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

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

一种基于先验信息矩阵的无线信道稀疏特征估计方法

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T_s的导频信号x_i＝[x₁ x₂ ... x_N]'，设置采样频率f_s＝1/T_s，采集时长为τ，采样点数M＝f_sτ，采集第t次接收信号y＝[y₁ y₂ ... y_M]'，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x_i，计算N维先验信息向量a＝[a₁a₂ ... a_N]'，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... t_N]，其中，T的列t_j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θ_j，从先验信息矩阵T＝[t₁ t₂ ... t_N]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λ_q加入候选原子索引集Λ＝[λ₁ λ₂ ... λ_K]，其中，K＜M，q＝1,2,...,K；

(4)利用候选原子集估计无线信道稀疏特征：对于接收信号y，利用候选原子集

估计无线信道稀疏特征：即接收信号y在候选原子上的投影系数向量：

[·]'表示求转置。

所述步骤(2)中N维先验信息向量a＝[a₁ a₂ ... a_N]'的计算方法如下：

由所述步骤(1)中发射的t条导频信号x_i＝[x₁ x₂ ... x_N]'求均值得到先验信息向量：

其中，i＝1,2,...,t。

所述步骤(2)的M×N维先验信息矩阵T＝[t₁ t₂ ... t_N]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a_se＝{a₁ a₂... a_M ... a_N}；

(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：

记矩阵形式为T＝[t₁ t₂ ... t_N]，其中，t_j称为原子，j＝1,2,...,N。

所述步骤(3)中选择K个候选原子

构成候选原子集C_k的方法如下：

(4a)初始化：待分解向量r_k＝y，候选原子集C_k＝[φ]，候选原子索引集Λ_k＝[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θ_j＝|<r_k,t_j>|，并求出最大值

并将θ_max所对应的的原子加入候选原子集C_k＝C_k-1∪t_j，将该原子的索引记为λ_q，加入候选原子索引集Λ_k＝Λ_k-1∪λ_q，<·>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：r_k＝y-(C_k·C'_k)r_k-1，其中，r_k-1表示当前待分解向量，[·]'表示求转置；

(4d)判断停止条件(||r_k||₂＜||r_k-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T_s的导频信号x_i＝[x₁ x₂ ... x_N]'，设置采样频率f_s＝1/T_s，采集时长为τ，采样点数M＝f_sτ，采集第t次接收信号y＝[y₁ y₂ ... y_M]'，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x_i，计算N维先验信息向量a＝[a₁a₂ ... a_N]'，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... t_N]，其中，T的列t_j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θ_j，从先验信息矩阵T＝[t₁ t₂ ... t_N]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λ_q加入候选原子索引集Λ＝[λ₁ λ₂ ... λ_K]，其中，K＜M，q＝1,2,...,K；

(4)利用候选原子集估计无线信道稀疏特征：对于接收信号y，利用候选原子集

估计无线信道稀疏特征：即接收信号y在候选原子上的投影系数向量：

[·]'表示求转置。

所述步骤(2)中N维先验信息向量a＝[a₁ a₂ ... a_N]'的计算方法如下：

由所述步骤(1)中发射的t条导频信号x_i＝[x₁ x₂ ... x_N]'求均值得到先验信息向量：

其中，i＝1,2,...,t。

所述步骤(2)的M×N维先验信息矩阵T＝[t₁ t₂ ... t_N]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a_se＝{a₁ a₂... a_M ... a_N}；

(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：

记矩阵形式为T＝[t₁ t₂ ... t_N]，其中，t_j称为原子，j＝1,2,...,N。

所述步骤(3)中选择K个候选原子

构成候选原子集C_k的方法如下：

(4a)初始化：待分解向量r_k＝y，候选原子集C_k＝[φ]，候选原子索引集Λ_k＝[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θ_j＝|<r_k,t_j>|，并求出最大值

并将θ_max所对应的的原子加入候选原子集C_k＝C_k-1∪t_j，将该原子的索引记为λ_q，加入候选原子索引集Λ_k＝Λ_k-1∪λ_q，<·>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：r_k＝y-(C_k·C'_k)r_k-1，其中，r_k-1表示当前待分解向量，[·]'表示求转置；

(4d)判断停止条件(||r_k||₂＜||r_k-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T_s的导频信号x_i＝[x₁ x₂…x_N]'，设置采样频率f_s＝1/T_s，采集时长为τ，采样点数M＝f_sτ，采集第t次接收信号y＝[y₁ y₂...y_M]'，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x_i，计算N维先验信息向量a＝[a₁a₂...a_N]'，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...t_N]，其中，T的列t_j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θ_j，从先验信息矩阵T＝[t₁t₂...t_N]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λ_q加入候选原子索引集Λ＝[λ₁ λ₂...λ_K]，其中，K＜M，q＝1,2,...,K；

(4)利用候选原子集估计无线信道稀疏特征：对于接收信号y，利用候选原子集

估计无线信道稀疏特征：即接收信号y在候选原子上的投影系数向量：

[·]'表示求转置；

所述步骤(2)中N维先验信息向量a＝[a₁ a₂…a_N]'的计算方法如下：

由所述步骤(1)中发射的t条导频信号x_i＝[x₁ x₂…x_N]'求均值得到先验信息向量：

其中，i＝1,2,…,t；

所述步骤(2)的M×N维先验信息矩阵T＝[t₁ t₂…t_N]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a_se＝{a₁ a₂…a_M…a_N}；

(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：

记矩阵形式为T＝[t₁t₂…t_N]，其中，t_j称为原子，j＝1,2,…,N；

所述步骤(3)中选择K个候选原子

构成候选原子集C_k的方法如下：

(4a)初始化：待分解向量r_k＝y，候选原子集C_k＝[φ]，候选原子索引集Λ_k＝[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θ_j＝|<r_k,t_j>|，并求出最大值

并将θ_max所对应的的原子加入候选原子集C_k＝C_k-1∪t_j，将该原子的索引记为λ_q，加入候选原子索引集Λ_k＝Λ_k-1∪λ_q，<·>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：r_k＝y-(C_k·C'_k)r_k-1，其中，r_k-1表示当前待分解向量，[·]'表示求转置；

(4d)判断停止条件(||r_k||₂＜||r_k-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。

Images