基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

王妮娜; 桂冠; 苏泳涛; 石晶林; 张平

doi:10.3969/j.issn.1001-0548.2013.01.014

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

王妮娜, 桂冠, 苏泳涛, 石晶林, 张平

文章导航 > 电子科技大学学报 > 2013 > 42(1): 58-62

王妮娜, 桂冠, 苏泳涛, 石晶林, 张平. 基于压缩感知的MIMO-OFDM系统稀疏信道估计方法[J]. 电子科技大学学报, 2013, 42(1): 58-62. doi: 10.3969/j.issn.1001-0548.2013.01.014

引用本文:

WANG Ni-na, GUI Guan, SU Yong-tao, SHI Jing-lin, ZHANG Ping. Compressive Sensing-Based Sparse Channel Estimation Method for MIMO-OFDM Systems[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(1): 58-62. doi: 10.3969/j.issn.1001-0548.2013.01.014

Citation:

WANG Ni-na, GUI Guan, SU Yong-tao, SHI Jing-lin, ZHANG Ping. Compressive Sensing-Based Sparse Channel Estimation Method for MIMO-OFDM Systems[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(1): 58-62. doi: 10.3969/j.issn.1001-0548.2013.01.014

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

doi: 10.3969/j.issn.1001-0548.2013.01.014

王妮娜^1,2,3,
桂冠⁴,
苏泳涛^1,2,
石晶林^1,2,
张平¹

1.
中国科学院计算技术研究所北京海淀区 100190;
2.
移动计算与新型终端北京市重点实验室北京海淀区 100190;
3.
北京邮电大学信息与通信工程学院北京海淀区 100876;
4.
电子科技大学电子工程学院成都 611731

基金项目:

国家科技重大专项(2011ZX03003-003-02); 国家科技重大专项(2012ZX03001007-004); 北京市自然基金(4110001)

详细信息

作者简介:
王妮娜(1984-),女,博士,主要从事无线新技术方面的研究.

中图分类号: TN911.23

Compressive Sensing-Based Sparse Channel Estimation Method for MIMO-OFDM Systems

1.
Institute of Computing Technology,Chinese Academy of Sciences Haidian Beijing 100190;
2.
Beijing Key Laboratory of Mobile Computing and Pervasive Device Haidian Beijing 100190;
3.
School of Information and Communication Engineering,Beijing University of Posts and Telecommunications Haidian Beijing 100876;
4.
School of Electronic and Engineering,University of Electronic Science and Technology of China Chengdu 611731

摘要: 在多输入多输出正交频分复用(MIMO-OFDM)系统中, 信号经过频率选择性衰落的信道后, 在接收端需要进行均衡和相干信号的检测, 故准确的信道估计量必不可少. 传统的信道估计方法均基于信道抽头是密集型的假设, 利用线性重构算法, 如最小二乘(LS)或最小均方误差(MMSE)等, 可以达到Cramer-Rao下界(CRLB). 然而, 通过物理信道测量发现, 在实际通信系统中, 宽带信道抽头分布通常表现出稀疏特性. 通过充分利用信道的稀疏特性, 该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计. 在达到与传统的信道估计方法相同性能的前提下, 基于CoSaMP的信道估计方法以非常小的计算复杂度为代价, 大大减少了导频信号开销, 从而提高了频谱资源利用率.
- 压缩感知 /
- MIMO-OFDM /
- 稀疏信道估计 /
- 稀疏多径信道
Abstract: Channel equalization and coherent detection require accurate channel state information (CSI) at the receiver for multiple-input multiple-output orthogonal frequency division multiplexing (MIMO-OFDM) systems. The conventional linear recovery methods, such as least squares (LS) and minimum mean square error (MMSE), are widely adapted in channel estimation under the assumption of rich multipath. However, numerous physical measurements have verified that the practical multipath channels tend to exhibit sparse structures. In this paper, exploiting the channel sparsity, we propose a compressive sensing-based CoSaMP recovery algorithm for MIMO-OFDM sparse channel estimation. Simulations show that the compressive sensing estimation method can obtain the accurate CSI with fewer pilots than conventional linear estimation for MIMO-OFDM systems at the cost of less computational complexity. The proposed method can greatly improve the spectrum efficiency for MIMO-OFDM systems.
- compressive sensing /
- MIMO-OFDM /
- sparse channel estimation /
- sparse multipath channel

