CN111277522A - 一种水声ofdm通信系统中信道参数的快速重构方法 - Google Patents
一种水声ofdm通信系统中信道参数的快速重构方法 Download PDFInfo
- Publication number
- CN111277522A CN111277522A CN202010077111.8A CN202010077111A CN111277522A CN 111277522 A CN111277522 A CN 111277522A CN 202010077111 A CN202010077111 A CN 202010077111A CN 111277522 A CN111277522 A CN 111277522A
- Authority
- CN
- China
- Prior art keywords
- iteration
- channel
- matrix
- time delay
- hermite
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004891 communication Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 239000013598 vector Substances 0.000 claims abstract description 30
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012804 iterative process Methods 0.000 claims description 4
- 210000003850 cellular structure Anatomy 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 8
- 230000001934 delay Effects 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 11
- 239000000969 carrier Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
-
- 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
-
- 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
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种水声OFDM通信系统中信道参数的快速重构方法,该方法通过在已有的基于提前计算埃尔米特内积标签矩阵的重构框架下,通过有效的QR分解求解信道路径幅度矢量,给出了迭代过程中Q与R矩阵的更新方法,不需要每次迭代都进行QR分解,大大降低了重构的复杂度。另外,通过将先前迭代已选出的所有时延对应于埃尔米特内积矩阵C中的行全部置零,在不增加复杂度的情况下避免了不同迭代过程因选择相同时延导致的时延估计错误问题。本发明提供的快速重构方法能够在不影响信息传输精度的前提下大大提高了传输速率。
Description
技术领域
本发明属于水声通信技术领域,具体地说,涉及一种水声OFDM通信系统中信道参数的快速重构方法。
背景技术
正交频分复用(Orthogonal frequency division multiplexing,OFDM)是一种多载波传输技术,目前已被广泛应用于水声通信系统以提高频谱效率。但是,复杂多变的水声信道环境使得传统的信道估计性能下降,进而降低了传输效率。由于水声信道具有稀疏性,将压缩感知(Compressing Sensing,CS)用于信道估计可提高估计性能。然而,水声信道的时变性使得OFDM系统的载波产生频率扩展,即所谓的载波间干扰(Inter-carrierinterference,ICI)。ICI使得水声信道矩阵是全矩阵,这增加了信道估计的难度。
目前,基于路径的参数化水声信道模型由于其较好的贴合实际水声信道而受到广泛关注,该模型中每条信道路径由幅度、时延和多普勒扩展三个参数决定。在该模型基础上,一种时变信道下ICI-感知的信道估计方法已被提出,该方法通过构造所谓的过完备字典重新描述估计问题,采用正交匹配追踪(Orthogonal matching pursuit,OMP)重构算法估计信道的路径参数,大量研究已表明,该方法拥有较好的估计精度。但是,OMP重构方法的使用亦导致了非常高的估计复杂度,不利于水下信息的实时传输,使得水下信息传输效率较低。
发明内容
本发明针对现有用于水声信道估计的重构方法计算量大,导致通信实时性差的技术问题,本发明提出了一种水声OFDM通信系统中信道参数的快速重构方法,可以解决上述问题。
为实现上述发明目的,本发明采用下述技术方案予以实现:
一种水声OFDM通信系统中信道参数的快速重构方法,包括:
S1:接收信号数据进行输入;
S2:对信号数据以及后续迭代过程相关的参数进行初始化处理;
S4:迭代结束后对信道参数进行输出。
进一步的,所述S3中的QR分解具体为:
