CN112383492B - 应用于短波ofdm双选天波信道估计的递归压缩感知方法及系统 - Google Patents
应用于短波ofdm双选天波信道估计的递归压缩感知方法及系统 Download PDFInfo
- Publication number
- CN112383492B CN112383492B CN202011259171.8A CN202011259171A CN112383492B CN 112383492 B CN112383492 B CN 112383492B CN 202011259171 A CN202011259171 A CN 202011259171A CN 112383492 B CN112383492 B CN 112383492B
- Authority
- CN
- China
- Prior art keywords
- ofdm symbol
- omega
- signal
- ofdm
- wave
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 31
- 239000013598 vector Substances 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 150000001413 amino acids Chemical class 0.000 claims 1
- 238000009795 derivation Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 8
- 230000009977 dual effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000005433 ionosphere Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification 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
- H04L25/0212—Channel estimation of impulse response
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Transmission System (AREA)
Abstract
本发明公开了一种应用于短波OFDM双选天波信道估计的递归压缩感知方法及系统。该方法为:依次对连续传输的Ω个OFDM符号进行重构,设ω∈{0,...,Ω‑1},对第ω个OFDM符号进行重构的过程为:当ω=0时,利用压缩感知重构算法获得第ω个OFDM符号的重构信号;当ω>0时,利用递归压缩感知重构算法获得第ω个OFDM符号的重构信号,递归压缩感知重构算法利用第(ω‑1)个OFDM符号的重构信号中幅值较大的c1个元素构成第ω个OFDM符号的先验支撑集,利用先验支撑集进行递归迭代运算求得第ω个OFDM符号的重构信号,c1为正整数。充分考虑信道稀疏结构在时间维度的相关性,在保证重构准确度的同时大大降低导频开销。
Description
技术领域
本发明涉及短波无线通信领域,特别是涉及一种应用于短波OFDM双选天波信道估计的递归压缩感知方法及系统。
背景技术
将正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)应用于短波通信可显著提高频谱利用率,同时可抑制天波信道多径时延扩展对短波通信造成的干扰。由于上述天然的技术优势,短波OFDM已成为新一代宽带高速短波通信重要的实现技术。
在短波OFDM系统中,接收端信道均衡和信号检测都需要准确的信道状态信息(Channel State Information,CSI)。然而,电离层的非稳态特性使得天波信道同时经历频率选择性衰落和时间选择性衰落(即双选择性)而具有严重的时变色散特性,与频率选择性信道相比,双选择性信道所需估计的信道参数显著增加,同时双选择性天波信道状态信息随电离层高度、密度变化而实时变化,进一步对信道状态信息获取的实时性提出要求。由于上述原因,在进行短波OFDM天波信道估计时,传统信道估计方法因导频开销与估计算法复杂度的急剧增加而难以奏效。
