[发明专利]基于自适应压缩感知的OFDM稀疏信道估计方法

摘要

本发明公开了基于自适应压缩感知的OFDM稀疏信道估计方法，包括以下步骤：步骤（1）：将OFDM信道估计问题建模为压缩感知信号重建问题；步骤（2）：利用自适应压缩感知信道估计算法求解压缩感知信号重建问题，估算出OFDM稀疏信道。本发明的优点是：在OFDM系统信道稀疏性未知的情况下，能快速估算出OFDM稀疏信道，基于本发明算法的OFDM稀疏信道估计方法与基于现有的稀疏度自适应算法的OFDM稀疏信道估计方法相比，具有更低的信道估计均方误差、更低的系统误比特率和更短的估计时间。

主权项

1.基于自适应压缩感知的OFDM稀疏信道估计方法，其特征在于：包括以下步骤：步骤(1)：将OFDM信道估计问题建模为以下的压缩感知信号重建问题：yP＝XPWPh+nP＝Ah+nP其中：y_P＝Sy是P×1维接收导频向量，P为导频个数，S矩阵由N×N单位阵中与导频位置对应的P行组成，N为OFDM系统子载波总数，y＝[y(0),y(1),....,y(N‑1)]^T是接收信号，(·)^T表示对矩阵进行转置，X_P＝SXS^T是P×P对角矩阵，X是在主对角线上具有元素X(k)(0≤k≤N‑1)的对角矩阵，X(k)表示OFDM符号内的用户数据和导频信号，W_P＝SW是P×L维矩阵，W由N×N维DFT矩阵的前L列组成，其中0≤n≤N‑1，0≤l≤L‑1，L为信道长度，h＝[h₀,h₁,…,h_L‑1]^T为K稀疏的信道时域冲激响应采样值，即h中非零元素的个数为K，n_P＝Sn是P×1维噪声向量,n＝[n(0),n(1),....,n(N‑1)]^T为复加性高斯白噪声，A＝X_PW_P是P×L维测量矩阵；步骤(2)：利用自适应压缩感知信道估计算法求解压缩感知信号重建问题，估计出OFDM稀疏信道；其中，自适应压缩感知信道估计算法具体包括以下步骤：步骤(21)：设置测量矩阵A＝XPWP，接收到的导频信号yP为测量值；步骤(22)：初始化：起始步长s，标识阈值参数μ，原子预选参数a，迭代次数t＝1，初始残差r₀＝y_P，初始支撑集表示空集，支撑集大小G＝s，初始阶段标识参数I＝0，阶段stage＝1；步骤(23)：通过设置模糊阈值进行原子预选，获得第t次迭代的索引集St＝{j:|g(j)＞aσt}，其中g＝abs[ATrt‑1]，g(j)是向量g中对应于索引j(1≤j≤L)的元素，abs表示取绝对值，rt‑1表示第t‑1次迭代时的残差，a为原子预选参数，σt＝max(|ATrt‑1|)表示第t次迭代时(|ATrt‑1|)的最大值，max表示取最大值；步骤(24)：形成第t次迭代的候选集Ct：Ct＝Ft‑1∪St，其中∪表示取并集，Ft‑1表示第t‑1次迭代的支撑集；步骤(25)：进行阶段标识参数值判断与更新：如果size(Ct)＞μ*P,则I＝1，其中size(Ct)表示候选集中的元素个数，I为阶段标识参数；步骤(26)：获得支撑集F：如果size(C_t)≥G,则否则，F＝C_t；其中矩阵由测量矩阵A中列索引为候选集C_t元素的列向量构成，表示从中选择前G个最大的元素所对应的索引，矩阵表示取矩阵的广义逆；步骤(27)：更新残差：其中r_new表示当前阶段的残差，矩阵A_F由测量矩阵A中列索引为支撑集F元素的列向量构成，矩阵表示取矩阵A_F的广义逆；步骤(28)：判断迭代停止条件：如果||rnew||2＜ε，则转步骤(211)；否则，转步骤(29)，其中||rnew||2表示取残差rnew的2范数，ε是设置的迭代停止阈值参数；步骤(29)：如果||r_new||₂≥||r_t‑1||₂且I＝0，则stage＝stage+1，F_t＝F_t‑1，r_t＝r_t‑1，表示向上取整，b是设置的参数，F_t表示第t次迭代的支撑集，r_t表示第t次迭代的残差；如果||r_new||₂≥||r_t‑1||₂且I＝1，则G＝G+s，F_t＝F_t‑1，r_t＝r_t‑1；否则，F_t＝F，r_t＝r_new；步骤(210)令迭代次数t＝t+1，并转向步骤(23)；步骤(211)：输出信道冲激响应近似值输出的信道冲激响应近似值即为估记出的OFDM稀疏信道。