基于压缩感知重构算法的mimo-ofdm稀疏信道估计方法研究

《基于压缩感知重构算法的mimo-ofdm稀疏信道估计方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、单位代码：10293密级：博士学位论文论文题目：基于压缩感知重构算法的MIMO-OFDM稀疏信道估计方法研究学号2010010126姓名叶新荣导师朱卫平教授学科专业信号与信息处理研究方向现代通信中的智能信号与信息处理申请学位类别工学博士论文提交日期2014年6月27日万方数据ResearchonSparseChannelEstimationinMIMO-OFDMSystemsBasedonCompressedSensingReconstructionAlgorithmsDissertationSubmittedtoNanjingUniversity

2、ofPostsandTelecommunicationsfortheDegreeofDOCTOROFPHILOSOPHYByYEXinrongSupervisor:Prof.ZHUWeipingJune2014万方数据南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表

3、示了谢意。本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。研究生签名：_____________日期：____________南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索；可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。研究生签名：____________导师签

4、名：____________日期：_____________万方数据摘要将自然界的模拟信号转换成便于计算机处理的数字信号是当今数字信息时代的一个首要任务，但在当前的奈奎斯特速率采样模数转换框架里出现了两种困境：其一，某些实际应用需要的采样速率太高，目前的制造工艺根本不能生产出满足要求的采样设备；其二，现有设备的内存有限，采样获得的数据量有时会超过其存储容量。另外，对于可稀疏表示的信号，现有的处理方式是先通过奈奎斯特速率局部逐点采样，接着运用变换编码的方式将采样生成的大量数据进行压缩。这种先采样再压缩的方式虽然运用信号可稀疏化的先验信息能减少传输的数

5、据量，但并不能降低稀疏信号的采样速率。因此为了提高采集稀疏信号信息的效率，近年来提出的压缩感知技术在发送端通过线性全局观测方式提取稀疏信号的信息，在接收端通过贪婪搜索或最优化的方法凭借少量的观测值和观测的线性模型实现了原始信号的高概率重构。该技术充分运用信号稀疏性的先验信息，实现了采样和压缩的合并，有助于解决当前采样和存储过程中出现的瓶颈问题。因而，该技术从一开始被提出就备受关注，其理论体系及应用已成为当前信号处理领域的研究热点。然而，实际应用场景里通常存在噪声的干扰，且信号的稀疏度很难提前获知，因此，本文针对压缩感知实际应用场景的需求，研究抗噪声

6、性能强、输入参数易于设置的重构算法。另一方面MIMO-OFDM技术已成为第四代移动通信系统关键技术之一，其发送端的功率分配和接收端的信道均衡及相干检测都需要信道的状态信息，因此信道估计是该系统不可缺少的环节。在传统导频辅助信道估计的方法中，导频子载波之间的频率间隔不能大于信道的相干带宽才能有望通过插值的方法正确地获得数据子载波的频域冲激响应，限制了系统频谱利用率的提高。很多无线通信系统的信道脉冲响应仅包含少量较大的幅度值，而且这些幅度值相互之间具有较大的间隔，即无线信道的脉冲响应通常具有稀疏的特征。然而传统信道估计方法却没有充分运用信道稀疏的先验信

7、息，而现有的许多稀疏信道估计方法却忽略了发送滤波器和匹配滤波器的影响，因此本文针对该问题，将压缩感知与信道估计进行有机结合，在重构算法的研究基础上进一步将压缩感知技术应用于脉冲成形MIMO-OFDM系统的稀疏信道估计。本文主要工作和贡献概述如下：首先，研究压缩感知的重构算法，通过在Sl0（smoothedl0-norm）重构算法的目标函数里加入一个误差容许项，构建了一种新的用于重构稀疏信号的l2-Sl（0smoothedl0-normregularizedleast-square）无约束目标优化函数，并进一步提出了四种求解该l2-Sl0无约束优化问

8、题的方法，即分别为拟牛顿法中的BFGS法、共轭梯度法、在观测矩阵的零空间及其补空间交替搜索求解I万方数据法、以及将l2-S