侯 猛,李 斌,孫學(xué)斌,趙成林,周 正
(北京郵電大學(xué)無(wú)線網(wǎng)絡(luò)實(shí)驗(yàn)室,北京 100876)
60 GHz毫米波通信系統(tǒng)占據(jù)巨大傳輸帶寬,其無(wú)線信道呈現(xiàn)出彌散多徑傳輸特性,因此60 GHz通信系統(tǒng)設(shè)計(jì)中需采用信道估計(jì)技術(shù),以期在接收機(jī)端充分捕獲多徑信號(hào)能量。傳統(tǒng)線性信道估計(jì)方法均采用大量導(dǎo)頻信號(hào)來(lái)獲取信道狀態(tài)信息,顯著降低了頻譜資源利用率;同時(shí),高達(dá)幾十GHz的超高速采樣頻率也給模數(shù)轉(zhuǎn)換設(shè)備提出極為嚴(yán)格的要求。近年來(lái)興起的壓縮感知理論充分利用信號(hào)稀疏性,能以低于奈奎斯特采樣速率進(jìn)行隨機(jī)采樣和信號(hào)重構(gòu)[1]。
標(biāo)準(zhǔn)的CS理論框架并未考慮源信號(hào)的結(jié)構(gòu),某些稀疏信號(hào)具有特定結(jié)構(gòu),以往經(jīng)典算法因未加利用而重構(gòu)效率低。本文研究了壓縮感知在60 GHz毫米波通信系統(tǒng)信道估計(jì)中的應(yīng)用。充分探討了60 GHz無(wú)線多徑信道的分簇結(jié)構(gòu)特性,將信道分簇后所體現(xiàn)出的更強(qiáng)稀疏特性與壓縮感知理論結(jié)合,有效地提升了信道重構(gòu)與估計(jì)性能。因而在60 GHz毫米波通信系統(tǒng)設(shè)計(jì)中具有極其重要的理論與實(shí)踐價(jià)值。
壓縮感知(Compressed Sensing,CS)理論主要研究稀疏信號(hào),并以低于奈奎斯特采樣速率對(duì)其進(jìn)行隨機(jī)采樣和重構(gòu)。CS理論強(qiáng)調(diào)只要待研究信號(hào)是可壓縮的,或在某個(gè)變換域呈現(xiàn)稀疏特性,即可用一個(gè)與變換基不相關(guān)的觀測(cè)矩陣,將變換所得高維信號(hào)投影至一個(gè)低維空間上,繼而通過求解一個(gè)優(yōu)化問題,最終從少量投影中以高概率重構(gòu)出原信號(hào)[2]。壓縮感知在采樣同時(shí)實(shí)現(xiàn)數(shù)據(jù)壓縮,其實(shí)現(xiàn)核心主要涉及信號(hào)稀疏表示、觀測(cè)矩陣設(shè)計(jì)及信號(hào)重構(gòu)3個(gè)關(guān)鍵問題。本文基于60 GHz信道分簇的結(jié)構(gòu)特點(diǎn),提出了基于簇的塊稀疏信號(hào)模型。
塊稀疏信號(hào)(Block-Sparse Signal),即信號(hào)值不為0的地方是成塊出現(xiàn)的,其數(shù)學(xué)模型如下[3]:
式中,Φ∈Rm×N為測(cè)量矩陣,且 m <N,y為觀測(cè)信號(hào),x為塊稀疏信號(hào):
式中,N=Md,x[l](l=1,2,…,M)稱為一個(gè)子塊,塊稀疏是指大多數(shù)子塊為0,定義塊稀疏度為K,則x[l]至多有K個(gè)不為0的歐幾里德范數(shù),當(dāng)d=1時(shí),塊稀疏退化成一般意義下的稀疏。為簡(jiǎn)化問題,假設(shè)x[l]等長(zhǎng),均為d。與式(2)類似,測(cè)量矩陣也按此分塊:
實(shí)際中很多稀疏信號(hào)都滿足塊稀疏信號(hào)的形式,如多波段信號(hào)(Multi Band Signal)、DNA陣列(DNA Microarray)、雷達(dá)脈沖信號(hào)(Radar Pulse Signal)等[3],研究這些具有特定結(jié)構(gòu)的稀疏信號(hào)重構(gòu)算法具有重要意義。
本文采用IEEE P802.15無(wú)線個(gè)域網(wǎng)(WPANs)工作組所建議的60 GHz室內(nèi)通信系統(tǒng)信道模型,該模型基于修正室內(nèi)S-V多徑信道模型,S-V多徑信道的一個(gè)顯著特性是多徑分量呈現(xiàn)出顯著的分簇特性。信道沖激響應(yīng)的數(shù)學(xué)表達(dá)式如式(4)所示[4]:
式中,L代表簇?cái)?shù)目,而Kl則表示第l簇中的多徑數(shù)目。αk,l=exp(jφk,l)對(duì)應(yīng)于第 l簇中第 k 條多徑的增益,τk,l為時(shí)延量,θk,l與 φk,l則分別表示到達(dá)角,仿真得到的LOS信道沖激響應(yīng)如圖1所示。
在60 GHz信道估計(jì)過程中,接收信號(hào)可以表示為:
式中,y表示接受信號(hào),v表示噪聲[5],h=[h[0],h[1],…h(huán)[N-1]]T表示 N ×1 的信道脈沖響應(yīng),S由Nx+N-1個(gè)已知符號(hào)(訓(xùn)練序列)組成,NX表示發(fā)送信號(hào)的數(shù)量。脈沖響應(yīng)h僅僅有M個(gè)非零元素,具有稀疏性。
圖1 60 GHz通信系統(tǒng)視距信道沖激響應(yīng)
由圖1可知,并不是每個(gè)可辨的簇和多徑間隔內(nèi)都有多徑分量,60 GHz信道帶寬極大,時(shí)域上的高分辨率使得接收信號(hào)值交疊很少發(fā)生,是典型的稀疏信道。壓縮感知的應(yīng)用對(duì)象是信道沖激響應(yīng)h,對(duì)h進(jìn)一步減采樣后重構(gòu)得到信道沖激響應(yīng)的估計(jì)值^h。由于壓縮感知要求觀測(cè)矩陣是隨機(jī)矩陣,為使接收機(jī)估計(jì)導(dǎo)頻符號(hào)時(shí),直接實(shí)現(xiàn)低于奈奎斯特速率的低速采樣,接收機(jī)的觀測(cè)矩陣可以由發(fā)射端的隨機(jī)濾波器和接收端減采樣聯(lián)合實(shí)現(xiàn)。為對(duì)抗噪聲,訓(xùn)練序列采用重復(fù)編碼,估計(jì)結(jié)果的平均值作為信道估計(jì)結(jié)果[6]。
自CS理論建立以來(lái),已經(jīng)提出了很多有效而精確的重構(gòu)算法,比較有代表性的包括基追蹤算法和貪婪算法[7],但是以往的CS信道估計(jì)重構(gòu)算法并沒有考慮到信道沖激響應(yīng)信號(hào)結(jié)構(gòu),對(duì)于具有特定結(jié)構(gòu)的稀疏信號(hào),這些重構(gòu)算法并沒有利用這些信號(hào)結(jié)構(gòu),因而重構(gòu)效率和精度低。針對(duì)這些問題,提出了一種基于簇的分級(jí)塊稀疏壓縮感知信道估計(jì)算法,結(jié)合60 GHz信道特性,依據(jù)主簇和旁簇在不同基底上的稀疏性不同和對(duì)信道估計(jì)的相關(guān)度大小不同,對(duì)源信號(hào)進(jìn)行多級(jí)分解,構(gòu)造不同基底上的稀疏信號(hào),分別重構(gòu);為保證較低的重構(gòu)復(fù)雜度,重構(gòu)時(shí)引入塊稀疏化處理思想,該算法在每次迭代時(shí)找到一個(gè)包含K個(gè)非零信號(hào)值的稀疏子塊,然后計(jì)算殘差;下一次迭代時(shí),添加一個(gè)修正步驟來(lái)控制估計(jì)的精準(zhǔn)度,直到殘差為零。
文獻(xiàn)[5]提出了一種有效的簇識(shí)別算法,本文基于簇的分級(jí)思想正是在此基礎(chǔ)上,引入判決門限,從而將原信號(hào)依據(jù)主簇的稀疏度進(jìn)行多級(jí)分解,實(shí)現(xiàn)壓縮感知的多級(jí)重構(gòu)。
標(biāo)準(zhǔn)的CS理論框架并未考慮源信號(hào)的結(jié)構(gòu),重構(gòu)效率低,本文算法利用了60 GHz信道沖激響應(yīng)具有成簇出現(xiàn)的結(jié)構(gòu)特點(diǎn),分級(jí)思想目標(biāo)是保證相對(duì)精確地估計(jì)出一組具有較高能量的多徑增益和時(shí)延,因而沒有對(duì)導(dǎo)頻符號(hào)完全重構(gòu)。第2級(jí)信號(hào)重構(gòu)時(shí)引入塊稀疏和誤差修正的思想以減少重構(gòu)迭代次數(shù)?;诖氐姆旨?jí)和塊稀疏重構(gòu)改進(jìn)算法以現(xiàn)有重構(gòu)算法為基礎(chǔ),引入分級(jí)判決門限進(jìn)行分級(jí)處理?;诖氐膲K稀疏壓縮感知算法核心步驟如下:
①初始化:接收機(jī)信號(hào)的簇檢測(cè)識(shí)別;
