CN115865574A - 一种基于结构检测的稀疏信道估计方法及系统 - Google Patents
一种基于结构检测的稀疏信道估计方法及系统 Download PDFInfo
- Publication number
- CN115865574A CN115865574A CN202211483050.0A CN202211483050A CN115865574A CN 115865574 A CN115865574 A CN 115865574A CN 202211483050 A CN202211483050 A CN 202211483050A CN 115865574 A CN115865574 A CN 115865574A
- Authority
- CN
- China
- Prior art keywords
- channel
- sparse
- matrix
- impulse response
- structure detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005070 sampling Methods 0.000 claims abstract description 78
- 239000011159 matrix material Substances 0.000 claims abstract description 65
- 230000004044 response Effects 0.000 claims abstract description 64
- 238000012935 Averaging Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 abstract description 4
- 230000003068 static effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 210000001072 colon Anatomy 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Noise Elimination (AREA)
Abstract
本公开属于无线通信技术领域，具体涉及一种基于结构检测的稀疏信道估计方法及系统，包括：获取稀疏信道的初始信道冲激响应；基于所获取的初始信道冲激响应，构建信道结构初步检测矩阵，判断稀疏信道的多径采样点和噪声采样点；根据对稀疏信道的判断结果，优化信道结构，得到信道结构检测矩阵；基于所得到的信道结构检测矩阵，更新信道响应，完成稀疏信道的估计。本公开在先验信道稀疏度未知的情况下，以较小的运算复杂度实现高精度的稀疏信道估计，提高信道恢复质量和保证运算复杂度。
Description
技术领域
本公开属于无线通信技术领域，具体涉及一种基于结构检测的稀疏信道估计方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
随着移动通信技术的快速发展，人们对高速率、低时延的无线通信网络需求也在不断提高，基于此，正交频分复用(Orthogonal Frequency Division Multiplexing,简称OFDM)技术在现代移动通信系统中得到了广泛的应用，通过使用长度大于信道最大时延扩展的循环前缀(Cyclic Prefix,简称CP)可以有效地对抗多径传播所造成的符号间干扰(Inter Symbol Interference,简称ISI)。在OFDM系统中，信号从发送端到达接收端会受到环境带来的随机干扰，使得接收信号产生严重衰落，为了提高通信系统的可靠性，需要准确的信道状态信息(Channel State Information,简称CSI)来还原信号，因此，信道估计技术对提高OFDM系统性能起到了十分关键的作用。
在宽带无线信道中，由于多径时延差异和高采样率，信道冲激响应通常呈现出很强的稀疏性，可以理解为一帧OFDM信号中，只有少数几个采样点包含着多径能量，其余都是能量为零的噪声采样点，基于此特性，压缩感知(Compressed Sensing,简称CS)技术已被广泛应用于稀疏信道的恢复，当信道稀疏度已知时，最常用的CS算法有正交匹配追踪(Orthogonal Matching Pursuit,简称OMP)算法、分段正交匹配追踪(Stagewise OMP,简称StOMP)算法、正则化正交匹配追踪(Regularized OMP,简称ROMP)算法等，当信道稀疏度未知时，以稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit,简称SAMP)算法为主要代表；除压缩感知技术外，基于阈值选择(Threshold Based Selection,简称TBS)的信道估计方法也可以用于稀疏信道恢复，主要分为性能相对较差的通用阈值与最小化均方误差的最优阈值。