在第一次迭代时,通过QR分解原理将支撑集Ψ1分解为Ψ1=Q1R1,其中R1=||Ψ1||,Q1=Ψ1/R1;在后续迭代中,R与Q矩阵按如下过程更新:
首先将Rt[1:t-1,t]更新为然后将Rt[t,t]更新为||at||,at为支撑集Ψt的正交矩阵中的第t个矢量,其值为at=Ψt[:,t]-Qt-1Rt[1:t-1,t];最后将Qt[:,t]更新为at/||at||;每次计算或更新完Q和R矩阵后,计算信道幅度矢量为
进一步的,所述S1具体为:所述通信系统接收端接收的信号数据z;利用通信系统模型参数计算得到过完备字典Φ及元胞结构Gall{}。
进一步的,所述S3中迭代过程为:
其中v和u分别为选中的时延与多普勒扩展因子在时延-网格中的位置,Nτ和Nb分别为时延网格数和多普勒网格数;
S3-3:QR分解及Q与R矩阵的更新:
S3-5:选择埃尔米特内积标签矩阵:
Gt=Gall{v,u};
S3-6:更新埃尔米特内积矩阵:
S3-7:优化埃尔米特内积矩阵:
Ct[γt,:]=0
S3-8:t=t+1,如果迭代次数t大于信道路径数Npa,则结束迭代。
与现有技术相比,本发明的优点和积极效果是:
本发明的水声OFDM通信系统中信道参数的快速重构方法,首先,在提前计算埃尔米特内积标签矩阵所形成的重构算法迭代框架下,通过更有效的QR分解方法代替最小二乘法求解路径幅度矢量,并进一步给出了Q和R矩阵在迭代过程中的更新公式,不需要每次迭代都进行QR分解,进一步降低了复杂度,最终实现水声信道的快速估计,提高了水下信息传输的效率,并且保持了原传输的精度。另外,本发明通过将先前迭代已选出的所有时延对应于埃尔米特内积矩阵C中的行全部置零,在不增加复杂度的情况下避免了不同迭代过程因选择相同时延导致的时延估计错误问题。
结合附图阅读本发明的具体实施方式后,本发明的其他特点和优点将变得更加清楚。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一种实施例流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下将结合附图和实施例,对本发明作进一步详细说明。
实施例1,在水下通信领域,需要首先估计信道状态信息,以提高接收端数据解调的正确率,水声信道估计的计算量和精确度直接影响了通信的实时性和准确率。
本实施例(图1所示)首先介绍所采用的水声通信系统模型和信道估计模型,然后详细介绍本发明具体步骤。
1、本实施例所采用的水声OFDM通信系统模型如下:
(1)OFDM通信系统的发射端模型如下:
假设OFDM系统共具有K个子载波,符号间隔为T,中心频率为fc,则第k个子载波的频率为
fk=fc+k/T,k=-K/2,L,K/2-1; (1)
数据子载波Sd和导频子载波Sp满足Sd∪Sp={-K/2,L,K/2-1},发射的带通信号为
其中,Tcp为系统的保护间隔,s[k]为第k个子载波携带的数据,q(t)为脉冲成型滤波器。
(2)时变多径水声信道模型如下:
其中,Npa为信道路径的数量,Ap,τp和ap分别为第p条路径的幅度、时延和多普勒扩展。
(3)OFDM通信系统的接收端模型如下:
经过多普勒补偿及解调后,接收端接收到的数据z与发射端发送的数据s的关系一般被表示为:
z=Hs+w; (5)
其中,w为频域噪声,信道矩阵H被表示为:
2、在上述模型基础上,本实施例采用的信道估计模型具体步骤如下:
由于时变信道下ICI的影响,我们无法直接提取导频信号进行信道估计,因此,ICI-感知的信道估计依赖所有子载波上的频率测量值。首先定义两个矢量
由公式(5)与公式(7)可知
z=Hsp+Hsd+w=Hsp+v; (8)
利用压缩感知理论解决公式(9)的一般步骤为:首先建立包含所有可能的时延-多普勒网格,然后建立以ΛpΓpsp为列的字典矩阵Φ,最后根据接收信号利用OMP重构算法估计信道,即估计出各路径的等效时延等效多普勒扩展因子b和等效幅度ξ。具体步骤如下:
(1)根据系统的保护间隔Tcp与假设的最大多普勒扩展bmax建立时延-多普勒网格:
b∈{-bmax,-bmax+Δb,L,bmax};
其中,o为过采样因子,B为系统带宽,Tcp为系统的保护间隔,bmax为假设的最大多普勒扩展,Δb是多普勒分辨率。该网格中共有Nτ=Tcp/(oB)个时延与Nb=2bmax/Δb+1个多普勒扩展因子。
(3)利用OMP算法估计信道参数,具体步骤如下:
输入:接收的数据z,过完备字典Φ;
迭代:
①计算残差r与过完备字典Φ中每一列的内积,根据内积大小选择时延与多普勒扩展因子:
②更新时延集、多普勒扩展集和支撑集:
③最小二乘法估计路径幅度矢量:
④更新残差:
⑤t=t+1,如果t>Npa,则结束迭代。
由公式(10)和公式(13)可知:
式(14)说明OMP算法每次迭代都会重复计算|<Φ,r0>|,带来了大量的计算冗余;而且,式(12)采用最小二乘法计算路径幅度,复杂度较高。
在上述通信系统模型和信道估计模型下,接收端如何更加快速的重构出未知的水声信道的状态信息,即各路径的幅度、时延和多普勒扩展因子,即是本发明所要解决的技术问题。
3、本实施例提出了一种OFDM水声通信系统中信道参数的快速重构方法,包括以下步骤:
(1)首先定义Nτ×Nb的矩阵C为埃尔米特内积矩阵,其元素为
C[q,i]=<Ξ(i)[:,q],r>;
