路暢 楊彩霞 欒先冬

摘 要： 壓縮感知理論作為一種新的采樣理論，因其采樣少，恢復(fù)效果好等特點(diǎn)被學(xué)術(shù)界廣泛關(guān)注。雖然傳統(tǒng)的信道估計(jì)算法已經(jīng)達(dá)到了非常不錯的效果，但隨著科技的發(fā)展，人們對信息傳輸速度和傳輸質(zhì)量的需求不斷增加，傳統(tǒng)算法占用頻帶資源大、計(jì)算復(fù)雜度高等缺點(diǎn)就變得越發(fā)凸顯。于是開始使用壓縮感知理論進(jìn)行信道估計(jì)。在使用壓縮感知理論對多入多出正交頻分復(fù)用（MIMO?OFDM）系統(tǒng)進(jìn)行信道估計(jì)的過程中，提出一種導(dǎo)頻的設(shè)計(jì)方法。最后，選定訓(xùn)練序列與幾種既有的導(dǎo)頻選擇法相結(jié)合，通過仿真演示提出算法的效果，仿真結(jié)果表明提出的方法估計(jì)效果較好。

關(guān)鍵詞： 信道估計(jì)； 壓縮感知理論； 確定性導(dǎo)頻； MIMO?OFDM

中圖分類號： TN91?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2016）05?0051?04

0 引 言

為了提高無線通信系統(tǒng)的性能，人們很早就開始嘗試信道估計(jì)并研究出多種算法。但是傳統(tǒng)算法若想獲得較好的估計(jì)性能，導(dǎo)頻須在時間域或頻域以滿足奈奎斯特采樣條件等間隔放置，這不僅使得大量的頻帶資源被占用，而且計(jì)算量較大，從而影響系統(tǒng)的傳輸速率，并且給系統(tǒng)帶來較大負(fù)擔(dān)。隨著壓縮感知理論的提出，人們開始將這個較新的理論應(yīng)用于信道估計(jì)中，因?yàn)樗哂胁杉倭坎蓸又稻涂梢曰謴?fù)原始信息的特點(diǎn)，能夠改善傳統(tǒng)信道估計(jì)算法中存在的不足而受到越來越多的關(guān)注。

5 結(jié) 語

本文使用確定性選擇導(dǎo)頻與隨機(jī)訓(xùn)練序列一起估計(jì)可壓縮MIMO?OFDM系統(tǒng)信道。所提出的確定性導(dǎo)頻的選擇方法優(yōu)勢在于參數(shù)選擇靈活，并且估計(jì)效果較好。文中，為應(yīng)用方法的性能提供了理論保證。最后，盡管分析局限于隨機(jī)訓(xùn)練序列的情況，但足以說明確定性選擇導(dǎo)頻在應(yīng)用壓縮感知理論的MIMO?OFDM系統(tǒng)信道估計(jì)中具有一定的優(yōu)勢。目前，壓縮感知理論在信道估計(jì)中的應(yīng)用仍然受到諸多限制，比如應(yīng)用環(huán)境和硬件實(shí)現(xiàn)等，所以關(guān)于此領(lǐng)域的研究還需要更進(jìn)一步，以滿足實(shí)際應(yīng)用的需要。

參考文獻(xiàn)

[1] BAJWA W U， HAUPT J， SAYEED A M， et al. Compressed channel sensing： a new approach to estimating sparse multipath channels [J]. Proceedings of the IEEE， 2010， 98（6）： 1058?1076.

[2] SHAKERI Z， BAJWA W U. Deterministic selection of pilot tones for compressive estimation of MIMO?OFDM channels [C]// Proceedings of 2015 49th Annual Conference on Information Sciences and Systems. Baltimore： IEEE， 2015： 1?6.

[3] YUE J， KIM K J， GIBSON J D， et al. Channel estimation and data detection for MIMO?OFDM systems [C]// Proceedings of 2003 Global Telecommunications Conference. [S.l.]： IEEE， 2003， 2： 581?585.

[4] CANDES E J， TAO T. Decoding by linear programming [J]. IEEE transactions on information theory， 2004， 34（4）： 435?443.

[5] CANDES E J. The restricted isometry property and its implications for compressed sensing [J]. Comptes rendus mathematique， 2008， 346（9/10）： 589?592.

[6] ZENG Y， NG T S. A semi?blind channel estimation method for multiuser multiantenna OFDM systems [J]. IEEE transactions on signal processing， 2004， 52（5）： 1419?1429.

[7] CANDES E， TAO T. The Dantzig selector： statistical estimation when p is much larger than n [J]. Annals of statistics， 2008， 35（6）： 1300?1308.

