[發明專利]基于廣義正交匹配追蹤算法的稀疏OFDM信道估計方法

有效

• 申請號: 201810071854.7
• 申請日: 2018-01-25
• 公開（公告）號: CN108322409B
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 包建榮;錢方;姜斌;劉超
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: H04L25/02
• 分類號: H04L25/02;H04L27/26
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周希良

本發明公開了一種基于廣義正交匹配追蹤算法的稀疏OFDM信道估計方法，其按以下步驟：步驟一，將信道估計問題轉化為基于壓縮感知理論重構原信號問題；步驟二，設計觀測矩陣；步驟三，采用廣義正交匹配追蹤法重構原信號，完成信道估計。本發明基于壓縮感知中的廣義正交匹配追蹤算法的稀疏信道估計方法，其包括了將信道估計問題轉化為基于壓縮感知理論重構原信號問題、觀測矩陣的設計和廣義正交匹配追蹤算法重構原信號。大大減小運算復雜度即運行時間，精確估計出信道的沖激響應,提高OFDM稀疏信道估計的系統性能，以提高信號解調質量，而具有較高應用價值。

技術領域

本發明屬于信息與通信工程技術領域，涉及一種稀疏OFDM信道估計和信號處理中的采用廣義正交匹配追蹤算法實現稀疏信道估計的方法。

背景技術

在無線通信系統中，信道估計是極為重要的研究方向。其信號估計質量好壞將影響相干解調性能。與傳統奈奎斯特采樣相比，壓縮感知理論摒棄復雜的編碼算法，同時進行數據的采集與壓縮，其采樣速率更低，重構信號更加精確。因無線多徑信道多數都具有稀疏特性，且信道估計在很大程度上也屬于信號重構問題，故可自然地應用壓縮感知(Compressive Sensing,CS)理論，將信道估計問題轉化為壓縮感知廣義正交匹配追蹤算法中的信號重構問題。

壓縮感知理論指出，可以用一個與變換基不相關的觀測矩陣來觀測信號，將信號映射到一個低維空間上，這樣重構問題就會轉化為一個最優化問題，最后通過求解此優化方程就可將信號較為精確地重構出來。當然，如果想要進行以上的過程，信號需要滿足一個前提條件，即信號在此變換域內可稀疏表示或者具有壓縮性。壓縮感知主要包括3個步驟：信號稀疏變換，觀測矩陣設計及信號重構，且最后的信號重構步驟最為關鍵。

常用的信號重構算法主要有三種，一種是凸優化方法，凸優化是在凸函數限制的情況下，通過求解最小l₁范數的凸優化問題恢復原始信號。凸優化方法主要包括基追蹤(Basis Pursuit,BP)算法(算法見“焦李成,楊淑媛,劉芳,等.壓縮感知回顧與展望[J].電子學報,2011,39(7):1651-1662.”)、迭代收縮閾值(Iterative Shrinkage Thresholding,IST)算法(算法見“Wright S J,Nowak R D,Figueiredo M AT.Sparse reconstruction byseparable approximation.[J].Signal Processing,IEEE Transactions on,2009,57(7):3373-3376.”)、梯度投影稀疏重構(Gradient Projection for SparseReconstruction,GPSR)算法(算法見“Figueiredo M AT,Nowak R D,Wright S J.Gradientprojection for sparse reconstruction:Application to compressed sensing andother inverse problems[J].IEEE Journal of Selected Topics in SignalProcessing,2007,1(4):586-597.”)以及同倫(Homotopy)法等。一種是貝葉斯法(算法見“何巖,王東輝,朱淼良.貝葉斯壓縮感知稀疏信號重構方法研究[C]//中國智能機器人學術研討會.2011.”)，利用貝葉斯理論中參數的先驗分布和后驗分布去研究信號恢復問題。利用貪婪追蹤算法重建信號雖然速度很快，但是恢復精度卻很低。而凸優化算法雖然重建信號的計算負擔重，易受收斂停止準則影響，但是觀測點數少，在局部求得的最優解就是整個區域上的最優值，同時當目標函數是嚴格的凸函數時，全局上只有一個最優值點。另一種是貪婪追蹤算法，它在搜索支撐集的過程中，利用了非零元素幅值的高低并求出它的具體值，之后再通過壓縮測量值與估計出的稀疏解之間的殘差來不斷地更新支撐集。其中包括匹配追蹤(Matching Pursuits,MP)算法、正交匹配追蹤(Orthogonal Matching Pursuit,OMP)算法(算法見“Tropp J,Gilbert A C.Signal Recovery From Random Measurements ViaOrthogonal Matching Pursuit[J].Information Theory,IEEE Transactions on,2007,53(12):4655-4666.”)和廣義正交匹配追蹤(Generalized OMP,GOMP)算法。