[发明专利]一种稀疏度自适应的OFDM系统信道估计方法

说明书

技术领域

本发明属于移动通信技术领域，涉及一种稀疏度自适应的OFDM系统信道估计方法。

背景技术

正交频分复用(OrthogonalFrequencyDivisionMultiplexing，OFDM)技术就是将单个高速的的数据串并变换为多个低速率的码流，用多个正交的子载波来并行传输。OFDM频谱效率高、资源分配灵活、具有很好的带宽扩展性和抗多径衰落。然而OFDM对系统的定时和频率偏差都较为敏感，时间同步误差会引起子载波相位的旋转，严重时会破会它的正交性，多普勒频移会产生频率同步误差，引起子载波间干扰，因此需要对信号的幅度和相位进行补偿，所以信道估计起到尤为重要的作用。

目前，用于OFDM系统的信道估计方法主要有以下几种：1、利用参考信号的估计2、盲估计3、半盲估计。基于参考信号的信道估计特点是要利用导频或训练序列，计算复杂度较低，但因为插入了参考信号，降低了频谱利用率。盲估计是利用接收端收到的未知信息通过复杂的数据统计过程得到信道响应。半盲估计是结合了前两者算法的优点来进行信道估计的方法。由于盲信道估计和半盲信道估计计算复杂度高，运算量大，在实际信道估计中，通常采用基于参考信号的信道估计方法——导频估计方法，一般包括两个步骤:(1)估计导频所处时间或频率位置处信道响应，一般采用最小二乘法（LeastSquare，LS）法，最小均方误差（MinimumMeanSquareError，MMSE）法、最大似然法(MaximumLikelihood，ML)等。其中LS估计算法复杂度较低，但估计准确度较差，MMSE和ML算法估计性能较好，但计算的复杂度很高。(2)在已获得导频所在位置的信道响应的基础上，通过内插方式获得整个信道响应的估计。主要的插值方法包括:线性插值、高斯插值、拉格朗日插值和DFT插值等。

现有的信道估计方法都是假设信道是密集的，导频的插入比例需要满足奈奎斯特采样频率条件，通过大量的参考信息来进行信道估计，频谱利用率低。通过物理信道测量发现，无线信道往往呈现稀疏性，由于稀疏信道只有少数非零抽头，当采样到信道零抽头时传统的信道估计方法无法准确地估计出信道响应。

压缩感知是近几年一个新兴的课题，最早是在2000年左右一篇博士论文中出现雏形，2004年由陶哲轩、Candes和Donoho等人将其完善，现已被广泛的应用在了数据采集、医学图像、雷达成像、压缩传感成像、应用数学等领域。压缩感知理论指出只要信号是可压缩的或在某个变换域下能够被稀疏表示，那么就可以用一个与变换基不相关的观测矩阵将变换所得高维信号投影到一个低维空间上并且可从这些少量的测量数据中以高概率重构出原信号。因此，可以将压缩感知理论应用于信道估计中。与传统的信道估计方法相比，基于压缩感知理论的信道估计方法无需通过插值来得到数据子载波上的冲击响应，可有效地降低信道估计误差和提高系统频谱利用率。目前，国内外已有许多学者在稀疏信道估计方面取得了很好的研究成果，然而基于稀疏度自适应的信道估计的精确度还有很大的提升空间。因此，还需要在此基础上进一步完善稀疏信道估计算法，有效地降低信道估计误差。

发明内容

有鉴于此，本发明的目的在于提供一种稀疏度自适应的OFDM系统信道估计方法，该方法能减少导频数目，提高频谱利用率，有效地降低信道估计误差。

该方法首先通过接收到的信号得到导频处信道响应，然后构造出信号重构所需的观测矩阵Ф，最后根据一种稀疏度自适应的重构算法估计出信道时域冲激响应h。本发明提出的重构算法无需信号的稀疏度，在稀疏度自适应匹配追踪(SparsityAdaptiveMatchingPursuit，SAMP)算法上加以改进，在重构精确度和运算量之间有一个较好的平衡。

SAMP算法存在一定的缺陷，首先，SAMP采用固定步长来逼近信号的稀疏度，步长较小则重构的精确度高，运算量大，步长较大则重构速度快，精确度低，不能精确的估计出信号的稀疏度。其次，SAMP算法中候选集F始终为偶数，而当信号稀疏度为奇数时，则无法准确的重构出原始信号。最后，算法迭代中每一次都有裁剪过程。然而，当候选集较小时，不会产生误选，可以不用裁剪。

针对以上缺点，算法提出了两点改进之处。首先设置首次裁剪条件，当候选集大小达到门限I时才进行裁剪，以此来减少运算时间。