一种新的基于分布式压缩感知的时变稀疏信道估计.DOCVIP

一种新的基于分布式压缩感知的时变稀疏信道估计 邵耀东 （华东理工大学信息科学与工程学院 上海 200237） 摘要OFDM(Orthogonal Frequency Division Multiplexing)系统中快时变稀疏信道估计进行了研究，用 CE-BEM(complex exponential-basis expansion model)模型对时变信道进行建模。由于信道是稀疏的，所以对应的CE-BEM基的系数也是稀疏的由此将估计信道的抽头问题转化为求解稀疏CE-BEM(DCS，distributed compressive sensing) 关键字：信道估计;CE-BEM;分布式压缩感知;导频放置; 稀疏度自适应。 中图分类号：TN929.5 文献标识码：A A Novel Time-varying and Sparse Channel Estimation Based on Distributed Compress Sensing Abstract: This paper have a research about the Time-varying and Sparse Channel Estimation in OFDM(Orthogonal Frequency Division Multiplexing) system model. The time-varing channel’s response is modeled by the CE-BEM(complex exponential-basis expansion model). Due to the channel’s sparsity, the CE-BEM’s coefficient is also sparse. So the problem about how to estimate the sparse channel response is turn into solve the sparse CE-BEM’s coefficient. In the reality, the sparsity of the sparse channel is also agnostic, so we present a sparsity adaptive distributed compressive sensing algorithm, furthermore , Consider the effect of pilot placement on channel estimation，we present a new pilot pattern design in sparse channel estimation. The final simulation results show that our algorithm has a better performance. Keywords: Channel estimation; CE-BEM; Distributed compressive sensing; Pilot design; Sparsity adaptive. 1.引言 近年来，随着移动通信应用的日益广泛和高速铁路的迅速发展，快速移动场景下的移动通信会越来越常见。在高速率数据通信场景下，信道的统计特征符合双选择性衰落[1]。双选信道的冲激响应在一个OFDM符号内就会产生比较明显的变化。所以如何提高双选信道的估计性能和系统的频谱效率具有重要的意义。 针对双选信道，用BEM[2]模型3][4]的出现，利用信道抽头的稀疏性，系统能以较少的导频数量来获得较好的信道估计性能大大提高了数据资源利用效率紧接着又出现了分布式压缩感知理论5]，可以对信道进行联合估计但是与此同时(MPC，maximum pairwise coherence)MPC足够的小，文献[6]提出了一种随机筛选的方式，此算法效率较低而且并不能很好的获得较小的MPC，文献[7][8]提出了DSO(discrete stochastic optimization)算法，能获得较小的MPC，但是没有利用现实OFDM系统中，循环前缀和OFDM子载波的长度都是2的整数倍的特点。第二个问题是：一般来说现实中信道的稀疏度是未知的，而以往文献中出现的都是假设稀疏度已知的情况下的信道估计，在CS中针对此问题，文献[11]提出了SAMP(sparsity adaptive matching pursuit) 针对导频筛选的问题9]中的LNSA-IPP算法比DSO算法能获得更好的MPC。但是在DCS中考虑到保护导频的存在，不能直接将文献[9]的方法应用在DCS中，所以本文对LSN