决的问题。最近提出的压缩感知理论（Compressed Sensing）被视为最好的解决办法。该理论可以降低UWB通信系统接收机需要的A/D采样速率。通过应用压缩感知理论，信号可以被远低于奈奎斯特采样速率的速率采样，与此同时，它还可以降低接收机硬件结构的复杂性。在本篇论文中，我们的成果在于将压缩感知理论应用于UWB信道估计。所做工作的目的在于解决接收机硬件设计复杂性和降低采样速率问题。我们提出两种新的基于压缩感知理论的UWB信道估计方法，两种方法在时域和频域下进行分析。仿真结果表明，提出的两种方法在基于BP算法和OMP算法下可以得到准确的信道估计。更重要的是，两组模型可以将接收机采样速率降低到奈奎斯特采样速率的10%以下。此外，在IEEE802.15.3a信道模型环境下得到的信道估计显示，UWB信道中的多径信号到达时间分布主要依靠UWB信道环境，不同的信道环境可以生成不同的稀疏层（低稀疏和高稀疏）。通过这些基本特征，笔者分析并分别选取了最适合于每种信道模型稀疏层的恢复算法。实验结果表明，基追踪算法（BP）需要较低的采样速率，相比正交匹配追踪算法（OMP）更不易受到信道环境的影响。但是，它具有难以计算，需要较长处理时间的缺点。与此同时，OMP算法更容易受到信道模型的影响。在高稀疏信道模型，OMP算法不仅恢复效果理想，而且可以得到很低的采样速率和很快的处理时间。然而，在低稀疏信道模型，OMP算法相比BP算法需要更高的采样速率。特别是在多径到达时间分布极其紧密的环境下，会导致非常稀疏的信道模型。应用BP和OMP算法都会花费大量时间，有时甚至无法接受。为了解决这些问题，一种叫做分块稀疏信道OMP的贪婪算法（Bsc-OMP）被引入研究。该算法是OMP算法的一种扩展，但不同于其他算法简单地每次挑选每列中最大值，Bsc-OMP算法挑选最匹配当前残差的块。通过应用Bsc-OMP算法，所需的迭代次数小于OMP算法，极大地降低运算时间。在UWB通信系统中，多脉冲干扰（IMI）的主要原因是脉冲持续时间短，丰富多径环境和长信道延迟传特点。以便于分析多脉冲干扰，本文提出一种新的基于压缩感知理论的UWB通信系统接收机结构。该结构主要用于解决两个问题：其一，应用压缩感知理论降低接收机模数转换器的采样速率。其二，分析UWB通信系统中高速数据传输过程中多脉冲干扰的影响。实验结果表明，本文提出的方法成功地以12.5%以下的奈奎斯特采样速率恢复接收机信号。此外，在分析多脉冲的影响时，笔者发现多脉冲干扰很大程度上依靠不同的信道模型。在LOS信道模型下，IMI的影响可以忽略；但在NLOS信道模型下，多脉冲干扰效果明显。更重要的是，实验结果表明，通过应用这种接收机和判决反馈均衡器可以使误比特率显著提高（BER）。最后，利用小波变换后图像稀疏的特点，将预编码过滤器和UWB信道本身结合并作为观测矩阵的一部分。笔者通过一组实验，将一张图片在压缩感知理论的UWB无线信道中进行传输。仿真结果表明，在考虑噪声的条件下，相比传统方法，本文提出的模型得到的误比特率效果获得很大的提升。