论文部分内容阅读
正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术,具有频谱利用率高、带宽扩展性好、抗多径干扰能力强等特点,有很大的应用前景。但是,OFDM技术要求对信道信息有准确的估计。与目前广泛研究的广义平稳非相关散射(Wide-Sense Stationary Uncorrelated Scattering,WSSUS)快衰落信道具有单一的统计特性不同,高速移动环境下的信道呈现出非广义平稳相关散射(Non-WSSUS)突变的特性。现有的快衰落信道的估计方法大多数以广义平稳非相关散射(WSSUS)为前提,不能应用于高速移动通信环境中。因此,迫切需要发展适用于Non-WSSUS突变信道的信道估计理论与技术。本论文将对高速移动环境下OFDM系统的Non-WSSUS信道的特性进行研究,建立Non-WSSUS信道的稀疏表达,发展对其有效的估计方法。本论文主要工作和创新点概括如下:(1)基于OFDM系统无线信道的稀疏表达和Non-WSSUS信道特性,提出了 OFDM系统Non-WSSUS信道冲激响应的稀疏表达。利用压缩感知框架,对OFDM系统Non-WSSUS信道的稀疏表达进行估计。(2)给出基于Majorization-Minimization(MM)的非凸优化稀疏信号恢复算法的误差界,在分析这一误差界的基础上,提出了一种改进的基于MM的非凸优化稀疏信号恢复算法。提出的算法,可以利用稀疏信号的先验信息构造目标函数,从而降低误差界,提高稀疏信号恢复算法性能。通过观察提出算法与稀疏贝叶斯学习之间的关系,对提出的改进算法进行进一步拓展,使其能够自适应于环境噪声。(3)提出一种自适应的权重L1最小化的算法来估计具有相关非平稳支撑变化的Non-WSSUS信道。该算法通过利用Non-WSSUS信道稀疏表达支撑变化的相关性,引入了预测-估计-再估计过程,来得到自适应的权重,仿真表明,提出的算法提高了 Non-WSSUS信道估计的准确性和鲁棒性。通过进一步分析发现,提出的权重L1最小化算法本质上是一种利用稀疏信号先验信息来构造目标函数,从而降低误差界,提高稀疏信号恢复性能的方法,即提出的权重的L1算法可以被改进的基于MM的非凸优化稀疏信号恢复算法所包含。(4)提出一种基于粒子滤波辅助的改进的基于MM的非凸优化稀疏信号恢复算法,并将这一算法应用于Non-WSSUS信道的估计中。该算法首先利用Gauss-Markov过程对Non-WSSUS信道的稀疏表达进行建模,接着,利用一种动态压缩感知框架下的粒子滤波技术,得到了对Non-WSSUS信道稀疏表达的初步预测。最后,将这一初步预测作为Non-WSSUS信道稀疏表达的先验信息,结合利用改进的基于MM的非凸优化稀疏信号恢复算法,对Non-WSSUS信道的稀疏表达进行准确估计。在粒子滤波辅助的改进的基于MM的非凸优化稀疏信号恢复算法的基础上,提出了一种针对突变的Non-WSSUS信道的估计算法,该算法通过引入一阈值来判断突变是否发生,并利用突变已发生这一信息,重新构造信道稀疏表达的先验信息及目标函数,并进行再一次估计,从而达到对突变的Non-WSSUS信道稀疏表达的准确估计。