论文部分内容阅读
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传输速度与频谱效率。信道估计技术可通过估计信道状态信息(Channel Sate Information,CSI)提高接收端数据解调的正确率。但是,传统信道估计方法需要插入大量导频信息才能取得较好的估计效果,严重浪费了频谱资源。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频谱效率和估计性能。然而,目前信道估计中常用的重构算法大多需要已知信道稀疏度,严重制约了算法应用。特别是,由于水声信道具有严重的时延扩展与多普勒扩展,使得信道估计中的测量矩阵的列数较多,导致信道估计的复杂度较高。基于此,本文对基于CS的信道估计进行了以下研究:1.通过研究分析发现,由于信道条件良好的缓慢时变水声信道时变特性不明显,在一个OFDM符号周期内,忽略载波间干扰(Inter-carrier Interference,ICI)的影响即可获得较好的估计效果。基于此,本文针对良好信道基于BELLHOP水声信道模型与ICI-忽略的OFDM信道估计模型,提出了一种基于动态门限与原子弱选择相结合的稀疏度自适应的CoSaMP(Sparsity Adaptive CoSaMP Based on a Dynamic Threshold and Weak Selection of Atoms,DW-SACoSaMP)重构算法。该算法以传统CoSaMP算法为基础,采用变步长策略解决了CoSaMP算法的稀疏度依赖问题,并避免了固定步长造成的过度估计问题,提高了估计精度。而且,DW-SACoSaMP算法利用动态门限降低了内积计算次数,采用了基于原子个数约束条件的原子弱选择策略,在保证估计精度的前提下优化了支撑集,降低了计算复杂度。仿真结果表明,与其他重构算法相比,DW-SACoSaMP算法在稀疏度未知条件下具有更高的估计精度与更低的计算复杂度。2.信道条件恶劣的快速时变水声信道因时变性严重,无法忽略载波间干扰的影响,使得水声信道矩阵为全矩阵,增加了信道估计的难度。基于此,本文针对恶劣信道基于参数化时变水声信道模型与ICI-感知的OFDM信道估计模型,提出了一种基于优化迭代过程的快速OMP(Fast OMP Based on Optimized Iterative Process,OIP-FOMP)重构算法。该算法采用提前计算埃尔米特内积标签矩阵的方法避免了大量的内积计算,采用计算效率更高的QR分解代替最小二乘法求解信道的路径幅度,利用埃尔米特内积矩阵的优化策略保证每次迭代都能够选择不同的时延,从而避免了OIP-FOMP算法因选择相同时延导致的重构失败问题。仿真结果与理论分析表明,OIP-FOMP算法与OMP算法具有相同的估计精度,且复杂度降低了约1/4。