[发明专利]一种双向中继网络中基于压缩感知的稀疏信道估计方法

摘要

本发明公开了一种双向中继网络中基于压缩感知的稀疏信道估计方法，其根据当前用户终端在第二个时隙内接收到的实际信号及双向中继网络中的每个用户终端发送的高斯随机训练序列，对当前用户终端与中继节点之间的等效信道向量进行信道迭代循环估计以得到信道估计值，在信道迭代循环估计过程中通过利用加权最小二乘估计方法，不断减小前一次迭代后残差值较大位置对应的异常样本的影响，增加对残差值较小位置对应的有利样本的重视，这样有效地提高了稀疏双向中继信道估计的精确度和稳健性，且由于本发明方法充分利用了双向中继信道的潜在稀疏特性，因此能够大大减少估计所需的高斯随机训练序列，提高了估计效率，并显著提高了能量和带宽的利用率。

主权项

1.一种双向中继网络中基于压缩感知的稀疏信道估计方法，其特征在于包括以下步骤：①假设采用最典型的基于放大转发协议的双向中继网络进行稀疏信道估计，该双向中继网络中拥有两个用户终端和一个中继节点，且中继节点和每个用户终端均只有一根天线；②在该双向中继网络中，第一个用户终端在第一个时隙内发送高斯随机训练序列X₁到中继节点，同时第二个用户终端在第一个时隙内发送高斯随机训练序列X₂到中继节点；③在该双向中继网络中，中继节点对其在第一个时隙内接收到的高斯随机训练序列X₁和高斯随机训练序列X₂进行叠加，得到叠加的高斯随机训练序列X，X=[X₁,X₂]，然后中继节点在第二个时隙内对叠加的高斯随机训练序列X进行幅度放大，并同时发送幅度放大后的叠加的高斯随机训练序列到第一个用户终端和第二个用户终端，第一个用户终端在第二个时隙内接收到实际信号Y，第二个用户终端在第二个时隙内接收到实际信号Y'，其中，[X₁,X₂]表示将X₁和X₂合并为一个矩阵；④根据第一个用户终端在第二个时隙内接收到的实际信号Y、高斯随机训练序列X₁和高斯随机训练序列X₂，获取第一个用户终端与中继节点之间的等效信道向量h估计后的估计值具体过程为：④-1、设定初始残差值r₀为Y，即r₀=Y，初始索引值集Λ₀为空集即并令i表示迭代次数，其初始值为1；④-2、判断迭代次数i是否满足条件：i≥4×S，如果满足，则令然后执行步骤⑤，否则，继续执行步骤④-3，其中，S表示第一个用户终端与中继节点之间的等效信道向量h的信道抽头数，中的“=”为赋值符号，表示第一个用户终端与中继节点之间的等效信道向量h经过第i次信道迭代循环估计后的估计值；④-3、对第一个用户终端与中继节点之间的等效信道向量h进行信道迭代循环估计，其具体过程为：a、获取一个第i次信道迭代循环估计后的索引值λ_i，该索引值λ_i能够使叠加的高斯随机训练序列X中的第λ_i列的所有元素与第i-1次信道迭代循环估计后的残差值r_i-1的内积结果最大，其中，1≤λ_i≤C，C表示叠加的高斯随机训练序列X的总列数；b、计算第i次信道迭代循环估计后的索引值集Λ_i和第i次信道迭代循环估计后加入叠加的高斯随机训练序列X中的第λ_i列的所有元素后构成的集合Z_i，Λ_i=Λ_i-1∪{λ_i}，Zi=Zi-1tλi,]]>其中，符号“∪”为并集运算符号，Λ_i-1表示第i-1次信道迭代循环估计后的索引值集，符号“{}”为集合表示符号，Z_i-1表示第i-1次信道迭代循环估计后加入叠加的高斯随机训练序列X中的第λ_i-1列的所有元素后构成的集合，Z₀表示第1次信道迭代循环估计前的初始集合，其值为空集表示叠加的高斯随机训练序列X中的第λ_i列的所有元素，Zi-1tλi]]>表示将Z_i-1和合并为一个矩阵；c、利用加权最小二乘估计方法，计算第i次信道迭代循环估计后第一个用户终端与中继节点之间的等效信道向量h在第i次信道迭代循环估计后的索引值集Λ_i内的估计值，记为并令第i次信道迭代循环估计后第一个用户终端与中继节点之间的等效信道向量h在第i次信道迭代循环估计后的索引值集Λ_i外的估计值为0，其中，为Z_i的共轭转置矩阵，为的逆矩阵，W_i表示第i次迭代过程中的加权矩阵，当i＝1时W₁为单位矩阵，当i>1时W_i为对角矩阵，且其第k行第k列的元素为表示第i-1次信道迭代循环估计后的残差值r_i-1中的第k个元素，符号“||”为求模运算符号，ε为设定的极小的正常数；d、计算第i次信道迭代循环估计后的残差值r_i，e、令i＝i+1，并返回步骤④-2继续执行，其中，i＝i+1中的“=”表示赋值符号；⑤在获得第一个用户终端与中继节点之间的等效信道向量h的估计值后，按照步骤④的操作，根据第二个用户终端在第二个时隙内接收到的实际信号Y'、高斯随机训练序列X₁和高斯随机训练序列X₂，获取第二个用户终端与中继节点之间的等效信道向量的估计值。