基于张量分解的mimo系统半盲信道估计算法研究

《基于张量分解的mimo系统半盲信道估计算法研究》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、学校代码10459学号或申请号201312172002密级硕士学位论文基于张量分解的MIMO系统半盲信道估计算法研究作者姓名：刘越导师姓名：穆晓敏教授学科门类：工学专业名称：通信与信息系统培养院系：信息工程学院完成时间：2016年5月AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterTensor-BasedSemi-BlindChannelEstimationAlgorithmResearchforMIMOSystemsByYueLiuSupervisor:Prof.XiaominMuC

2、ommunicationandInformationSystemInformationEngineeringSchoolMay2016学怔讫文原削性声巧．＞１所呈玄的学位化文是本人化导巧的巧导独立址巧巧本人巧直巧切？巧巧巧巧的巧巧。际文中己经注巧引用的内容外本柜义不包鲁巧巧其化个人■巧爱化己径友表或窝写过的材研成巧■巧本文的研扣巧出里要贾巧的个人巧祐体，巧已在文中抖巧桶方式标巧－本产明的注巧巧化由本人承担。学枯记是巧古：旁＾曰巧；立Ａ年５巧ｊ学化论文使巧授巧声明。本人巧哥师巧导下完成的论文巧相共的拐＆化扣，知识

3、产化凹巧对州大学巧巧嚴Ｗ大吊有共保坦、巧用常化也文的閉违，ｒ司奋半松保苗进向国果有共郁，化巧论花被度防巧巧Ｉ田；本人巧权郑州ｎ或化巧进．交论文的夏印件巧电了版＞、巧从采用巧巧大争可从枯本华巧滚义的全站巧卽分编Ａ有共巧巧库巧巧梓宏．。、巧用爭！５￡表巧巧或當其化皮制手段把存＆文巧；［满本単化拒文丰人巧巧后一化丧文或与巧毕化论义宜巧巧关的学市戊文或化果时．巧至么单位化巧巧强Ｗ大学。。保巧祀Ｘ巧照巧巧应进守比规定；月学化论文巧电；日巧圳甲刘巧摘要摘要张量分解是一种多维矩阵低秩分解的新思想，近年来其在无线通信领域及许多信号

4、处理问题中得到了广泛应用。其思想是在满足张量唯一分解的条件下，可将多维信号低秩分解，进而通过拟合算法进行参数估计和信号检测。在无线通信系统中，根据系统结构和传输机制可以将多维信息关联的信号和系统构建成张量模型，并基于张量分解进行系统参数估计。相对于矩阵操作运算，张量分解能够充分利用多维信息，从级联信道中分离并同时估计各个链路的信道矩阵，避免了误差叠加，进而提高了信道估计精度。本文将张量分解应用到MIMO系统信道估计中，探究了基于张量分解的半盲信道估计问题，论文的主要工作如下：1、针对MIMO系统半盲信道估计问题，本文把接收信号建模为与收发端天线数、编

5、码长度和时间帧长度有关联的多维矩阵。在满足其唯一性分解的条件下，提出一种基于平行因子分解（ParallelFactorAnalysis,PARAFAC）模型的半盲信道估计方法。仿真结果表明，与基于导频的信道估计方法相比，所提方法不仅宽松了系统对接收端天线数的限制，而且只需少量的导频序列即可获得较高的估计精度。2、针对MIMO中继系统半盲信道估计问题，本文把接收信号建模为与发送端天线数、接收端天线数、时隙长度和发送符号块数长度有关联的多维矩阵。在满足两种模型唯一性分解的条件下，提出了一种利用对接收信号构造两重张量模型（外层为PARAFAC模型，内层为P

6、ARATUCK2模型）的半盲信道估计方法。仿真结果表明，与已有的基于导频的信道估计方法相比，所提方法有三点优势，一是宽松了接收端对天线数的限制，二是只需少量的导频序列，提高了系统频带利用率，三是能并行估计各个链路的信道矩阵，避免了误差叠加，提高了系统估计精度。3、提出利用正则交替最小二乘（RegularizedAlternatingLeast-Squares,RALS）迭代算法拟合MIMO系统中的PARAFAC模型，与有关文献中的交替最小二乘（AlternatingLeast-Squares，ALS）算法相比，RALS算法不仅消除了矩阵求伪逆时可能带

7、来的病态问题，而且算法复杂度低、收敛速度快。文章还仿I摘要真分析了所提RALS算法中的相关参数对算法性能的影响，这为合理的设置算法参数提供了依据。针对MIMO中继系统中构造的PARAFAC和PARATUCK2模型，提出利用两阶段的迭代算法拟合PARAFAC和PARATUCK2模型，与参考文献提出的迭代算法相比，所提迭代算法复杂度降低。关键词：MIMO系统；MIMO中继系统；张量分解；半盲信道估计；PARAFAC；PARATUCK2；唯一性分析；正则交替最小二乘算法；两阶段迭代算法IIAbstractAbstractTensordecompositio

8、nisanewideaoflow-rankdecompositionofmultidimensionalma