[1]	何羚, 阳鹏飞, 阎啸, 钟旭诺, 白泰礼. 基于频域数据压缩感知的复合调制信号盲识别 . 电子科技大学学报, 2024, 53(2): 201-209. doi: 10.12178/1001-0548.2023096
[2]	陈永, 蒋丰源, 詹芝贤. 多尺度残差注意力的高速铁路OFDM信道估计 . 电子科技大学学报, 2023, 52(4): 512-522. doi: 10.12178/1001-0548.2022205
[3]	罗瑜. 纹理感知多模式编码的帧存有损压缩算法研究 . 电子科技大学学报, 2021, 50(1): 8-13. doi: 10.12178/1001-0548.2019115
[4]	程云飞, 叶娅兰, 侯孟书, 何文文, 李云霞. 面向可穿戴生理信号的压缩感知实时重构 . 电子科技大学学报, 2021, 50(1): 36-42. doi: 10.12178/1001-0548.2020268
[5]	杨峰, 周飞, 潘丽丽, 林静然. 基于交错方向乘子法的并行GPS信号捕获算法 . 电子科技大学学报, 2020, 49(2): 187-193. doi: 10.12178/1001-0548.2018112
[6]	高乐, 毕东杰, 彭礼彪, 谢永乐. 基于GAMP的近场毫米波成像快速算法 . 电子科技大学学报, 2019, 48(2): 168-173. doi: 10.3969/j.issn.1001-0548.2019.02.002
[7]	袁太文, 谢永乐, 毕东杰, 盘龙, 吕珏. 改进的共轭梯度MRI压缩成像算法 . 电子科技大学学报, 2019, 48(1): 53-57. doi: 10.3969/j.issn.1001-0548.2019.01.009
[8]	叶娅兰, 何文文, 程云飞, 侯孟书, 李云霞. 面向压缩感知的基于相关性字典学习算法 . 电子科技大学学报, 2017, 46(5): 703-708. doi: 10.3969/j.issn.1001-0548.2017.05.011
[9]	王艳芬, 丛潇雨, 孙彦景. 一种稀疏度自适应超宽带信道估计算法 . 电子科技大学学报, 2017, 46(3): 498-504. doi: 10.3969/j.issn.1001-0548.2017.03.004
[10]	张永平, 张功萱, 朱昭萌. 物联网中压缩感知算法的云加速方法 . 电子科技大学学报, 2014, 43(3): 413-419. doi: 10.3969/j.issn.1001-0548.2014.03.017
[11]	朱勇旭, 易芝玲, 吴斌, 周玉梅. WLAN MIMO-OFDM系统DSAP设计与实现 . 电子科技大学学报, 2014, 43(3): 353-358. doi: 10.3969/j.issn.1001-0548.2014.03.006
[12]	朱丰, 张群, 梁必帅, 罗迎, 李开明, 毕博. 频谱稀疏OFD-LFM弹头自旋微动特征重构方法 . 电子科技大学学报, 2013, 42(3): 369-374. doi: 10.3969/j.issn.1001-0548.2013.03.010
[13]	马卓, 杜拴义, 王新梅. 基于加权广义逆OFDM信道估计算法 . 电子科技大学学报, 2012, 41(1): 36-39,146. doi: 10.3969/j.issn.1001-0548.2012.01.007
[14]	朱丰, 张群, 段艳丽, 顾福飞, 李开明, 毕博. 基于二维稀疏采样的HRRP合成及ISAR成像方法 . 电子科技大学学报, 2012, 41(6): 847-852. doi: 10.3969/j.issn.1001-0548.2012.06.006
[15]	郑济均, 林竞力, 朱维乐. 基于倒谱分析的OFDM信道估计方法 . 电子科技大学学报, 2011, 40(4): 509-511. doi: 10.3969/j.issn.1001-0548.2011.04.006
[16]	宁小玲, 刘忠, 刘志坤. 稀疏水声OFDM系统迭代LS自适应信道估计 . 电子科技大学学报, 2011, 40(5): 671-675. doi: 10.3969/j.issn.1001-0548.2011.05.007
[17]	佟卫华. 采用循环前缀的OFDM信道盲估计算法 . 电子科技大学学报, 2008, 37(3): 370-373.
[18]	梁永明, 罗汉文, 陈国础, 黄建国. MIMO-OFDM系统中改进的RLS信道估计方法 . 电子科技大学学报, 2008, 37(2): 198-201.
[19]	徐海波, 杜欢, 张振仁. OFDM信道估计的子空间方法 . 电子科技大学学报, 2006, 35(5): 752-754.
[20]	韩冰, 高西奇, 尤肖虎. 接收分集OFDM系统的信道估计研究 . 电子科技大学学报, 2003, 32(6): 608-611.

点击查看大图

计量

文章访问数: 4565
HTML全文浏览量: 146
PDF下载量: 95
被引次数: 0

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

doi: 10.3969/j.issn.1001-0548.2013.01.014

1. 中国科学院计算技术研究所北京海淀区 100190;

2. 移动计算与新型终端北京市重点实验室北京海淀区 100190;

3. 北京邮电大学信息与通信工程学院北京海淀区 100876;

4. 电子科技大学电子工程学院成都 611731

基金项目:

国家科技重大专项(2011ZX03003-003-02); 国家科技重大专项(2012ZX03001007-004); 北京市自然基金(4110001)

作者简介:
王妮娜(1984-),女,博士,主要从事无线新技术方面的研究.

收稿日期: 2011-05-04
修回日期: 2012-03-07
刊出日期: 2013-02-15

中图分类号: TN911.23

关键词:

摘要: 在多输入多输出正交频分复用(MIMO-OFDM)系统中, 信号经过频率选择性衰落的信道后, 在接收端需要进行均衡和相干信号的检测, 故准确的信道估计量必不可少. 传统的信道估计方法均基于信道抽头是密集型的假设, 利用线性重构算法, 如最小二乘(LS)或最小均方误差(MMSE)等, 可以达到Cramer-Rao下界(CRLB). 然而, 通过物理信道测量发现, 在实际通信系统中, 宽带信道抽头分布通常表现出稀疏特性. 通过充分利用信道的稀疏特性, 该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计. 在达到与传统的信道估计方法相同性能的前提下, 基于CoSaMP的信道估计方法以非常小的计算复杂度为代价, 大大减少了导频信号开销, 从而提高了频谱资源利用率.

English Abstract

Compressive Sensing-Based Sparse Channel Estimation Method for MIMO-OFDM Systems

1. Institute of Computing Technology,Chinese Academy of Sciences Haidian Beijing 100190;

2. Beijing Key Laboratory of Mobile Computing and Pervasive Device Haidian Beijing 100190;

3. School of Information and Communication Engineering,Beijing University of Posts and Telecommunications Haidian Beijing 100876;

4. School of Electronic and Engineering,University of Electronic Science and Technology of China Chengdu 611731

Received Date: 2011-05-04
Rev Recd Date: 2012-03-07
Publish Date: 2013-02-15

Keywords:

Abstract: Channel equalization and coherent detection require accurate channel state information (CSI) at the receiver for multiple-input multiple-output orthogonal frequency division multiplexing (MIMO-OFDM) systems. The conventional linear recovery methods, such as least squares (LS) and minimum mean square error (MMSE), are widely adapted in channel estimation under the assumption of rich multipath. However, numerous physical measurements have verified that the practical multipath channels tend to exhibit sparse structures. In this paper, exploiting the channel sparsity, we propose a compressive sensing-based CoSaMP recovery algorithm for MIMO-OFDM sparse channel estimation. Simulations show that the compressive sensing estimation method can obtain the accurate CSI with fewer pilots than conventional linear estimation for MIMO-OFDM systems at the cost of less computational complexity. The proposed method can greatly improve the spectrum efficiency for MIMO-OFDM systems.

引用本文:

Citation:

全文HTML

下载: 全尺寸图片幻灯片

返回文章

用微信扫码二维码

分享至好友和朋友圈

编辑办公

友情链接

电子科技大学

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发

留言板

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

doi: 10.3969/j.issn.1001-0548.2013.01.014

作者简介:
王妮娜(1984-),女,博士,主要从事无线新技术方面的研究.

Compressive Sensing-Based Sparse Channel Estimation Method for MIMO-OFDM Systems

计量

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

doi: 10.3969/j.issn.1001-0548.2013.01.014

1. 中国科学院计算技术研究所北京海淀区 100190;

2. 移动计算与新型终端北京市重点实验室北京海淀区 100190;

3. 北京邮电大学信息与通信工程学院北京海淀区 100876;

4. 电子科技大学电子工程学院成都 611731

作者简介:
王妮娜(1984-),女,博士,主要从事无线新技术方面的研究.

English Abstract

Compressive Sensing-Based Sparse Channel Estimation Method for MIMO-OFDM Systems

全文HTML

目录

期刊在线

编辑办公

友情链接

留言板

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

doi: 10.3969/j.issn.1001-0548.2013.01.014

作者简介: 王妮娜(1984-),女,博士,主要从事无线新技术方面的研究.

Compressive Sensing-Based Sparse Channel Estimation Method for MIMO-OFDM Systems

计量

出版历程

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

doi: 10.3969/j.issn.1001-0548.2013.01.014

1. 中国科学院计算技术研究所 北京 海淀区 100190; 2. 移动计算与新型终端北京市重点实验室 北京 海淀区 100190; 3. 北京邮电大学信息与通信工程学院 北京 海淀区 100876; 4. 电子科技大学电子工程学院 成都 611731

作者简介: 王妮娜(1984-),女,博士,主要从事无线新技术方面的研究.

English Abstract

Compressive Sensing-Based Sparse Channel Estimation Method for MIMO-OFDM Systems

全文HTML

目录

期刊在线

编辑办公

友情链接

作者简介:
王妮娜(1984-),女,博士,主要从事无线新技术方面的研究.

1. 中国科学院计算技术研究所北京海淀区 100190;

2. 移动计算与新型终端北京市重点实验室北京海淀区 100190;

3. 北京邮电大学信息与通信工程学院北京海淀区 100876;

4. 电子科技大学电子工程学院成都 611731

作者简介:
王妮娜(1984-),女,博士,主要从事无线新技术方面的研究.