②基于簇的分級(jí)處理:主簇稀疏度高于判決門限則提取主簇和最大旁簇聯(lián)合構(gòu)造第1級(jí)待處理信號(hào),否則提取主簇構(gòu)造第1級(jí)待處理信號(hào),剩余旁簇為第2級(jí)待處理信號(hào);
③分級(jí)重構(gòu):第1級(jí)進(jìn)行CS-ROMP重構(gòu),第2級(jí)信號(hào)進(jìn)行塊稀疏壓縮感知算法;
④信號(hào)合成:分級(jí)重構(gòu)出的各級(jí)信號(hào)合成。
將CS-OMP算法和CS-ROMP算法直接應(yīng)用于信道估計(jì),其效率因?yàn)闆]有利用信號(hào)成簇出現(xiàn)的結(jié)構(gòu)特性而偏低,針對(duì)該缺點(diǎn),提出了塊稀疏化重構(gòu)算法。算法目的是減少信號(hào)重構(gòu)時(shí)的迭代次數(shù),從而降低算法的復(fù)雜度,每次迭代時(shí),找到1個(gè)信號(hào)子塊,每個(gè)信號(hào)子塊包含K個(gè)不為0的信號(hào)值。同時(shí),為保證重構(gòu)誤差維持在較低的水平上,在每次迭代時(shí),引入修正思想,修正上一次找到的信號(hào)子塊,直到殘差為0時(shí)找到信號(hào)所有子塊。
對(duì)于形如式(4)的塊稀疏信號(hào),分塊向量可確定如下:
BT=[1,…1,2,…2,…,M,…M]。提出的塊壓縮感知重構(gòu)算法,能夠滿足較少迭代次數(shù)的要求,有以下步驟:
①輸入:高斯分布測(cè)量矩陣Φ∈Rm×N,觀測(cè)信號(hào)y,塊稀疏度K,算法迭代誤差δ,分塊向量B;
② 初始化:殘差r0=y,迭代次數(shù)l=1,候選稀疏塊集合t0=?,重構(gòu)向量^x=0;
③相關(guān)最大化:第l次迭代時(shí)選擇與殘差值最匹配的稀疏塊il:il=arg mKax (mean(|φT[i] rl-1|)),即測(cè)量矩陣轉(zhuǎn)置后的每一塊與殘差相乘,取絕對(duì)值后再平均,選擇最大的K個(gè)值的標(biāo)號(hào)賦給il;
④修正稀疏塊集:從2K個(gè)稀疏塊中找出K個(gè)與稀疏塊φtl差值最小的塊tl;
⑤計(jì)算殘差:rl=y-φt1y,若殘差rl小于預(yù)先設(shè)定的迭代誤差δ,則執(zhí)行步驟⑥,否則l值加1,返回步驟②;
使用MATLAB平臺(tái)仿真,為驗(yàn)證本文算法重構(gòu)性能,將本文算法、CS-OMP和 CS-ROMP應(yīng)用于60 GHz通信系統(tǒng)視距信道估計(jì),進(jìn)行對(duì)比分析。60 GHz室內(nèi)視距LOS信道脈沖響應(yīng)h,共有N個(gè)序列,其中M個(gè)非零序列。采用BPSK調(diào)制,仿真設(shè)定最大時(shí)延擴(kuò)展為100 ns,采樣率為M/N=0.5。測(cè)量矩陣為高斯分布,m=256,N=512,分塊大小d=4,分級(jí)判決門限值δ=0.85。
為了使接收機(jī)具有適中的復(fù)雜度,仿真構(gòu)造具有25個(gè)RAKE值的接收機(jī),即信道估計(jì)結(jié)果h中取最大30徑構(gòu)造RAKE接收機(jī)。訓(xùn)練序列個(gè)數(shù)為1,訓(xùn)練序列和數(shù)據(jù)符號(hào)都采用重復(fù)編碼,重復(fù)編碼個(gè)數(shù)為10。采用100個(gè)LOS信道來(lái)統(tǒng)計(jì)CS-OMP、CS-ROMP以及本文改進(jìn)算法的重構(gòu)誤差、迭代次數(shù)和殘差收斂情況。假定接收機(jī)需要估計(jì)10個(gè)簇,通過對(duì)大量信道實(shí)現(xiàn)的仿真遍歷,計(jì)算重構(gòu)誤差‖^h-h‖/‖h‖,可以獲得信道估計(jì)的重構(gòu)誤差曲線。
