论文部分内容阅读
在追求高效快速的现今时代,快速语音通信、快速传递信息,已经成为人们不可或缺的通信需求。无线通信系统中,正交频分复用（Orthogonal Frequency-Division Multiplexing,OFDM）技术,利用子载波间的正交性,提高了传输效率,并且能够有效的抵抗信道衰落,提高了传输精度。多输入多输出（Multiple Input Multiple Output,MIMO）技术,能够提高无线通信系统的空间利用范围,充分利用了有效空间,更加提高了信息传输效率。但不管是OFDM系统或MIMO-OFDM系统,在信号传输中,会受到环境以及周围建筑物的影响,产生衰落和时延,造成符号间干扰（Inter Symbol Interference,ISI）和子载波间干扰（Inter Carrier Interference,ICI）。因此,能够精准且有效获取信道状态信息（Channel State Information,CSI）从而准确的恢复发送信号尤为重要。研究表明,无线多径信道往往在时域中表现出稀疏特性,然而传统的信道估计方法不能充分利用这一特性,所以需要研究新的方法,利用这一先验信息,提高估计的精度。压缩感知技术,能够根据信号的稀疏性,利用少量的,但是占主导作用的采样信息,来恢复和重建原始信号。目前,压缩感知技术已经在各个行业得到应用,例如,无线通信、图像处理、模式识别等领域。在本文中,我们将压缩感知应用于无线信道估计中,利用信道的稀疏特性,通过少量的导频符号进行信道估计。本文的研究工作是在OFDM以及MIMO-OFDM系统中,采用基于压缩感知的信道估计方法对无线通信信道进行信道估计。主要包括两个方面工作:第一、我们给出了基于快速贝叶斯匹配追踪算法的信道估计算法,并将其应用在OFDM系统无线信道估计中。该算法利用贝叶斯原理,对无线稀疏信道建立贝叶斯先验模型,利用信道先验信息,根据最大后验概率参数估计方法,对模型参数以及参数分布进行匹配追踪求解,最终精确的重构稀疏信道。第二、论文提出了改进的混合优化光滑l0范数信道估计重构算法,用来估计MIMO-OFDM系统的无线稀疏信道。该算法采用逼近性能更好的双曲正切函数来替代高斯函数,双曲正切函数的“陡峭性”更好,比高斯函数更快速的收敛于零,因此,更近似l0范数。该算法将最速下降法结合修正牛顿法进行混合优化,其中最速下降法用于算法的初始化,修正牛顿法用于算法的收敛,使算法达到了很好的收敛速度,并提高了重构精度,通过仿真验证了该算法的有效性。