[8] APPLEBAUM L， BAJWA W U， HAUPT J， et al. Deterministic pilot sequences for sparse channel estimation in OFDM systems [C]// Proceedings of 2011 17th International Conference on Digital Signal Processing. Corfu： IEEE， 2011： 1?7.

[9] CANDES E J， ROMBERG J， TAO T. Robust uncertainty principles： exact signal reconstruction from highly incomplete frequency information [J]. IEEE transactions on information theory， 2006， 52（2）： 489?509.

[10] CANDES E J， ROMBERG J K， TAO T. Stable signal reco?very from incomplete and inaccurate measurements [J]. Communications on pure and applied mathematics， 2006， 59（8）： 1207?1223.

[11] MOHAMMADNIA?AVVAL M， GHASSEMI A， LAMPE L. Compressive sensing recovery of nonlinearly distorted OFDM signals [C]// Proceedings of 2011 IEEE International Confe?rence on Communications. [S.l.]： IEEE， 2011： 1?5.

[12] TAUBOCK G， HLAWATSCH F. A compressed sensing technique for OFDM channel estimation in mobile environments： exploiting channel sparsity for reducing pilots [C]// Procee?dings of 2008 IEEE International Conference on Acoustics， Speech and Signal Processing. [S.l.]： IEEE， 2008： 2885?2888.

[13] BERGER C R， ZHOU S， PREISIG J C， et al. Sparse channel estimation for multicarrier underwater acoustic communication： from subspace methods to compressed sensing [J]. IEEE transactions on signal processing， 2010， 58（3）： 1708?1721.

[14] NEEDELL D， TROPP J A. CoSaMP： iterative signal recovery from incomplete and inaccurate samples [J]. Applied and computational harmonic analysis， 2009， 26（3）： 301?321.

[15] PLATTE R B. An introduction to compressive sensing [J]. IEEE signal processing magazine， 2011， 25（2）： 1433?1452.

[16] 劉冰，付平，孟升衛(wèi).基于正交匹配追蹤的壓縮感知信號檢測算法[J].儀器儀表學(xué)報，2010（9）：1959?1964.

[17] DONOHO D L. For most large underdetermined systems of linear equations the minimal [?1]?norm solution is also the sparsest solution [J]. Communications on pure and applied mathematics， 2006， 59（6）： 797?829.

[18] 李小波.基于壓縮感知的測量矩陣研究[D].北京：北京交通大學(xué)，2010.

[19] 何雪云，宋榮方，周克琴.基于壓縮感知的 OFDM系統(tǒng)稀疏信道估計(jì)新方法研究[J].南京郵電大學(xué)學(xué)報（自然科學(xué)版），2010，30（2）：60?65.

[20] 解志斌，薛同思，田雨波，等.一種稀疏增強(qiáng)的壓縮感知MIMO?OFDM信道估計(jì)算法[J].電子與信息學(xué)報，2013，35（3）：665?670.

[21] 周小平，方勇，汪敏.MIMO?OFDM 快衰落信道的稀疏自適應(yīng)感知估計(jì)[J].信號處理，2010，26（12）：1833?1839.

[22] 王妮娜，桂冠，蘇泳濤，等.基于壓縮感知的 MIMO?OFDM系統(tǒng)稀疏信道估計(jì)方法[J].電子科技大學(xué)學(xué)報，2013，42（1）：58?62.

[23] 戴瓊海，付長軍，季向陽.壓縮感知研究[J].計(jì)算機(jī)學(xué)報，2011，34（3）：425?434.

[24] 王紅亮，王帥，劉文怡.壓縮感知實(shí)現(xiàn)方法及應(yīng)用綜述[J].探測與控制學(xué)報，2014，36（4）：53?61.

[25] 余愷，李元實(shí)，王智，等.基于壓縮感知的新型聲信號采集方法[J].儀器儀表學(xué)報，2012，33（1）：105?112.

[26] 許國平，張欣，楊大成.一種低復(fù)雜度的 MIMO?OFDM 信道估計(jì)新方法[J].電子與信息學(xué)報，2008，30（4）：797?800.

[27] 王德勝，朱光喜，林宏志.MIMO?OFDM最優(yōu)導(dǎo)頻設(shè)置與優(yōu)化的信道估計(jì)方法[J].通信學(xué)報，2005，26（1）：34?39.

[28] 王晗，汪晉寬.MIMO?OFDM系統(tǒng)信道估計(jì)中的最優(yōu)導(dǎo)頻設(shè)計(jì)[J].電波科學(xué)學(xué)報，2008，23（3）：501?505.

[29] 周鵬，趙春明，盛彬.MIMO?OFDM系統(tǒng)中基于導(dǎo)頻輔助的信道估計(jì)[J].電子與信息學(xué)報，2007，29（1）：133?137.