将压缩感知(Compressed Sensing,CS)应用在短波OFDM通信信道估计问题中,只需发送少量导频信号即可按需估计权值较大的主要信道抽头值,避免了大量无谓的对零抽头系数的计算,因而可显著降低通信系统导频开销及估计算法复杂度。目前对短波信道估计的研究主要集中在使用训练序列的非盲估计方式,如采用正交匹配追踪算法进行短波信道的重构算法,该算法针对双选择性天波信道估计的研究考虑了单个OFDM符号周期内信道系数的稀疏性,利用压缩感知降低通信系统导频开销及估计算法复杂度,然而,已有研究表明,无线信道多径时延变化通常慢于路径增益的变化,即实际无线信道还表现出时间维度的相关性,该算法在重构中并未考虑无线信道时间维度的相关性的影响,导致重构准确度较低。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种应用于短波OFDM双选天波信道估计的递归压缩感知方法及系统。
为了实现本发明的上述目的,根据本发明的第一个方面,本发明提供了一种应用于短波OFDM双选天波信道估计的递归压缩感知方法,依次对连续传输的Ω个OFDM符号进行重构;设ω∈{0,…,Ω-1},对第ω个OFDM符号进行重构的过程为:当ω=0时,利用压缩感知重构算法获得第ω个OFDM符号的重构信号;当ω>0时,利用递归压缩感知重构算法获得第ω个OFDM符号的重构信号,所述递归压缩感知重构算法利用第(ω-1)个OFDM符号的重构信号中幅值较大的c1个元素构成第ω个OFDM符号的先验支撑集,利用所述先验支撑集进行递归迭代运算求得第ω个OFDM符号的重构信号,c1为正整数。
在本发明的一种优选实施方式中,所述递归压缩感知重构算法具体包括:步骤S1,设重构信号的稀疏度为S,先验支撑集的势为c,第ω个OFDM符号的重构信号的初始值残差初始值以及迭代次数n的初始值为0,其中,表示第ω个OFDM符号在导频位置处获得的信道估计值;步骤S2,根据公式计算第一向量an+1 (ω);其中,表示第ω个OFDM符号重构信号的第n次迭代值;Φ(ω)表示第ω个OFDM符号的压缩感知测量矩阵;表示第ω个OFDM符号重构中第n次迭代残差定义元素符号集合为第ω-1个OFDM符号的重构信号中幅值较大的c1个元素的序号构成的集合;步骤S3,在向量中选取与元素符号集合对应的元素组成第一子向量取在重构信号的先验支撑集全集{1,…Nc}中的补集,记为在第一向量an+1 (ω)中选取与集合对应的元素组成第二子向量在第二子向量中保留元素幅值最大的(S-c)个元素且将其余元素置零获得第三子向量获得第ω个OFDM符号的重构信号的第n+1次迭代值为:步骤S4,计算第ω个OFDM符号第n+1次迭代的残差为:步骤S5,判断是否成立,若成立,迭代截止,将第ω个OFDM符号的重构信号的第n+1次迭代值作为第ω个OFDM符号的重构信号,若不成立,更新迭代次数:n←n+1,返回执行步骤S2到步骤S5。
在本发明的一种优选实施方式中,所述 表示矩阵U中由第ω个OFDM符号的导频位置对应的行所构造的子矩阵,矩阵U为KL×KL维的酉矩阵,矩阵U的列均为向量um,i,um,i为基矩阵{um,i[k,l]}逐列首尾相连组成的向量,所述基矩阵元素k表示子载波索引,k∈{0,…,K-1},K表示子载波个数,l表示子载波上传输的码元符号索引,m表示信号经过信道产生的时移,i表示多普勒频移,L表示符号个数。
该应用于短波OFDM双选天波信道估计的递归压缩感知方法,充分考虑双选择性天波信道稀疏结构在时间维度的相关性,从之前OFDM符号的重构信号中提取当前OFDM符号重构的先验支撑集,利用之前OFDM符号周期内的信道重构结果提高当前OFDM符号的信道重构性能,从而进一步提高短波OFDM双选择性天波信道估计的准确度及实时性,充分利用了信道系数的时间相关稀疏性,从而在保证重构准确度的同时,大大降低导频开销。
为了实现本发明的上述目的,根据本发明的第二个方面,本发明提供了一种应用于短波OFDM双选天波信道估计的递归压缩感知系统,包括信号接收模块与处理模块,所述信号接收模块接收无线信号并将所述无线信号转换为数字信号后输出至处理模块,所述处理模块按照本发明所述的应用于短波OFDM双选天波信道估计的递归压缩感知方法基于数字信号进行OFDM符号重构。
该系统充分考虑双选择性天波信道稀疏结构在时间维度的相关性,从之前OFDM符号的重构信号中提取当前OFDM符号重构的先验支撑集,利用之前OFDM符号周期内的信道重构结果提高当前OFDM符号的信道重构性能,从而进一步提高短波OFDM双选择性天波信道估计的准确度及实时性,充分利用了信道系数的时间相关稀疏性,从而在保证重构准确度的同时,大大降低导频开销。