若忽略噪声的影响,则
其中,Gp[q,i]=<Ξ(i)[:,q],ΛpΓpsp>为Nτ×Nb的埃尔米特内积索引矩阵。由G的定义可知,时延-多普勒网格中每组均对应一个矩阵G,本发明计算出所有可能的NτNb个矩阵G,将其保存于Nτ×Nb的元胞结构Gall{}中,使得Gall{v,u}代表对应的矩阵G。
(2)迭代地估计信道参数,具体步骤为:
输入:接收的数据z,过完备字典Φ,元胞结构Gall{};
迭代:
①寻找矩阵Ct-1中的最大值,根据最大值的位置得到时延与多普勒扩展因子:
②更新时延集、多普勒扩展集、支撑集和时延索引矢量:
③基于QR分解的信道幅度矢量计算:
本发明通过将支撑集Ψ进行QR分解,并推导出Q与R矩阵在迭代中的更新公式,有效降低了求解信道幅度矢量的复杂度。
④选择埃尔米特内积标签矩阵:
Gt=Gall{v,u}; (17)
⑤更新埃尔米特内积矩阵:
⑥优化埃尔米特内积矩阵:
Ct[γt,:]=0 (19)
⑦t=t+1,如果t>Npa,则结束迭代。
4、本发明所提重构方法中QR分解的推导过程如下:
定义At=[a1 L at]和Qt=[e1 L et](ei=ai/||ai||)分别为支撑集Ψt的正交矩阵和标准正交矩阵,根据施密特正交化原理,Ψt可分解为如下形式:
但是,若每次迭代均进行QR分解仍会有较大计算量,因此需要优化QR分解的过程。由式(22)以及支撑集Ψt的更新特点可知,Qt和Rt可由Qt-1和Rt-1更新得到:
Qt=[Qt-1 et] (23)
其中
为了验证本方法,本实施例中利用MATLAB仿真建立了水声OFDM通信系统模型、信道估计模型,OFDM通信系统的具体参数如表1所示:
表1
本实施例随机生成了具有Npa条路径的水声信道,其中,路径之间的到达时间按均值为1ms的指数分布产生,路径的幅度按照平均功率随时延按指数减小的瑞丽分布产生,路径的等效多普勒扩展因子bp均匀分布于[-5e-4,5e-4](bmax=5e-4,声速c=1500m/s),设置多普勒分辨率为Δb=1e-4。
分析本发明方法与传统OMP算法在不同过采样因子o的情况下的复杂度及平均重构时间,如表2所示,结果表明,本发明所提重构算法具有更低的复杂度,重构时间约为OMP算法的3/4。
表2
进一步的,仿真分析本发明方法与传统OMP算法在不同信噪比(SNR)及不同信道路径数(Npa)下的误码率比较,如表3与表4所示,结果表明,本发明所提重构算法在不同过采样因子o、不同信噪比和不同信道路径数的情况下的估计精度均与传统OMP算法相同,说明本发明方法并未因复杂度的降低而降低估计精度。
表3
表4
以上实施例仅用以说明本发明的技术方案,而非对其进行限制;尽管参照前述实施例对本发明进行了详细的说明,对于本领域的普通技术人员来说,依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。
Claims (6)
3.如权利要求1所述的快速重构方法,其特征在于,所述S1具体为:所述通信系统接收端接收的信号数据z;利用通信系统模型参数计算得到过完备字典Φ及元胞结构Gall{}。
5.如权利要求1所述的快速重构方法,其特征在于,所述S3中迭代过程为:
其中v和u分别为选中的时延与多普勒扩展因子在时延-网格中的位置,Nτ和Nb分别为时延网格数和多普勒网格数;
S3-3:QR分解及Q与R矩阵的更新:
If t==1
R1=||Ψ1||;Q1=Ψ1/R1;
else
Rt[t,t]=||at||=||Ψt[:,t]-Qt-1ωt||;
Qt[:,t]=et=at/||at||;
end;
S3-5:选择埃尔米特内积标签矩阵:
Gt=Gall{v,u};
S3-6:更新埃尔米特内积矩阵:
S3-7:优化埃尔米特内积矩阵:
Ct[γt,:]=0
S3-8:t=t+1,如果迭代次数t大于信道路径数Npa,则结束迭代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010077111.8A CN111277522B (zh) | 2020-01-23 | 2020-01-23 | 一种水声ofdm通信系统中信道参数的快速重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010077111.8A CN111277522B (zh) | 2020-01-23 | 2020-01-23 | 一种水声ofdm通信系统中信道参数的快速重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111277522A true CN111277522A (zh) | 2020-06-12 |
CN111277522B CN111277522B (zh) | 2021-07-06 |
Family
