论文部分内容阅读
正交频分复用(Orthogonal Frequency Division Multiplex,OFDM)技术,在通信中具有许多优越性,包括较好的抑制通信过程中产生的时延扩展以及多径衰落和具有很高的频谱利用率,因此被广泛应用于目前的3G、4G通信系统中。OFDM系统的相干检测需要对信道进行估计,且估计精度将直接影响整个系统的性能,因此信道估计被列为OFDM系统的三大关键技术之一。传统的信道估计是假设信道具有多条径而且大部分径上含有较高的能量,而在实际上,信道往往具有稀疏性,即信道抽头系数只有小部分非零大部分为零。在2006年,Donoho[1][2]与Candes[3]等提出了一种具有革命性的信号处理方法,被大家称作为压缩感知理论(Compressed Sensing,CS),该理论指出,如果信号是稀疏的或者是可压缩的,在对信号进行采样时,可以远低于Nyquist采样速率,然后利用优化算法能够高概率重构出原始信号。目前,大部分基于压缩感知的信道估计方法中,都是采用随机序列作为训练信号进行信道估计,由于随机序列在硬件上难以产生,并且在重构原始信号时计算量较大,在OFDM系统中会产生较高的峰均比。因此,本文针对上述研究的基础,首先分析了无线信道是否满足稀疏性,这样为CS理论运用到信道估计中提供了可靠的条件,依据通信原理当中的卷积知识搭建估计模型,然后分析如何使用训练序列构造一个托普利兹结构的测量矩阵,最后利用确定性Golay序列良好的自相关性、定时同步性能良好、峰均比低的特点,使用Golay序列作为训练序列对稀疏信道进行信道估计,并将其对信道冲击响应估计值的性能影响与随机高斯序列进行比较,以及对比两种序列在重构信道冲击响应时的计算复杂度。最后,研究利用Golay序列作为训练序列,在接收端对信号进行过采样建立压缩感知码片内的多径时延估计模型。实验仿真表明:Golay序列以及随机高斯序列两种序列都可以重构出稀疏信道非零抽头系数,但是Golay确定性训练对稀疏信道冲激响应估计值的均方误差(Mean Square Error,MSE)要比随机高斯序列小,并且在OFDM系统中Golay序列可以将峰均比严格地控制在3dB以内,在估计信道冲激响应时计算复杂度低于高斯随机序列。利用压缩感知技术对码片内的多径时延进行估计,在一定的信噪比和采样点下可以精确估计出码片内的时延。