CN108768900B - 一种基于先验信息矩阵的无线信道稀疏特征估计方法 - Google Patents
一种基于先验信息矩阵的无线信道稀疏特征估计方法 Download PDFInfo
- Publication number
- CN108768900B CN108768900B CN201810448909.1A CN201810448909A CN108768900B CN 108768900 B CN108768900 B CN 108768900B CN 201810448909 A CN201810448909 A CN 201810448909A CN 108768900 B CN108768900 B CN 108768900B
- Authority
- CN
- China
- Prior art keywords
- prior information
- candidate
- information matrix
- vector
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
- H04L25/0246—Channel estimation channel estimation algorithms using matrix methods with factorisation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于先验信息矩阵的无线信道稀疏特征估计方法,该方法包括下列顺序的步骤:(1)发射导频信号,采集接收信号;(2)生成先验信息矩阵;(3)选取候选原子,构成候选原子集;(4)利用候选原子集估计无线信道稀疏特征。本发明通过设计先验信息矩阵,利用先验信息矩阵作为线性投影矩阵,以此对接收信号进行分解,解决了无线信道的特征参数的估计问题。此外,本发明利用带有信号特征的先验信息向量来构造先验信息矩阵,使得所构造的矩阵包含有更多的信息量,从而提升了原子的有效性和可靠性,更好地解决了无线信道特征估计的准确性。
Description
技术领域
本发明涉及无线信道技术领域,尤其是一种基于先验信息矩阵的无线信道稀疏特征估计方法。
背景技术
无线信道的稀疏特征估计是当今信息传输领域的一项重要研究课题,是更好地把握信号传输规律,解决通信过程中的可靠性、实时性和稳定性问题的前提条件。鉴于无线信号在信道传输过程具有复杂性、时变性,制约着信号传输的可靠性、准确性和安全性,因此,无线信道稀疏特征估计技术一直是无线通信领域的关键技术和核心突破点,相关问题的探索有着重要意义。
在无线信号的传输过程中,无线信道在时域、频域均具有明显的稀疏特性,快速准确地估计信道的稀疏特征是当下的核心问题。目前,信道特征估计的常用方法有贪婪迭代法、最小二乘法和主成分分析法,这些方法能够较好地估计信道特征,但仍然存在因投影矩阵的选取不优而导致的估计不准确,这是由于所使用的投影矩阵并未考虑信号的特征,难以保证投影矩阵中原子信息量的有效性,从而影响了特征估计的精度。
发明内容
本发明的目的在于提供一种设计一个包含有信号信息的先验信息矩阵,通过迭代选取出先验信息矩阵中的最优原子对接收信号进行分解,从而自适应地估计无线信道特征的基于先验信息矩阵的无线信道稀疏特征估计方法。
为实现上述目的,本发明采用了以下技术方案:一种基于先验信息矩阵的无线信道稀疏特征估计方法,该方法包括下列顺序的步骤:
(1)发射导频信号,采集接收信号:连续发射t次脉冲宽度为B、数据符号周期为Ts的导频信号xi=[x1 x2 ... xN]',设置采样频率fs=1/Ts,采集时长为τ,采样点数M=fsτ,采集第t次接收信号y=[y1 y2 ... yM]',其中,i=1,2,...,t,M<<N,[·]'表示求转置;
(2)生成先验信息矩阵:利用发射的t条导频信号xi,计算N维先验信息向量a=[a1a2 ... aN]',由先验信息向量构成一个行数为M、列数为N的M×N维先验信息矩阵T=[t1 t2... tN],其中,T的列tj称为原子,j=1,2,...,N;
(3)选取候选原子,构成候选原子集:计算投影系数的模值θj,从先验信息矩阵T=[t1 t2 ... tN]中选择K个候选原子记为构成候选原子集并将对应的原子索引记为λq加入候选原子索引集Λ=[λ1 λ2 ... λK],其中,K<M,q=1,2,...,K;
所述步骤(2)中N维先验信息向量a=[a1 a2 ... aN]'的计算方法如下:
所述步骤(2)的M×N维先验信息矩阵T=[t1 t2 ... tN]的生成方法如下:
(3a)形成N个元素的序列:将先验信息向量中的元素取出构成序列ase={a1 a2... aM ... aN};
(3b)构造先验信息矩阵:利用(3a)所得序列的元素循环生成先验信息矩阵的列向量,则先验信息矩阵形式如下:
(4a)初始化:待分解向量rk=y,候选原子集Ck=[φ],候选原子索引集Λk=[φ],迭代次数k=1,其中,[φ]表示空集;
(4b)选取候选原子:分别计算N个投影系数的模值θj=|<rk,tj>|,并求出最大值并将θmax所对应的的原子加入候选原子集Ck=Ck-1∪tj,将该原子的索引记为λq,加入候选原子索引集Λk=Λk-1∪λq,<·>表示求内积,|·|表示求模,j=1,2,...,N,q=1,2,...,K;