ID=71001962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010077111.8A Active CN111277522B (zh) | 2020-01-23 | 2020-01-23 | 一种水声ofdm通信系统中信道参数的快速重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111277522B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009035752A1 (en) * | 2007-09-11 | 2009-03-19 | Massachusetts Institute Of Technology | Method of non-uniform doppler compensation for wideband orthogonal frequency division multiplexed signals |
US20090268803A1 (en) * | 2008-04-28 | 2009-10-29 | Newport Media, Inc. | Channel Estimation for High Doppler Mobile Environments |
CN102415005A (zh) * | 2009-08-17 | 2012-04-11 | 上海贝尔股份有限公司 | 在通信网络中用于保持预编码信道相干性的方法及装置 |
CN103051578A (zh) * | 2012-12-04 | 2013-04-17 | 北京工业大学 | 带有ici消除的迭代差错扩散判决ofdm信道估计方法 |
CN103107969A (zh) * | 2013-01-07 | 2013-05-15 | 北京工业大学 | 一种快变ofdm系统的渐进迭代时变信道估计和ici消除方法 |
CN103701749A (zh) * | 2014-01-10 | 2014-04-02 | 厦门大学 | 一种利用压缩感知获得水声信道互易性的方法 |
CN103746731A (zh) * | 2014-01-21 | 2014-04-23 | 电子科技大学 | 基于概率计算的多输入多输出检测器及检测方法 |
CN105915272A (zh) * | 2016-06-20 | 2016-08-31 | 电子科技大学 | 一种基于压缩感知的迭代波束成形方法 |
CN106685555A (zh) * | 2017-03-03 | 2017-05-17 | 燕山大学 | 基于低秩矩阵恢复的mimo水声系统信道状态信息反馈方法 |
CN108848043A (zh) * | 2018-06-05 | 2018-11-20 | 哈尔滨工程大学 | 基于压缩感知的低复杂度水声稀疏时变信道估计方法 |
CN109039960A (zh) * | 2018-06-26 | 2018-12-18 | 东南大学 | 一种水声稀疏信道估计变步长稀疏度自适应匹配追踪方法 |
CN109194596A (zh) * | 2018-10-15 | 2019-01-11 | 哈尔滨工程大学 | 一种基于稀疏贝叶斯学习的水声ofdm时变信道估计方法 |
CN110059401A (zh) * | 2019-04-15 | 2019-07-26 | 青岛科技大学 | 一种ofdm系统水声信道冲激响应重构方法 |
-
2020
- 2020-01-23 CN CN202010077111.8A patent/CN111277522B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009035752A1 (en) * | 2007-09-11 | 2009-03-19 | Massachusetts Institute Of Technology | Method of non-uniform doppler compensation for wideband orthogonal frequency division multiplexed signals |
US20090268803A1 (en) * | 2008-04-28 | 2009-10-29 | Newport Media, Inc. | Channel Estimation for High Doppler Mobile Environments |
CN102415005A (zh) * | 2009-08-17 | 2012-04-11 | 上海贝尔股份有限公司 | 在通信网络中用于保持预编码信道相干性的方法及装置 |
CN103051578A (zh) * | 2012-12-04 | 2013-04-17 | 北京工业大学 | 带有ici消除的迭代差错扩散判决ofdm信道估计方法 |
CN103107969A (zh) * | 2013-01-07 | 2013-05-15 | 北京工业大学 | 一种快变ofdm系统的渐进迭代时变信道估计和ici消除方法 |
CN103701749A (zh) * | 2014-01-10 | 2014-04-02 | 厦门大学 | 一种利用压缩感知获得水声信道互易性的方法 |
CN103746731A (zh) * | 2014-01-21 | 2014-04-23 | 电子科技大学 | 基于概率计算的多输入多输出检测器及检测方法 |
CN105915272A (zh) * | 2016-06-20 | 2016-08-31 | 电子科技大学 | 一种基于压缩感知的迭代波束成形方法 |