圖2給出了CS-OMP算法、CS-ROMP算法和本文基于簇的分級(jí)和塊稀疏壓縮感知重構(gòu)算法在信噪比為20 dB的視距條件下60 GHz信道響應(yīng)的估計(jì)情況和縱坐標(biāo)信號(hào)幅度。CS-ROMP在LOS信道下的信道估計(jì)性能要好于CS-OMP;3種算法中,本文算法重構(gòu)效果好,不僅主徑重構(gòu)誤差更小,而且旁簇的較大徑精度也更高,在重構(gòu)精度方面明顯優(yōu)于CS-OMP和CS-OMP算法。ROMP算法從OMP算法基礎(chǔ)上發(fā)展而來(lái),仿真結(jié)果也說明CS-ROMP在60 GHz信道估計(jì)中性能要好于CS-OMP。圖3給出了在視距信道下采用CS-OMP和CS-ROMP算法和本文算法進(jìn)行信道估計(jì)的重構(gòu)誤差。對(duì)比未經(jīng)分級(jí)直接重構(gòu)的CS-OMP和CS-ROMP算法可知,引入基于簇的分級(jí)和塊稀疏壓縮感知算法后,CS-OMP算法重構(gòu)誤差平均降低了30%左右,CS-ROMP算法重構(gòu)誤差平均降低10%。這說明第1級(jí)多徑和信道估計(jì)相關(guān)度最大,從而使信道估計(jì)的精確度大幅度提高。
圖2 原始信號(hào)及各算法信道估計(jì)情況
圖3 LOS信道下OMP、ROMP和改進(jìn)算法重構(gòu)誤差
分級(jí)算法一定程度上增加了迭代次數(shù),提高了重構(gòu)復(fù)雜度,對(duì)和信道估計(jì)精度相關(guān)性低的多徑信號(hào)值采用塊稀疏算法,有效地減少了迭代次數(shù),降低了復(fù)雜度。總體上重構(gòu)復(fù)雜度并未提高。綜合分析,基于簇的分級(jí)塊稀疏壓縮感知算法在60 GHz信道估計(jì)系統(tǒng)中取得了良好的性能。
深入分析 CS-OMP、CS-ROMP重構(gòu)算法在60 GHz毫米波通信系統(tǒng)信道估計(jì)中的應(yīng)用,結(jié)合60 GHz通信信道沖激響應(yīng)成簇出現(xiàn)的結(jié)構(gòu)特點(diǎn),提出了一種基于簇的分級(jí)塊稀疏壓縮感知重構(gòu)算法,對(duì)比分析了CS-OMP、CS-ROMP和本文所提新算法的性能。綜合實(shí)驗(yàn)仿真結(jié)果,本文算法應(yīng)用于60 GHz通信系統(tǒng)信道估計(jì)時(shí),在估計(jì)一組具有較高能量多徑的增益和時(shí)延方面,具有較好性能,重構(gòu)誤差較小,迭代次數(shù)相對(duì)較低,對(duì)于精度和復(fù)雜度要求較高的場(chǎng)合具有實(shí)際意義。
[1]石光明,劉丹華,高大化,等.壓縮感知理論及其研究進(jìn)展[J].電子學(xué)報(bào),2009(5):1070-1080.
[2]STOJNIC M.On theReconstruction ofBlock-sparse Signals with an Optimal Number of Measurements[J].IEEE Trans.,2009,57(8):1076-1082.
[3]DONOHO D L.Compressed sensing[J].IEEE Trans.on Information Theory,2006,52(4):1289-1306.
[4]CHEN J,HUO X.TheoreticalResults on Sparse Representations of Multiple-measurement Vectors[J],IEEE Trans,2006,54(12):4634-4643.
[5]LI B,ZHOU Z,LI D,et al.Efficient Cluster Identification for Measured Ultra-wideband Channel Impulse Response in Vehicle Cabin [J].Progress In Electromagnetics Reseach,2011,20:121-147.
[6]ELDAR Y C,MISHALI M.Robust Recovery of Signals from a Structured Union of Subspaces[J].IEEE Trans.2009,55(11):5302-5316.
[7]ZHANG P,HU Z,QIU R C,et al.A Compressed Sensing Based Ultra-wideband Communication System [C]∥IEEE International Conference on Communications(ICC),2009,20:1191-1194.