[发明专利]基于导频的低复杂度压缩感知信道估计方法

说明书

本发明公开了一种基于导频的低复杂度压缩感知信道估计方法。包括步骤：根据压缩感知算法按照随机化分布原则设置导频位置，在接收端对本地导频信号和接收到的导频信号进行互相关运算，利用互相关运算结果对信道稀疏度、非零稀疏路径的时延分布进行预估，将所得到预估值作为压缩感知算法的预设值与迭代运算初值，结合低复杂度压缩感知重构算法得到信道估计结果，对于数据位置的信道信息的估计，通过基于DFT的时域插值算法完成。本发明针对复杂无线信道，采用压缩感知信道估计减少了导频开销，提高频谱利用率；采用随机化导频位置分布，信号能以较高的概率重建；利用接收端导频信号的互相关运算对信道稀疏度、非零稀疏路径的时延分布进行预估，可以减少迭代次数，大大降低算法复杂度。

技术领域

本发明涉及一种针对未来移动通信系统中复杂无线信道环境提出的基于导频的利用压缩感知技术实现的低复杂度信道估计方法。

背景技术

无线信道具有很强的时变性和随机性，由于传播环境不同导致无线信道特征十分复杂，它在频域、时域上还具有选择性衰落的性质。在未来的移动通信系统中，通信网络将具有更显著的异构、分布式的特征，小区排布将更加紧密，无线传输信道状况将会变得更加复杂。因此，上述应用场景对无线通信系统的信道估计算法提出了更高的要求。

目前常用的信道估计算法中：基于判决反馈的信道估计方法省去了导频符号，因此改善了系统的频谱利用率；但是当出现突发错误时该方法的误差容易扩散，导致系统性能严重下降，其运算消耗的时间也比较长。盲信道估计不需要导频，数据传输效率较高；但是它已知的信息量很少，因此求解运算量大，且信道随时间、频率的选择性衰落会进一步降低盲估计的性能；另外，此方法要对大量的接收数据进行临时存储，然后对这些接收信号进行统计分析才能获得信道状态信息的估计值，且求解过程中存在矩阵求逆运算，当系统子载波数量较大时，计算复杂度非常高；它还要求信道估计特性在盲信道估计过程中不能发生明显的变化，因此，它的应用仅限于慢衰落和已知连续发送的应用场景。半盲信道估计方法在运算速度与数据传输效率之间取折中，它也不适合快时变场景。插入导频的信道估计算法使用了导频符号，虽然降低了系统的频谱利用率，但算法复杂度低，能够较准确地刻画出无线信道的特征，仍然是一种较常用的方法。

根据导频符号的分布形式，主要分为梳状导频与块状导频两种导频结构。两种导频结构应用于不同的情形，块状导频一般适用于慢时变信道条件，而梳状导频结构可以应用于快时变信道条件下。

压缩感知(Compressed Sensing，CS)理论应用到通信领域中的信道估计是近些年的研究热点，其重点在于采用信道的时域冲激响应，对在时域上具有稀疏性的信道进行估计，可以适用于复杂信道下的无线通信系统中。

由于信号具有稀疏性，压缩感知算法支持用远低于奈奎斯特采样率对信号进行随机采样以得到信号的离散样本。压缩感知理论利用信号的稀疏性，只要信号是可压缩的或者变换到某个域上表现为稀疏的，利用这些稀疏信号的线性投影，就足以恢复出原始信息。选择一个与变换基不相关的观测矩阵，将变换得到的高维信号映射到一个低维空间，求解此优化问题，基于少量的映射信息就能够以高概率重构得到原始信号。它挑战了奈奎斯特采样定理的理论极限，能够实现更有效、复杂度更低、资源占用更少的算法。

不同的压缩感知算法有其自身的特点与相应的适用领域。在OMP(OrthogonalMatching Pursuit，正交匹配追踪)算法的步骤中，每次分解都要将全部剩余原子作正交化处理，因此在有同等精度要求下能更快地达到收敛条件；该算法在选择原子时，只能够确保该原子在当前是最匹配的，如果在此步骤选择错误的原子，在后面的运算中也无法被删除，导致局部最优解的产生。CoSAMP(Compressive Sampling Matching Pursuit，压缩采样匹配追踪)算法每一步的迭代运算选择多个原子，这一性质使其更适合在通信这种对实时性要求高的领域中应用。在信道估计一中采用压缩感知算法可以用较少的导频数量达到与其它算法相当的性能，提高频谱利用率。