CN106685555A (zh) * | 2017-03-03 | 2017-05-17 | 燕山大学 | 基于低秩矩阵恢复的mimo水声系统信道状态信息反馈方法 |
CN108848043A (zh) * | 2018-06-05 | 2018-11-20 | 哈尔滨工程大学 | 基于压缩感知的低复杂度水声稀疏时变信道估计方法 |
CN109039960A (zh) * | 2018-06-26 | 2018-12-18 | 东南大学 | 一种水声稀疏信道估计变步长稀疏度自适应匹配追踪方法 |
CN109194596A (zh) * | 2018-10-15 | 2019-01-11 | 哈尔滨工程大学 | 一种基于稀疏贝叶斯学习的水声ofdm时变信道估计方法 |
CN110059401A (zh) * | 2019-04-15 | 2019-07-26 | 青岛科技大学 | 一种ofdm系统水声信道冲激响应重构方法 |
Non-Patent Citations (4)
Title |
---|
M. NIKPOUR: "A novel approach to the shifted QR algorithm for the Hermitian eigenvalue problem", 《IEEE》 * |
ZHENGQIANG YAN: "Underwater Acoustic Sparse Channel Estimation Based on DW-SACoSaMP Reconstruction Algorithm", 《IEEE》 * |
孟祥瑞: "压缩感知贪婪类重建算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
郭瑛: "海洋传感器网络参数自适应时间同步算法", 《通信学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111277522B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108833311A (zh) | 联合时域聚类去噪与均衡判决的变换域二次估计方法 | |
CN106027445A (zh) | 一种水声块结构稀疏特性的信道估计方法 | |
CN112202479A (zh) | 多入多出-正交时频空系统的低复杂度信号检测方法 | |
CN111865843B (zh) | 大规模mimo-ofdm系统混合消息传递信道估计方法 | |
CN105915473B (zh) | 一种基于压缩感知技术的ofdm系统参数化信道估计及均衡方法 | |
CN111147407B (zh) | 基于信道预测的tmsbl水声ofdm时变信道估计方法 | |
CN108848043B (zh) | 基于压缩感知的低复杂度水声稀疏时变信道估计方法 | |
CN102244624A (zh) | 基于正交匹配追踪的稀疏信道估计方法 | |
CN113242191B (zh) | 一种改进的时序多重稀疏贝叶斯学习水声信道估计方法 | |
CN113271269A (zh) | 基于压缩感知的稀疏度自适应信道估计方法 | |
CN115426223B (zh) | 一种低轨卫星信道估计和符号检测方法及系统 | |
CN109150772A (zh) | 一种基于正交匹配追踪的水声信道时延估计方法 | |
CN113595941A (zh) | 深度学习的压缩感知大规模mimo信道估计方法及系统 | |
CN114338305A (zh) | 一种针对正交时频空调制系统的符号检测方法 | |
CN109688074A (zh) | 一种基于压缩感知的ofdm系统的信道估计方法 | |
Marinberg et al. | A study on MIMO channel estimation by 2D and 3D convolutional neural networks | |
CN110059401B (zh) | 一种ofdm系统水声信道冲激响应重构方法 | |
CN107276703B (zh) | 一种采用压缩感知技术的正交空间调制系统检测方法 | |
Barbotin et al. | Fast and robust parametric estimation of jointly sparse channels | |
CN105812299A (zh) | 基于联合块稀疏重构的无线传感网信道估计算法及系统 | |
CN111277522B (zh) | 一种水声ofdm通信系统中信道参数的快速重构方法 | |
CN109379116B (zh) | 基于切比雪夫加速法与sor算法的大规模mimo线性检测算法 | |
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 | |
CN113055318B (zh) | 一种信道估计方法 | |
CN109274614A (zh) | 一种适用于时变稀疏信道的鲁棒信道估计算法 |
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 |