[发明专利]一种基于压缩感知的移动OFDM系统信道估计方法

说明书

本发明公开了一种基于压缩感知的移动OFDM系统信道估计方法，该方法由以下4部分组成：构造字典矩阵；高信噪比时，字典矩阵被选取的概率统计过程；低信噪比时，字典矩阵被重新选取求信道系数的过程；基于贝叶斯信息准则函数的停止准则。该方法通过统计在高信噪比时信道估计获得的参数，用于低信噪比时的高速信道估计，能有效降低低信噪比时系统的误码率以及均方误差，能提高在高速移动状态下低信噪比时接收信号的质量，并且能够加快低信噪比时信道估计的速度，实时满足用户对高质量信号的需求。该方法适用于任何OFDM无线通信系统框架，且不需要对现有的通信系统做任何改造，仅需对终端设备进行软件或硬件升级即可实现该功能，因而具有广泛的应用推广价值。

技术领域

本发明涉及移动通信技术领域，尤其涉及一种基于压缩感知的移动OFDM系统信道估计方法。

背景技术

随着移动通信的高速发展，用户对数据的需求量剧增，对数据的可靠性要求也越来越高，由于无线通信信道较为复杂，无线电波在传输过程中容易受到建筑等障碍物的影响，同时移动台和基站之间往往存在相对运动，导致无线通信信道的相关参数总是出于不断变化当中。随着高速铁路的发展，人们通常选择高铁出行，移动端往往处于高速移动的状态，无线信道的环境更为恶劣，想要在接收端接收到高质量的数据，我们需要对信道的状态进行较为准确的估计。

信道估计按照所需要的先验信息可以划分为三类，分别是：基于参考信号的信道估计、盲信道估计、半盲信道估计。基于参考信号的信道估计需要在发送信号中插入已知的参考信号，如导频信道或训练序列，接收端利用这些导频信息来进行估计，通常采用LS、MMSE等算法进行计算。盲信道估计是指在接收端事先不知道相关的发送数据的情况下，根据信道传输的统计信息来进行估计。半盲信道估计则是两者的一个结合。由于盲信道估计和半盲信道自身运算量大并且收敛速度慢的特点，在实际应用中有较大的瓶颈。基于参考信号的信道估计虽然降低了信息传输的速率，但是能够较准确的估计出信道的状态。

在实际的无线通信信道中，信道响应仅在几处对信号有着较大的影响，其余位置对信道影响几乎可以忽略不计，我们将其置为零，可以将信道响应看成稀疏的。最近新兴的压缩感知技术，则是利用信号的稀疏性，通过选取条件良好的不相干测量矩阵将原始信号投影到一个低维空间上，直接得到压缩后的数据。常见的压缩感知信号恢复算法有MP、OMP等，在信道估计中成为研究的热点。

在高信噪比时，信道估计展现出了较为理想的效果，但是在低信噪比时，误码率依旧很高。基于上述考虑，为达到更为理想的通信质量，我们提出了一种基于压缩感知的高速信道估计方法来降低低信噪比时的BER和MSE。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种基于压缩感知的移动OFDM系统信道估计方法，降低低信噪比时系统的BER以及MSE，同时提升低信噪比时信道估计的速度，从而提升整个系统在通信系统中的表现，在复杂的无线通信环境中提升接受信号的质量，满足用户的需求。

为实现上述目的，本发明提供了一种基于压缩感知的移动OFDM系统信道估计方法，包括以下步骤：

步骤1、初始化OFDM系统相关参数，包括子载波数、导频数、调制方式，并在发送序列中插入导频信号；

步骤2、根据压缩感知原理建立基本数学模型，由延时多普勒函数得到时域里的信号输入输出的关系，根据无线信道的特性，信道系数是稀疏的，对数学模型进行相应的变换，得到频域里输入输出的关系，构造出字典矩阵；

步骤3、让系统在高信噪比的情况下运行，在接收端提取出导频信号，对信道系数进行估计，高信噪比情况下的信道估计方法采用OMP算法；

步骤4、统计在步骤3中，字典矩阵每一列被选取的概率，并选择被选取概率较高的列向量，作为低信噪比时进行信道估计的字典矩阵；