(4c)更新待分解向量:rk=y-(Ck·C'k)rk-1,其中,rk-1表示当前待分解向量,[·]'表示求转置;
(4d)判断停止条件(||rk||2<||rk-1||2):若停止条件不满足,k=k+1,返回步骤(2);若停止条件满足,则停止,其中,||·||2表示求二范数。
由上述技术方案可知,本发明的优点在于:第一,采用均值法简单有效地获取包含信号信息的先验信息向量;第二,通过先验信息向量所构成的先验信息矩阵包含丰富的信号信息,保证了原子的有效性,以此迭代选取最优原子,实现无限信道特征的准确估计。
附图说明
图1为本发明的方法流程图。
具体实施方式
由压缩感知理论可知,投影矩阵的优劣对于能否快速准确地获取估计信号至关重要。然而,在未考虑信号所携带信息的情况下,投影矩阵所包含的信息量有限,因此限制了原子的有效性。利用信号自身特性所得到的先验信息向量携带有更丰富的信息,用该向量构造的投影矩阵能更好地体现信号特征。在实现无线信道稀疏特征估计的过程中,由于投影矩阵中原子所含有的信息更充分,迭代所产生的估计值也就越准确可靠。
如图1所示,一种基于先验信息矩阵的无线信道稀疏特征估计方法,该方法包括下列顺序的步骤:
(1)发射导频信号,采集接收信号:连续发射t次脉冲宽度为B、数据符号周期为Ts的导频信号xi=[x1 x2 ... xN]',设置采样频率fs=1/Ts,采集时长为τ,采样点数M=fsτ,采集第t次接收信号y=[y1 y2 ... yM]',其中,i=1,2,...,t,M<<N,[·]'表示求转置;
(2)生成先验信息矩阵:利用发射的t条导频信号xi,计算N维先验信息向量a=[a1a2 ... aN]',由先验信息向量构成一个行数为M、列数为N的M×N维先验信息矩阵T=[t1 t2... tN],其中,T的列tj称为原子,j=1,2,...,N;
(3)选取候选原子,构成候选原子集:计算投影系数的模值θj,从先验信息矩阵T=[t1 t2 ... tN]中选择K个候选原子记为构成候选原子集并将对应的原子索引记为λq加入候选原子索引集Λ=[λ1 λ2 ... λK],其中,K<M,q=1,2,...,K;
所述步骤(2)中N维先验信息向量a=[a1 a2 ... aN]'的计算方法如下:
所述步骤(2)的M×N维先验信息矩阵T=[t1 t2 ... tN]的生成方法如下:
(3a)形成N个元素的序列:将先验信息向量中的元素取出构成序列ase={a1 a2... aM ... aN};
(3b)构造先验信息矩阵:利用(3a)所得序列的元素循环生成先验信息矩阵的列向量,则先验信息矩阵形式如下:
(4a)初始化:待分解向量rk=y,候选原子集Ck=[φ],候选原子索引集Λk=[φ],迭代次数k=1,其中,[φ]表示空集;
(4b)选取候选原子:分别计算N个投影系数的模值θj=|<rk,tj>|,并求出最大值并将θmax所对应的的原子加入候选原子集Ck=Ck-1∪tj,将该原子的索引记为λq,加入候选原子索引集Λk=Λk-1∪λq,<·>表示求内积,|·|表示求模,j=1,2,...,N,q=1,2,...,K;
(4c)更新待分解向量:rk=y-(Ck·C'k)rk-1,其中,rk-1表示当前待分解向量,[·]'表示求转置;
(4d)判断停止条件(||rk||2<||rk-1||2):若停止条件不满足,k=k+1,返回步骤(2);若停止条件满足,则停止,其中,||·||2表示求二范数。
综上所述,本发明通过设计先验信息矩阵,利用先验信息矩阵作为线性投影矩阵,以此对接收信号进行分解,解决了无线信道的特征参数的估计问题。此外,本发明利用带有信号特征的先验信息向量来构造先验信息矩阵,使得所构造的矩阵包含有更多的信息量,从而提升了原子的有效性和可靠性,更好地解决了无线信道特征估计的准确性。
Claims (1)
1.一种基于先验信息矩阵的无线信道稀疏特征估计方法,其特征在于:该方法包括下列顺序的步骤:
(1)发射导频信号,采集接收信号:连续发射t次脉冲宽度为B、数据符号周期为Ts的导频信号xi=[x1 x2…xN]',设置采样频率fs=1/Ts,采集时长为τ,采样点数M=fsτ,采集第t次接收信号y=[y1 y2...yM]',其中,i=1,2,...,t,M<<N,[·]'表示求转置;
(2)生成先验信息矩阵:利用发射的t条导频信号xi,计算N维先验信息向量a=[a1a2...aN]',由先验信息向量构成一个行数为M、列数为N的M×N维先验信息矩阵T=[t1t2...tN],其中,T的列tj称为原子,j=1,2,…,N;
(3)选取候选原子,构成候选原子集:计算投影系数的模值θj,从先验信息矩阵T=[t1t2...tN]中选择K个候选原子记为构成候选原子集并将对应的原子索引记为λq加入候选原子索引集Λ=[λ1 λ2...λK],其中,K<M,q=1,2,...,K;
所述步骤(2)中N维先验信息向量a=[a1 a2…aN]'的计算方法如下:
所述步骤(2)的M×N维先验信息矩阵T=[t1 t2…tN]的生成方法如下:
(3a)形成N个元素的序列:将先验信息向量中的元素取出构成序列ase={a1 a2…aM…aN};
(3b)构造先验信息矩阵:利用(3a)所得序列的元素循环生成先验信息矩阵的列向量,则先验信息矩阵形式如下:
(4a)初始化:待分解向量rk=y,候选原子集Ck=[φ],候选原子索引集Λk=[φ],迭代次数k=1,其中,[φ]表示空集;
(4b)选取候选原子:分别计算N个投影系数的模值θj=|<rk,tj>|,并求出最大值并将θmax所对应的的原子加入候选原子集Ck=Ck-1∪tj,将该原子的索引记为λq,加入候选原子索引集Λk=Λk-1∪λq,<·>表示求内积,|·|表示求模,j=1,2,…,N,q=1,2,...,K;
(4c)更新待分解向量:rk=y-(Ck·C'k)rk-1,其中,rk-1表示当前待分解向量,[·]'表示求转置;
(4d)判断停止条件(||rk||2<||rk-1||2):若停止条件不满足,k=k+1,返回步骤(2);若停止条件满足,则停止,其中,||·||2表示求二范数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810448909.1A CN108768900B (zh) | 2018-05-11 | 2018-05-11 | 一种基于先验信息矩阵的无线信道稀疏特征估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810448909.1A CN108768900B (zh) | 2018-05-11 | 2018-05-11 | 一种基于先验信息矩阵的无线信道稀疏特征估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108768900A CN108768900A (zh) | 2018-11-06 |
CN108768900B true CN108768900B (zh) | 2020-09-15 |
Family
ID=64010158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810448909.1A Active CN108768900B (zh) | 2018-05-11 | 2018-05-11 | 一种基于先验信息矩阵的无线信道稀疏特征估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108768900B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102244624A (zh) * | 2011-07-12 | 2011-11-16 | 深圳数字电视国家工程实验室股份有限公司 | 基于正交匹配追踪的稀疏信道估计方法 |
CN102291341A (zh) * | 2011-07-08 | 2011-12-21 | 南京邮电大学 | 基于压缩感知的宽带频谱感知方法 |
CN102421105A (zh) * | 2012-01-12 | 2012-04-18 | 北京邮电大学 | 超宽带压缩感知无线信道建模方法 |
CN102833193A (zh) * | 2012-08-20 | 2012-12-19 | 宁波大学 | 一种双向中继网络中基于压缩感知的稀疏信道估计方法 |
CN103780521A (zh) * | 2014-02-28 | 2014-05-07 | 重庆邮电大学 | 一种稀疏度自适应的ofdm系统信道估计方法 |
CN104022979A (zh) * | 2014-06-23 | 2014-09-03 | 东南大学 | 一种联合稀疏信道估计方法、装置及系统 |
CN104361192A (zh) * | 2014-05-09 | 2015-02-18 | 哈尔滨工程大学 | 一种压缩感知分析模型下的稀疏表示自适应重构方法 |
CN104836759A (zh) * | 2015-05-18 | 2015-08-12 | 西北工业大学 | 基于联合范数优化的稳健的水声信道估计方法 |
CN106487389A (zh) * | 2016-10-13 | 2017-03-08 | 南开大学 | 一种基于压缩感知的顺序正交匹配追踪算法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8619918B2 (en) * | 2008-09-25 | 2013-12-31 | Nec Laboratories America, Inc. | Sparse channel estimation for MIMO OFDM systems |
-
2018
- 2018-05-11 CN CN201810448909.1A patent/CN108768900B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102291341A (zh) * | 2011-07-08 | 2011-12-21 | 南京邮电大学 | 基于压缩感知的宽带频谱感知方法 |
CN102244624A (zh) * | 2011-07-12 | 2011-11-16 | 深圳数字电视国家工程实验室股份有限公司 | 基于正交匹配追踪的稀疏信道估计方法 |
CN102421105A (zh) * | 2012-01-12 | 2012-04-18 | 北京邮电大学 | 超宽带压缩感知无线信道建模方法 |