附图说明
图1是本发明一具体实施方式中应用于短波OFDM双选天波信道估计的递归压缩感知系统的系统框图;
图2是本发明一种应用场景中不同信噪比条件下不同信道估计算法的性能比较示意图;
图3是是本发明一种应用场景中不同多径数条件下不同信道估计算法的性能比较示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
本发明公开了一种应用于短波OFDM双选天波信道估计的递归压缩感知方法,在一种优选实施方式中,该方法为:依次对连续传输的Ω个OFDM符号进行重构;设ω∈{0,…,Ω-1},对第ω个OFDM符号进行重构的过程为:当ω=0时,利用压缩感知重构算法获得第ω个OFDM符号的重构信号,压缩感知重构算法指传统压缩感知理论框架中的重构算法,优选但不限于为贪婪算法、基追踪算法,这些算法与递归压缩感知重构算法不同,这些算法重构计算时并未利用之前重构所得的先验信息;当ω>0时,利用递归压缩感知重构算法获得第ω个OFDM符号的重构信号,递归压缩感知重构算法利用第(ω-1)个OFDM符号的重构信号中幅值较大的c1个元素构成第ω个OFDM符号的先验支撑集,利用先验支撑集进行递归迭代运算求得第ω个OFDM符号的重构信号,c1为正整数。
在本实施方式中,Ω优选但不限于大于等于3。重构信号可为向量或矩阵形式。在第ω个OFDM符号的重构信号中,从幅值最大的元素开始,选取幅值第二大的元素、幅值第三大的元素、……、幅值第c大的元素构成先验支撑集,将选取的c个元素在第ω个OFDM符号的重构信号中的位置序号构成元素符号集合即为先验支撑集。
在一种优选实施方式中,递归压缩感知重构算法具体包括:步骤S1,设重构信号的稀疏度为S,S为预设已知的,先验支撑集的势为c,先验支撑集的势表示先验支撑集的元素个数,第ω个OFDM符号的重构信号的初始值残差初始值迭代次数n的初始值为0,表示第ω个OFDM符号在导频位置处获得的信道估计值;步骤S2,根据公式计算第一向量an+1 (ω);其中,表示第ω个OFDM符号重构信号的第n次迭代值;Φ(ω)表示第ω个OFDM符号的压缩感知测量矩阵;表示第ω个OFDM符号重构中第n次迭代残差定义元素符号集合为第ω-1个OFDM符号的重构信号中幅值较大的c1个元素的序号构成的集合,将元素符号集合作为先验支撑集;步骤S3,在向量中选取与元素符号集合对应的元素组成第一子向量取在重构信号的先验支撑集全集{N1,…,Nc}中的补集,记为在第一向量an+1 (ω)中选取与集合对应的元素组成第二子向量在第二子向量中保留元素幅值最大的(S-c)个元素且将其余元素置零获得第三子向量获得第ω个OFDM符号的重构信号的第n+1次迭代值为:步骤S4,计算第ω个OFDM符号第n+1次迭代的残差为:步骤S5,判断是否成立,若成立,迭代截止,将第ω个OFDM符号的重构信号的第n+1次迭代值作为第ω个OFDM符号的重构信号,若不成立,更新迭代次数:n←n+1,返回执行步骤S2到步骤S5。
在本实施方式中,优选的, 表示矩阵U中由第ω个OFDM符号的导频位置对应的行所构造的子矩阵,矩阵U为KL×KL维的酉矩阵,矩阵U的列均为向量um,i,um,i为基矩阵{um,i[k,l]}逐列首尾相连组成的向量,基矩阵元素k表示子载波索引,k∈{0,…,K-1},K表示子载波个数,l表示子载波上传输的码元符号索引,m表示信号经过信道产生的时移,i表示多普勒频移,L表示符号个数。
在本实施方式的一种应用场景中,该方法在重构信号之前还包括建立模型步骤、对天波信道稀疏变换步骤、将信道估计问题转换为压缩感知问题步骤。
在本应用场景中,建立模型步骤包括:利用双选则性天波信道模型以及OFDM系统输入输出关系推导短波OFDM系统传输模型,并由此得出信道抽头系数表达式。考虑传输带宽为B0的高频OFDM系统,设共包含K个子载波,每一子载波带宽为在发射机、接收机或散射体移动的情形中,考虑由多普勒效应引起的电磁波频偏,天波信道时变冲激响应可描述为可表示为:
其中,P(t)为多径分量总数,ηp(t)为路径衰减系数,δ(·)为狄拉克函数,τp(t)为路径时延,vp(t)为路径多普勒频移,ηp(t)、τp(t)及vp(t)均随时间变化而变化。τ表示时延变量。
时间离散发送信号可写为:
其中,al,k表示第k个子载波上传输的第l个符号,gl,k[n]=ej2πk(n-lN)/Kg[n-lN]为离散发送脉冲g[n]的时频偏移,N表示符号长度,且N≥K。
时间离散发送信号与时间离散接收信号的关系:
其中,
h[n,m]=∫R∫Rh(t+nTs,τ)f1(t-τ+mTs)f2(-t)dtdτ (4)
为等效的时间离散信道冲激响应,f1(t)为插值滤波器的冲激响应,m表示信号经过信道产生的时移,Ts表示系统采样频率,f2(t)为抗混叠滤波器的冲激响应,z[n]=∫Rz(t)f2(nTs-t)dt为时间离散噪声。
在接收端得到解调符号:
将(2)、(3)代入(5)可得:
在本应用场景中,对天波信道稀疏变换步骤包括:
利用离散时延多普勒扩展函数将信道抽头系数变换至时延多普勒域,得出信道变换域系数及变换基表达式。
对信道h[n,m]进行关于变量n的离散傅立叶变换,可得离散时延多普勒扩展函数为:
其中,i表示多普勒频移,N0=(L-1)N+Lγ+1,Lγ为接收脉冲波形的长度。代入(7)式,可得:
其中时延多普勒域系数:
Sh[m,i+qL]表示离散时延多普勒扩展函数随频移变化的取值,偏移变化为L的整数倍,q为一般计数符号。
在本应用场景中,对将信道估计问题转换为压缩感知问题步骤包括:
发送导频信号,利用接收信号与导频信号的关系将信道传输模型转换为压缩感知理论中对稀疏向量的测量问题。
定义KL维向量h、x及um,i分别为Hk,l、Fm,i及um,i[k,l]逐列首尾相连组成的向量,定义KL×KL维矩阵U,其各列由um,i组成。则(11)式可由矩阵向量形式表示为:
h=Ux (21)
在本实施方式的另一种应用场景中,对本申请的递归压缩感知重构算法进行了实验验证,具体包括:
1、仿真环境设置
设HF OFDM系统带宽为24KHz,子载波数为K=32,L=32,对应式(23)中稀疏系数向量x长度为1024。选取大小为的导频集,测量矩阵其列数由导频数Q决定。调制方式选用4-ary quadrature amplitude modulation(4-QAM)。考虑连续10个OFDM符号中的信道重构过程,即Ω=10。天波信道依据Watterson信道模型产生,并设由于机动性产生的多谱勒频率为20Hz。导频开销为导频数量Q与总时频点数KL的比值。实验选取最小二乘法(LS)信道估计算法、压缩信道估计(Compressed sensing Estimator,CSE)方法与本申请所提递归压缩感知重构算法(Recursive Compressed Sensing Estimator,RCSE)进行估计性能的比较。LS算法为传统信道估计方法,直接进行伪逆运算而未利用信道系数的稀疏性。CSE方法及所提RCSE方法均为基于压缩感知的信道估计方法。利用信道系数的稀疏性,CSE方法对每一符号块依次独立进行信道系数的重构。所提RCSE方法按符号块依次进行重构,通过先验支撑集信息利用了各符号间系数稀疏性的相关性。仿真中信道估计性能由归一化均方误差(Normalized Mean Square Error,NMSE)及误码率(Bit Error Rate,BER)进行评价,其中归一化均方误差的计算方法为
2、实验及结果分析
首先通过实验比较各算法在不同导频开销条件下的信道估计性能。设经电离层反射形成的多径数为P=5,导频分布采用随机方式,给定导频数Q=200,并令测量信噪比在0-30dB之间递增,各重构算法的NMSE如图2所示。图2中同样给出了传统LS算法的信道估计结果。可见,在SNR增加过程中,LS方法对应曲线接近0dB且基本不变,而基于压缩感知的重构算法误差均小于LS算法且随信噪比(SIGNAL NOISE RATIO,SNR or S/N)增加不断减小。上述结果产生的原因是给定的导频数少于LS算法所需,因此信噪比对重构误差的影响无法体现。对于两种基于压缩感知的信道估计方法,在相同信噪比条件下所提RCSE方法重构准确度高于CSE方法。
接下来在给定测量信噪比为15dB、导频数Q=200时进行仿真,比较了不同多径数条件下各算法重构误差。由图3所示仿真结果可见,由于导频数固定,但信道系数的稀疏性随多径数的增加而降低,因此重构性能随多径数的增加而下降。对于相同的多径数,所提RCSE方法性能优于CSE。
发明还公开了一种应用于短波OFDM双选天波信道估计的递归压缩感知系统,在一种优选实施方式中,该系统包括信号接收模块与处理模块,信号接收模块接收无线信号并将无线信号转换为数字信号后输出至处理模块,处理模块按照本发明的应用于短波OFDM双选天波信道估计的递归压缩感知方法基于数字信号进行OFDM符号重构。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (4)
1.一种应用于短波OFDM双选天波信道估计的递归压缩感知方法,其特征在于,依次对连续传输的Ω个OFDM符号进行重构;
设ω∈{0,...,Ω-1},对第ω个OFDM符号进行重构的过程为:
当ω=0时,利用压缩感知重构算法获得第ω个OFDM符号的重构信号;
当ω>0时,利用递归压缩感知重构算法获得第ω个OFDM符号的重构信号;
所述递归压缩感知重构算法利用第(ω-1)个OFDM符号的重构信号中幅值较大的c1个元素构成第ω个OFDM符号的先验支撑集,利用所述先验支撑集进行递归迭代运算求得第ω个OFDM符号的重构信号,c1为正整数;
所述递归压缩感知重构算法具体包括:
取在重构信号的先验支撑集全集{N1,...,Nc}中的补集,记为在第一向量an+1 (ω)中选取与集合对应的元素组成第二子向量在第二子向量中保留元素幅值最大的(S-c)个元素且将其余元素置零获得第三子向量
4.一种应用于短波OFDM双选天波信道估计的递归压缩感知系统,其特征在于,包括信号接收模块与处理模块,所述信号接收模块接收无线信号并将所述无线信号转换为数字信号后输出至处理模块,所述处理模块按照权利要求1-3任一所述的应用于短波OFDM双选天波信道估计的递归压缩感知方法基于数字信号进行OFDM符号重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011259171.8A CN112383492B (zh) | 2020-11-11 | 2020-11-11 | 应用于短波ofdm双选天波信道估计的递归压缩感知方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011259171.8A CN112383492B (zh) | 2020-11-11 | 2020-11-11 | 应用于短波ofdm双选天波信道估计的递归压缩感知方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112383492A CN112383492A (zh) | 2021-02-19 |
CN112383492B true CN112383492B (zh) | 2022-07-26 |
Family
ID=74583008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011259171.8A Active CN112383492B (zh) | 2020-11-11 | 2020-11-11 | 应用于短波ofdm双选天波信道估计的递归压缩感知方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112383492B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113079122B (zh) * | 2021-03-24 | 2022-04-12 | 哈尔滨工业大学 | 截断与外推重构多载波信号中导频序列的设计方法 |
CN113193895B (zh) * | 2021-04-19 | 2023-03-10 | 中国人民解放军陆军工程大学 | 大规模mimo信道状态信息获取方法、系统及计算机存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109560841A (zh) * | 2018-12-13 | 2019-04-02 | 东北大学 | 基于改进的分布式压缩感知算法的大规模mimo系统信道估计方法 |
CN109617850A (zh) * | 2019-01-07 | 2019-04-12 | 南京邮电大学 | 基于自适应压缩感知的ofdm稀疏信道估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104410590A (zh) * | 2014-12-29 | 2015-03-11 | 重庆邮电大学 | 一种基于压缩感知的短波ofdm抑制干扰联合信道估计方法 |
-
2020
- 2020-11-11 CN CN202011259171.8A patent/CN112383492B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109560841A (zh) * | 2018-12-13 | 2019-04-02 | 东北大学 | 基于改进的分布式压缩感知算法的大规模mimo系统信道估计方法 |
CN109617850A (zh) * | 2019-01-07 | 2019-04-12 | 南京邮电大学 | 基于自适应压缩感知的ofdm稀疏信道估计方法 |
Non-Patent Citations (2)
Title |
---|
Temporally Correlated Sparsity Based Compressed Sensing of Doubly Selective Sky Wave Channel for High-Frequency OFDM Systems;W. Kai等;《2020 IEEE 20th International Conference on Communication Technology (ICCT)》;20201031;全文 * |
基于接收信号重构的OFDM系统盲信道估计;周游等;《信息工程大学学报》;20131215(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112383492A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Taubock et al. | Compressive estimation of doubly selective channels in multicarrier systems: Leakage effects and sparsity-enhancing processing | |
CN108599820B (zh) | 基于块结构自适应压缩采样匹配追踪算法的大规模mimo系统信道估计方法 | |
CN109039960A (zh) | 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 | |
CN101699807B (zh) | 低密度导频分布的ofdm快变信道估计方法 | |
CN111147407B (zh) | 基于信道预测的tmsbl水声ofdm时变信道估计方法 | |
CN112383492B (zh) | 应用于短波ofdm双选天波信道估计的递归压缩感知方法及系统 | |
CN108418769A (zh) | 一种分布式压缩感知稀疏度自适应重建方法 | |
CN107332797B (zh) | 一种电力线ofdm通信系统中的信道估计方法 | |
CN101166171B (zh) | 一种ofdm系统时变信道估计方法 | |
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 | |
CN106506415B (zh) | 一种多用户mimo-ofdm系统信道估计的方法 | |
CN106972875B (zh) | 一种mimo系统下多维联合估计动态稀疏信道的方法 | |
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 | |
CN113271269A (zh) | 基于压缩感知的稀疏度自适应信道估计方法 | |
CN103428154B (zh) | 基于Vector OFDM的双选择性信道的变换域复用方法 | |
CN109194594B (zh) | 一种基于连续载波聚合的相位噪声抑制方法 | |
CN110048972A (zh) | 一种水声正交频分复用信道估计方法及系统 | |
CN103873406A (zh) | 水声正交频分复用通信系统帧间干扰消除方法 | |
CN105245474A (zh) | 一种超宽带信道估计方法 | |
CN113055317A (zh) | 一种水声ofdm系统正交匹配追踪信道估计方法 | |
CN104539562A (zh) | 基于多输入多输出正交频分复用的宽带短波信道估计方法 | |
CN105847192B (zh) | 一种动态稀疏信道的联合估计方法 | |
CN108566347B (zh) | 一种多用户ofdm系统双选择稀疏信道的导频设计方法 | |
CN105119856B (zh) | 基于子块分析的单载波频域均衡方法 | |
CN102413080A (zh) | 高速移动tdd-lte上行链路中信道估计方法 |
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 |