[发明专利]一种基于压缩感知的移动OFDM系统信道估计方法

摘要

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。

主权项

1.一种基于压缩感知的移动OFDM系统信道估计方法，其特征在于，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；步骤5、在低信噪比时运行系统，重复步骤3中的信道估计方法，但是在计算残差与字典相关度时，只与步骤4中选取出来的列向量进行相关度计算；步骤6、步骤5中得到估计出来的信道系数，通过LSQR均衡算法，恢复出发送信号并与原来的进行对比得到BER和MSE；所述步骤2中得到时域里的信号输入输出的关系具体为：构造字典矩阵，根据延时多普勒函数构造信道模型，时域里的输入输出关系如下：其中h(t,τ)表示信道冲激响应，M为路径数目，h_m是第m条路径的信道增益，f_m是第m条路径的多普勒频移，τ_m为第m条路径的时延，δ(t)为单位冲激响应；所述步骤2中得到频域里的信号输入输出的关系具体为：对多普勒频移和延时进行采样并进行归一化处理，再经过傅里叶变换，可以得到频域里输入输出的关系，如下所示：其中Y_F、S分别表示频域里的接收信号和发送信号，S_D表示发送信号中有效数据的位置，S_P表示发送信号中到贫富好的位置，L和D分别表示延时采样和多普勒采样的个数，μ(l，d)为第l个延时采样、第d个多普勒频移采样的信道增益，C_f，d是频域里多普勒频移延时循环矩阵，Λ_f，d是频域里延时对角矩阵；步骤3中OMP算法过程为：1)首先初始化残差r⁰＝y，y是接收信号，初始化索引集合2)迭代开始，令迭代次数i＝1；3)接着残差与字典矩阵A中的每一列进行内积运算，并记录绝对值最大的列向量的索引值S_max，计算公式为其中S为不在索引集合里的列向量索引，A(s)表示相应的列向量，r^i‑1表示第i‑1次迭代残差；4)更新索引值集合即第3步中求出的最大列向量S_max与i‑1次迭代索引集合的并集，生成新的索引集合5)获得新的估计值A_S为被选索引值选取的列向量，上标H表示共轭转置，上标‑1表示求逆矩阵，此式为最小均方估计表达式；6)更新残差rⁱ＝y‑Abⁱ，bⁱ为第i次迭代的估计值，y为接收信号，A为字典矩阵；7)令cⁱ＝(rⁱ)′*rⁱ，其中(rⁱ)′是rⁱ的复共轭转置，8)其中N_p是导频数目，其中N_p是导频数目，cⁱ是残差平方和函数，f_BICⁱ是贝叶斯信息准则函数，当满足f_BICⁱ＞f_BIC^i‑1时(i＞1)，迭代停止；9)当满足f_BICⁱ＞f_BIC^i‑1时(i＞1)，迭代停止，令i＝i^*，若不满足条件，则i＝i+1，并重新回到步骤3；10)输出即OMP算法的估计值。