据发明人了解，现有的方法均在不同程度上提高了信道估计的性能，但是为达到较好的性能，CS算法需要已知信道稀疏度并且进行高复杂度的迭代运算；TBS方法中为达到最优的去噪阈值也需要信道的先验信息，且在低信噪比下始终存在能量较小径与能量较大噪声的误判问题。
发明内容
为了解决上述问题，本公开提出了一种基于结构检测的稀疏信道估计方法及系统，在先验信道稀疏度未知的情况下，以较小的运算复杂度实现高精度的稀疏信道估计，提高信道恢复质量和保证运算复杂度。
根据一些实施例，本公开的第一方案提供了一种基于结构检测的稀疏信道估计方法，采用如下技术方案：
一种基于结构检测的稀疏信道估计方法，包括：
获取稀疏信道的初始信道冲激响应；
基于所获取的初始信道冲激响应，构建信道结构初步检测矩阵，判断稀疏信道的多径采样点和噪声采样点；
根据对稀疏信道的判断结果，优化信道结构，得到信道结构检测矩阵；
基于所得到的信道结构检测矩阵，更新信道响应，完成稀疏信道的估计。
作为进一步的技术限定，在获取稀疏信道的初始信道冲激响应的过程中，采用最小二乘法获取稀疏信道的信道频率响应，对所得到的信道频率响应进行逆快速傅里叶变换，得到初始信道冲激响应。
作为进一步的技术限定，对所获取的初始信道冲激响应进行F帧平均，得到F帧平均后的信道冲激响应。
进一步的，根据所述初始信道冲激响应和所述F帧平均后的信道冲激响应，得到稀疏信道的功率变化矩阵；计算所得到的功率变化矩阵的相邻Q列的方差矩阵，构建信道结构初步检测矩阵。
进一步的，当所得到的功率变化矩阵的相邻Q列的方差矩阵不大于预设的多径采样点的方差上限时，所述信道结构初步检测矩阵取值为1，即为稀疏信道的多径采样点；当所得到的功率变化矩阵的相邻Q列的方差矩阵大于预设的多径采样点的方差上限时，所述信道结构初步检测矩阵取值为0，即为稀疏信道的噪声采样点。
进一步的，根据所述F帧平均后的信道冲激响应与所述信道结构初步检测矩阵，得到径采样点和噪声采样点的信道冲激响应；根据所得到的径采样点和噪声采样点的信道冲激响应，计算第k帧的平均径功率、噪声功率、补充漏判多径采样点的阈值和去除误判噪声采样点的阈值，得到信道结构检测矩阵。
进一步的，根据所构建的信道结构检测矩阵，对F帧平均后的信道冲激响应进行更新，估计稀疏信道。
根据一些实施例，本公开的第二方案提供了一种基于结构检测的稀疏信道估计系统，采用如下技术方案：
一种基于结构检测的稀疏信道估计系统，包括：
获取模块，其被配置为获取稀疏信道的初始信道冲激响应；
初步检测模块，其被配置为基于所获取的初始信道冲激响应，构建信道结构初步检测矩阵，判断稀疏信道的多径采样点和噪声采样点；
优化模块，其被配置为根据对稀疏信道的判断结果，优化信道结构，得到信道结构检测矩阵；
估计模块，其被配置为基于所得到的信道结构检测矩阵，更新信道响应，完成稀疏信道的估计。
根据一些实施例，本公开的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的基于结构检测的稀疏信道估计方法中的步骤。
根据一些实施例，本公开的第四方案提供了一种电子设备，采用如下技术方案：
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的基于结构检测的稀疏信道估计方法中的步骤。
与现有技术相比，本公开的有益效果为：
本公开在无需先验信道稀疏度且不显著增加运算复杂度的情况下，具有极高的信道结构检测率，大大提高了信道估计性能。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是本公开实施例一中的基于结构检测的稀疏信道估计方法的流程图；
图2是本公开实施例一中的静态广电1信道结构正确检测率曲线示意图；
图3是本公开实施例一中的多普勒频移为30Hz车载A信道结构正确检测率曲线示意图；
图4是本公开实施例一中的静态广电1信道NMSE曲线示意图；
图5是本公开实施例一中的多普勒频移为30Hz车载A信道NMSE曲线示意图；
图6是本公开实施例一中的静态广电1信道BER曲线示意图；
图7是本公开实施例一中的多普勒频移为30Hz车载A信道BER曲线示意图；
图8是本公开实施例二中的基于结构检测的稀疏信道估计系统的结构框图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例一
本公开实施例一介绍了一种基于结构检测的稀疏信道估计方法。
如图1所示的一种基于结构检测的稀疏信道估计方法，包括：
获取稀疏信道的初始信道冲激响应；
基于所获取的初始信道冲激响应，构建信道结构初步检测矩阵，判断稀疏信道的多径采样点和噪声采样点；
根据对稀疏信道的判断结果，优化信道结构，得到信道结构检测矩阵；
基于所得到的信道结构检测矩阵，更新信道响应，完成稀疏信道的估计。
作为一种或多种实施方式，通过最小二乘(Least Square，简称LS)法获取初始信道冲激响应(Channel Impulse Response，简称CIR)；具体的：
设共有K个OFDM符号，每个OFDM符号有M个子载波。记第k个OFDM符号中的第m个子载波上的接收数据和发送导频分别为Y(m,k)和P(m,k)，根据最小二乘法，其信道频率响应(Channel Frequency Response，简称CFR)为：
对HLS(m,k)作逆快速傅里叶变换(Inverse Fast Fourier Transform，简称IFFT)得到初始信道冲激响应hLS(m,k)。
作为一种或多种实施方式，构建信道结构初步检测矩阵的具体过程为：
对所得到的初始信道冲激响应hLS(m,k)进行F帧平均，得到F帧平均后的信道冲激响应
其中，冒号“:”表示从第k帧加到第k+F-1帧；
求平均之后的功率|hA(m,k)|2相较于LS初估计功率|hLS(m,k)|2的变化矩阵C(m,k)为
其中，C(m,k)表示功率变化矩阵，对于多径采样点而言，其值接近1；
求变化矩阵相邻Q列方差矩阵V(m,k)为V(m,k)＝var(C(m,k:k+Q-1))；其中，冒号“:”表示求第k列至第k+Q-1列之间的方差；
判断多径采样点与噪声点位置，得信道结构初步检测矩阵S(m,k)为：
其中，值为1代表多径采样点，值为0表示噪声采样点，a是检测为多径采样点的方差上限。对于多径采样点而言，相邻帧间具有相似性，理论上a应该是一个靠近0的数，实际中为保证多径采样点的正确保留率，通常0＜a≤3，信道时变特性越快，a的值就越接近3。
在本实施例中，对初始信道冲激响应进行平均处理后求与LS初估计的功率变化矩阵，对变化矩阵求相邻列方差，依据信道时间相关性可得，相邻多径采样点处的功率具有相关性，在平均抑制噪声后相关性会愈发明显，对于变化矩阵其多径采样点处的值会接近于1，因此对于方差很小的点可认为是多径采样点；多帧平均的帧数和求方差的列数与信道的时变特性有关，通常取5～10；判断为多径采样点的方差上限取值范围为0～3，具体取值与信道时变特性有关。
作为一种或多种实施方式，在构建信道结构检测矩阵的过程中，计算每一帧OFDM符号中的径功率与噪声功率；设置结构优化的两个阈值；根据设置的阈值进一步去除误判的噪声采样点和补充漏判的径采样点，得到信道结构检测矩阵。
径功率的计算取初步检测结果中一帧OFDM符号中所有径采样点能量的平均值，噪声功率取将一帧OFDM符号中径采样点能量置零后的能量中位数。
其中，所述补充径的阈值，是将当前帧中径功率除以一个倍数因子得到；去除噪声的阈值是将当前帧中的噪声功率乘以一个倍数因子得到。倍数因子是关于当前帧中径能量与噪声能量比值的正相关函数，当比值越大，意味着径采样点与噪声采样点区别度大，因此倍数可以取的更大，从而在更好优化结构的同时，不会新增误判的情况；
所述优化的步骤为：对原先已判断为径的采样点中寻找可能存在的噪声采样点，选取原则为小于当前帧中设置的去噪阈值；对原先已判断为噪声的采样点中寻找可能存在的径采样点，选取原则为大于当前帧中设置的补径阈值。
具体的,
计算径功率与噪声功率，以设置补充漏选的径采样点和去除误选的噪声采样点的阈值，具体为：
根据更新平均之后的信道冲激响应hA(m,k)与信道结构初步检测矩阵S(m,k)得到所有径采样点处的信道响应：hR(m,k)＝hA(m,k)·S(m,k)；其中，点乘符号“·”是将两个矩阵对应元素相乘，hR(m,k)表示只含多径能量的信道冲激响应；
根据只含多径能量的信道冲激响应hR(m,k)计算第k帧OFDM符号的平均径功率：
其中，sum(|hR(m,k)|2)和sum(S(m,k))都表示按列求和；
根据更新平均之后的信道冲激响应hA(m,k)与信道结构初步检测矩阵S(m,k)计算所有噪声采样点处的信道响应：hN(m,k)＝hA(m,k)·(～S(m,k))；其中，hN(m,k)表示只含噪声能量的信道冲激响应，此处的波浪号“～”表示对S(m,k)取反；
根据只含噪声能量的信道冲激响应hN(m,k)计算第k帧OFDM符号的噪声功率：
其中，medain表示对|hN(m,k)|2按列取中位数。
去除噪声采样点的阈值TN(k)为
补充多径采样点的阈值TR(k)为/>
其中，FR(·)和FN(·)都是倍数函数，而且，这两个函数与径能量/>
和噪声能量/>
的比值成正相关。当比值越大，意味着多径采样点与噪声采样点区别度大，因此倍数可以取的更大，从而在更好优化结构的同时，不会新增误判的情况。
对信道结构初步检测矩阵更新，对原先已判断为径的采样点中寻找可能存在的噪声采样点，选取原则为小于当前帧中设置的去噪阈值；对原先已判断为噪声的采样点中寻找可能存在的径采样点，选取原则为大于当前帧中设置的补径阈值，信道结构检测矩阵为：
作为一种或多种实施方式，根据优化后的信道结构检测矩阵SOPT(m,k)对平均之后的信道冲激响应hA(m,k)进行更新得：hEND(m,k)＝hA(m,k)·SOPT(m,k)；平均之后信道冲激响应进行结构检测，保留多径采样点，去除噪声采样点；在快速时变信道下，可直接对初始信道冲激响应进行结构检测。
本实施例中所介绍的基于结构检测的稀疏信道估计方法，在一帧OFDM符号中增加的运算复杂度(只考虑乘法)主要来自于方差矩阵的计算为O(QM)，在已知信道稀疏度L的情况下，OMP算法增加的复杂度为O(LNM)，N为最大时延扩展对应的子载波序号，通常N略小于M，因此OMP算法增加的复杂约为O(LM2)，为证明本实施例的高结构检测率，在静态广电1信道和多普勒频移为30Hz的车载A信道中，验证了本实施例的信道估计性能。
将本实施例与三种传统方法LS方法、TBS方法(阈值取两倍的噪声功率)、信道稀疏度已知的经典压缩感知算法OMP方法和两种理想情况(分别为已知信道结构情况和无噪声情况)进行比较。图2和图3分别展示了本实施例与TBS、OMP方法在静态广电1信道和多普勒频移为30Hz的车载A信道中的结构检测情况，X轴表示信噪比(Signal-to-Noise Ratio,SNR)，左侧Y轴代表示多径采样点正确检测率，右侧Y轴表示噪声采样点正确去除率，本实施例方法中的平均帧数F在静态广电1信道和车载A信道中取值分别为10、5，求方差列数Q在静态广电1信道和车载A信道中取值分别为10、7；检测为多径采样点的方差上限在静态广电1信道和车载A信道中分别取2、1.5；倍数函数取对数函数：
由图2和图3可得，本实施例具有较高的多径保留率和极高的噪声去除率。
图4和图5分别展示了本实施例与三种传统方法和已知信道结构情况在静态广电1信道和多普勒频移为30Hz的车载A信道中的归一化均方误差(Normalized Mean SquareError,NMSE)性能，X轴表示SNR，可以看出本实施例通过对多帧平均之后的信道冲激响应进行结构检测后，可达到超越已知信道结构情况下的NMSE性能。由图6和图7可得，X轴表示SNR，Y轴表示误码率(Bit Error Rate,BER)，本实施例具有贴近理想无噪声情况下的误码率性能。
本实施例提出了一种基于结构检测的稀疏信道估计方法及系统，在先验信道稀疏度未知的情况下，以较小的运算复杂度实现高精度的稀疏信道估计，提高信道恢复质量和保证运算复杂度；在无需先验信道稀疏度且不显著增加运算复杂度的情况下，具有极高的信道结构检测率，大大提高了信道估计性能。
实施例二
本公开实施例二介绍了一种基于结构检测的稀疏信道估计系统。
如图8所示的一种基于结构检测的稀疏信道估计系统，包括：
获取模块，其被配置为获取稀疏信道的初始信道冲激响应；
初步检测模块，其被配置为基于所获取的初始信道冲激响应，构建信道结构初步检测矩阵，判断稀疏信道的多径采样点和噪声采样点；
优化模块，其被配置为根据对稀疏信道的判断结果，优化信道结构，得到信道结构检测矩阵；
估计模块，其被配置为基于所得到的信道结构检测矩阵，更新信道响应，完成稀疏信道的估计。
详细步骤与实施例一提供的基于结构检测的稀疏信道估计方法相同，在此不再赘述。
实施例三
本公开实施例三提供了一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例一所述的基于结构检测的稀疏信道估计方法中的步骤。
详细步骤与实施例一提供的基于结构检测的稀疏信道估计方法相同，在此不再赘述。
实施例四
本公开实施例四提供了一种电子设备。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的基于结构检测的稀疏信道估计方法中的步骤。
详细步骤与实施例一提供的基于结构检测的稀疏信道估计方法相同，在此不再赘述。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种基于结构检测的稀疏信道估计方法，其特征在于，包括：
获取稀疏信道的初始信道冲激响应；
基于所获取的初始信道冲激响应，构建信道结构初步检测矩阵，判断稀疏信道的多径采样点和噪声采样点；
根据对稀疏信道的判断结果，优化信道结构，得到信道结构检测矩阵；
基于所得到的信道结构检测矩阵，更新信道响应，完成稀疏信道的估计。
2.如权利要求1中所述的一种基于结构检测的稀疏信道估计方法，其特征在于，在获取稀疏信道的初始信道冲激响应的过程中，采用最小二乘法获取稀疏信道的信道频率响应，对所得到的信道频率响应进行逆快速傅里叶变换，得到初始信道冲激响应。
3.如权利要求1中所述的一种基于结构检测的稀疏信道估计方法，其特征在于，对所获取的初始信道冲激响应进行F帧平均，得到F帧平均后的信道冲激响应。
4.如权利要求3中所述的一种基于结构检测的稀疏信道估计方法，其特征在于，根据所述初始信道冲激响应和所述F帧平均后的信道冲激响应，得到稀疏信道的功率变化矩阵；计算所得到的功率变化矩阵的相邻Q列的方差矩阵，构建信道结构初步检测矩阵。
5.如权利要求4中所述的一种基于结构检测的稀疏信道估计方法，其特征在于，当所得到的功率变化矩阵的相邻Q列的方差矩阵不大于预设的多径采样点的方差上限时，所述信道结构初步检测矩阵取值为1，即为稀疏信道的多径采样点；当所得到的功率变化矩阵的相邻Q列的方差矩阵大于预设的多径采样点的方差上限时，所述信道结构初步检测矩阵取值为0，即为稀疏信道的噪声采样点。
6.如权利要求3中所述的一种基于结构检测的稀疏信道估计方法，其特征在于，根据所述F帧平均后的信道冲激响应与所述信道结构初步检测矩阵，得到径采样点和噪声采样点的信道冲激响应；根据所得到的径采样点和噪声采样点的信道冲激响应，计算第k帧的平均径功率、噪声功率、补充漏判多径采样点的阈值和去除误判噪声采样点的阈值，得到信道结构检测矩阵。
7.如权利要求3中所述的一种基于结构检测的稀疏信道估计方法，其特征在于，根据所构建的信道结构检测矩阵，对F帧平均后的信道冲激响应进行更新，估计稀疏信道。
8.一种基于结构检测的稀疏信道估计系统，其特征在于，包括：
获取模块，其被配置为获取稀疏信道的初始信道冲激响应；
初步检测模块，其被配置为基于所获取的初始信道冲激响应，构建信道结构初步检测矩阵，判断稀疏信道的多径采样点和噪声采样点；
优化模块，其被配置为根据对稀疏信道的判断结果，优化信道结构，得到信道结构检测矩阵；
估计模块，其被配置为基于所得到的信道结构检测矩阵，更新信道响应，完成稀疏信道的估计。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于结构检测的稀疏信道估计方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于结构检测的稀疏信道估计方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211483050.0A CN115865574B (zh) | 2022-11-24 | 2022-11-24 | 一种基于结构检测的稀疏信道估计方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211483050.0A CN115865574B (zh) | 2022-11-24 | 2022-11-24 | 一种基于结构检测的稀疏信道估计方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115865574A true CN115865574A (zh) | 2023-03-28 |
| CN115865574B CN115865574B (zh) | 2024-05-03 |
Family
ID=85665966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211483050.0A Active CN115865574B (zh) | 2022-11-24 | 2022-11-24 | 一种基于结构检测的稀疏信道估计方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115865574B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040234009A1 (en) * | 2003-05-23 | 2004-11-25 | Mark Fimoff | Best linear unbiased channel estimation for frequency selective multipath channels with long delay spreads |
| 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 |
| 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 |
| CN110138459A (zh) * | 2019-04-04 | 2019-08-16 | 中国人民解放军战略支援部队信息工程大学 | 基于基追踪去噪的稀疏水声正交频分复用信道估计方法及装置 |
| CN110311872A (zh) * | 2019-06-06 | 2019-10-08 | 中国科学院声学研究所 | 一种水声稀疏信道估计方法、系统、设备及存储介质 |
| CN111404849A (zh) * | 2020-03-20 | 2020-07-10 | 北京航空航天大学 | 一种基于深度学习的ofdm信道估计与信号检测方法 |
-
2022
- 2022-11-24 CN CN202211483050.0A patent/CN115865574B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040234009A1 (en) * | 2003-05-23 | 2004-11-25 | Mark Fimoff | Best linear unbiased channel estimation for frequency selective multipath channels with long delay spreads |
| 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 |
| 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 |
| CN110138459A (zh) * | 2019-04-04 | 2019-08-16 | 中国人民解放军战略支援部队信息工程大学 | 基于基追踪去噪的稀疏水声正交频分复用信道估计方法及装置 |
| CN110311872A (zh) * | 2019-06-06 | 2019-10-08 | 中国科学院声学研究所 | 一种水声稀疏信道估计方法、系统、设备及存储介质 |
| CN111404849A (zh) * | 2020-03-20 | 2020-07-10 | 北京航空航天大学 | 一种基于深度学习的ofdm信道估计与信号检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 何维;唐彦楠;陈美铃;: "MIMO-OFDM中稀疏度自适应的信道估计方法", 重庆邮电大学学报(自然科学版), no. 06, 15 December 2015 (2015-12-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115865574B (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11108612B2 (en) | Anti-interference signal detection and synchronization method for wireless broadband communication system | |
| US7864836B1 (en) | Adaptive orthogonal frequency division multiplexing (OFDM) equalizers, OFDM receivers including the same, and methods thereof | |
| CN101056302B (zh) | Ofdm系统中基于ukf的信道与载波频率偏移估计方法 | |
| US8605804B2 (en) | Method of channel estimation and a channel estimator | |
| KR20050105554A (ko) | 직교 주파수 분할 다중 수신기의 채널 추정 방법 및 채널추정기 | |
| CN105337906B (zh) | 信道估计方法及装置 | |
| WO2022052960A1 (zh) | 线性调频通信系统及其信道估计方法、装置、介质和芯片 | |
| WO2020000613A1 (zh) | 信噪比确定方法及装置、信道均衡方法及装置 | |
| CN110138459A (zh) | 基于基追踪去噪的稀疏水声正交频分复用信道估计方法及装置 | |
| CN101120559A (zh) | 通过rms延迟扩展估计，对数据通信系统中的有记忆传输信道进行信道估计的方法、设备和计算机程序产品 | |
| US7978776B2 (en) | Channel estimation device and related method of an orthogonal frequency division multiplexing system | |
| CN107026804A (zh) | Mimo‑ofdm系统中基于指数平滑的信道估计方法 | |
| CN106850471A (zh) | 一种利用加权虚拟导频的时频域联合插值信道估计方法 | |
| CN112968850A (zh) | 微弱bpsk信号载波捕获方法 | |
| CN115865574B (zh) | 一种基于结构检测的稀疏信道估计方法及系统 | |
| US8731109B2 (en) | Methods and systems for effective channel estimation in OFDM systems | |
| WO2015085820A1 (zh) | 一种导频排布确定方法及基站 | |
| CN111800366B (zh) | 复杂多径环境下的ofdm符号定时同步方法及接收设备 | |
| CN105187351B (zh) | 一种多径信道下的ofdm定时同步检测方法 | |
| CN111817990B (zh) | Ofdm系统中基于最小均方误差的一种信道估计改进算法 | |
| CN104468426A (zh) | Lte上行信道估计方法及系统 | |
| CN108989261B (zh) | 一种通信系统的定时同步方法、装置及相关设备 | |
| CN113055318A (zh) | 一种信道估计方法 | |
| CN114257479A (zh) | 频偏估计方法及装置、存储介质、终端 | |
| CN106850499B (zh) | 一种角度差分qam解调方法和解调器 |
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 |