CN102833193A (zh) * | 2012-08-20 | 2012-12-19 | 宁波大学 | 一种双向中继网络中基于压缩感知的稀疏信道估计方法 |
CN103780521A (zh) * | 2014-02-28 | 2014-05-07 | 重庆邮电大学 | 一种稀疏度自适应的ofdm系统信道估计方法 |
CN104361192A (zh) * | 2014-05-09 | 2015-02-18 | 哈尔滨工程大学 | 一种压缩感知分析模型下的稀疏表示自适应重构方法 |
CN104022979A (zh) * | 2014-06-23 | 2014-09-03 | 东南大学 | 一种联合稀疏信道估计方法、装置及系统 |
CN104836759A (zh) * | 2015-05-18 | 2015-08-12 | 西北工业大学 | 基于联合范数优化的稳健的水声信道估计方法 |
CN106487389A (zh) * | 2016-10-13 | 2017-03-08 | 南开大学 | 一种基于压缩感知的顺序正交匹配追踪算法 |
Also Published As
Publication number | Publication date |
---|---|
CN108768900A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108322409B (zh) | 基于广义正交匹配追踪算法的稀疏ofdm信道估计方法 | |
Dai et al. | Subspace pursuit for compressive sensing signal reconstruction | |
Pompe et al. | Momentary information transfer as a coupling measure of time series | |
CN102244624B (zh) | 基于正交匹配追踪的稀疏信道估计方法 | |
US20100054355A1 (en) | Wireless communication system | |
Medles et al. | Linear prediction based semi-blind estimation of MIMO FIR channels | |
CN106161326A (zh) | 一种水声块结构稀疏信道的快速估计方法 | |
Babadi et al. | Asymptotic achievability of the Cramér–Rao bound for noisy compressive sampling | |
CN106027445A (zh) | 一种水声块结构稀疏特性的信道估计方法 | |
CN111147407B (zh) | 基于信道预测的tmsbl水声ofdm时变信道估计方法 | |
CN110198281A (zh) | 基于压缩感知的稀疏度自适应匹配追踪的信道估计方法 | |
Le Roux et al. | Source localization in reverberant environments using sparse optimization | |
CN110380994B (zh) | 快速贝叶斯匹配追踪海上稀疏信道估计方法 | |
CN107979440B (zh) | 基于重叠复用的译码方法、装置及调制解调方法和系统 | |
CN101174863A (zh) | 在多天线数字通信系统中检测信号的方法 | |
CN103346991B (zh) | 一种基于循环前缀的信道估计与同步方法 | |
CN108768900B (zh) | 一种基于先验信息矩阵的无线信道稀疏特征估计方法 | |
JP5723371B2 (ja) | Ofdm通信システムにおいて通信路を推定するためのプロセス、およびそのための受信機 | |
Oh et al. | Accurate system voltage and timing margin simulation in high-speed I/O system designs | |
Arunkumar et al. | Iterative sparse channel estimation and data detection for underwater acoustic communications using partial interval demodulation | |
CN105847192B (zh) | 一种动态稀疏信道的联合估计方法 | |
CN104682963A (zh) | 一种信号循环平稳特性的重构方法 | |
CN107911320B (zh) | 一种基于能量熵的无线信道稀疏特征提取方法 | |
CN111291511A (zh) | 一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法 | |
CN111082973B (zh) | 基于杠杆采样的网络时延估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |