基于压缩感知的卡尔曼滤波OFDM系统信道估计Kalman Filtering Channel Estimation Based on CS in OFDM System 学科专业:信息与通信工程研究生:刘磊指导教师:杨晋生副教授天津大学电子信息工程学院二零一三年十一月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得天津大学或其他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示了谢意。学位论文作者签名:签字日期:年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学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,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名:导师签名:签字日期:年月日签字日期:年月日摘要正交频分复用技术(OFDM,Orthogonal Frequency Division Multiplexing)作为一种特殊的多载波通信方案,具有较高的频谱利用率,并可有效对抗符号间干扰,在无线环境下实现数据的高速率传输,因此得到了广泛的关注,已逐渐成为下一代无线通信系统的核心技术之一。在OFDM系统中获得信道信息是接收端进行数据解调的必要条件,为了获得准确的信道信息,通常需要信道估计来跟踪信道的变化。传统的信道估计技术主要包括基于导频的信道估计、盲信道估计和半盲信道估计三类。盲信道估计和半盲信道估计,复杂度较高,实用性差。基于导频的信道估计需要将一部分资源用作导频的发送和接收,从而造成频谱利用率的降低。对于随时间发生变化的信道,传统时域卡尔曼滤波具有很好的估计性能,但其需要信道多径时延的先验信息,故实用性较差。本文提出一种基于压缩感知(pressed Sensing)的卡尔曼滤波信道估计方法,首先利用压缩感知获得初始信道响应的支撑集,然后在支撑集上利用降阶卡尔曼滤波进行信道估计。当滤波误差大于阈值时,说明多径时延位置发生变化,可在滤波误差上利用CS获得支撑基的改变部分,之后再进行下一阶段的降阶卡尔曼滤波。研究及仿真结果表明,本文提出的基于CS的卡尔曼滤波信道估计方法,可以大大减少导频数,从而提高系统频谱利用率,并在降低系统计算复杂度的同时,获得比已有方法更好的估计性能。关键词:正交频分复用;信道估计;压缩感知;卡尔曼滤波ABSTRACT As a special multi-munication, Orthogonal frequency division multiplexing (OFDM) which has a high frequency spectrum efficiency realizes the high speed data transmission in the wireless system bats the symbol interference (ISI) effectively. It has received extensive attention, and has gradually e one of the core technology of the next generation of munication system. Obtaining the channel information is necessary for data demodulation at the receiver in OFDM systems, so channel estimation is usually used to obtain the accurate statistics of channel. Traditional channel estimation methods can be divided into three groups: Pilot-aided channel estimation method, blind channel estimation method and semi-blind channel estimation method. The first two methods above are implemented difficultly due to plexity. The third one needs to use a lot of resource for the transmission an
基于压缩感知的卡尔曼滤波ofdm系统信道估计 来自淘豆网m.daumloan.com转载请标明出处.