导读:本文包含了稀疏多径信道论文开题报告文献综述及选题提纲参考文献，主要关键词:稀疏多径信道,自适应均衡,压缩感知,基追踪降噪
稀疏多径信道论文文献综述
周孟琳,陈阳,马正华[1]（2019）在《一种适用于稀疏多径信道的自适应均衡算法》一文中研究指出针对传统的自适应均衡算法在稀疏多径信道下性能表现不佳的问题,提出了一种基于基追踪降噪的自适应均衡算法。该算法利用稀疏多径信道下均衡器权值的稀疏性,将自适应均衡器的训练过程看作压缩感知理论中稀疏信号对字典的加权求和,并利用重构算法直接对稀疏权值进行求解,解决了迭代参数设置和收敛慢的问题。采用基追踪降噪作为重构算法并选用变量分离近似稀疏重构对该最优化问题进行求解,既提高了权值的重构精度又降低了计算的复杂度。仿真结果表明,所提算法能够以较低的计算量和较少的训练序列达到更优性能,这对提升系统的通信性能具有参考价值。(本文来源于《电讯技术》期刊2019年03期）
黄灿[2]（2018）在《大规模MIMO-OFDM稀疏多径信道估计技术研究》一文中研究指出在大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统中,准确的信道估计信息对于基站侧的预编码、资源分配以及用户端的信号检测或均衡都有着至关重要的作用。频率选择性多径衰落信道下的稀疏信道估计技术是大规模MIMO系统重要且具有挑战性的研究方向之一。然而现有的大多数信道估计技术仅适合4G小规模MIMO系统(如8天线的LTE-A系统),因此本论文探究适用于5G大规模MIMO多径稀疏信道估计技术。本文基于大规模MIMO信道的空时共同稀疏性特点,利用先进的压缩感知理论,研究不降低估计精度而减小导频开销的信道估计算法。首先,利用大规模MIMO信道的空时共同稀疏性和联合差分思想,提出基于联合差分的稀疏信道估计方案。改进后算法特点如下:第一,改进后的算法在每一次迭代过程中同时对多个向量进行更新,对稀疏性进行结构化增强,提升算法的重构性能。第二,改进后的算法在进行重构过程中,并不是只处理当前时刻接收到的导频信号,而是联合前一帧的导频信号进行差分,进一步增强稀疏性,进而提升算法重构的精度。仿真结果表明,所提算法在减少导频开销的同时仍能取得较好的参数估计性能,同时证明了压缩感知理论在大规模MIMO-OFDM系统环境下具有鲁棒性。其次,考虑实际环境中稀疏度未知的情况,提出了基于稀疏度自适应的信道估计方案。大部分压缩感知理论的重构算法,如CoSaMP算法,需要已知信号的稀疏度作为先验条件,然而实际环境下,无线信道的稀疏度是未知的,因此本文提出的算法利用大规模MIMO信道的空时共同稀疏性,合理设置不同SNR下的停止迭代参数,以获得准确的动态稀疏度。实验结果表明,相比传统的CoSaMP算法和S-CoSaMP算法,SSA-CoSaMP算法在同等SNR下具有更良好的信道估计性能,并且可以自适应地获取稀疏度。(本文来源于《太原科技大学》期刊2018-04-01）
李晓玲,白勇[3]（2016）在《SC-FDE系统中基于压缩感知的海上稀疏多径信道估计方法研究》一文中研究指出首先建立了适用于不同海情级、不同频段的海上船舶间通信时的多径信道模型,针对SC-FDE系统在海上多径信道上的传输,研究了基于压缩感知的稀疏信道估计方法,利用CHU序列作为导频设计了一种Toeplitz循环矩阵作为压缩感知的测量矩阵,结合稀疏度自适应匹配追踪信号重构算法提出了T-SAMP算法,分析比较了T-SAMP、正交匹配追踪算法和最小二乘法3种算法的归一化均方误差和误码率性能.仿真结果表明提出的T-SAMP算法可以在未知稀疏度的情况下对信道进行准确估计,比正交匹配追踪算法更具有实用性,而且获得了比最小二乘法更好的信道估计性能,且需要的导频数量较少,提高了频带利用率.(本文来源于《海南大学学报(自然科学版)》期刊2016年02期）
马思扬[4]（2016）在《稀疏多径信道均衡技术研究》一文中研究指出稀疏多径信道的多径传播和衰落现象会影响通信系统的接收性能,接收信号会出现比较严重的符号间干扰。为了提高信号接收质量,接收方通常采用均衡技术来补偿由于信道所带来的失真。现有的均衡技术还不能实现对深衰落稀疏多径信道的快速有效补偿,也不适用于以水声通信为代表的突发通信信号接收环境。因此,本文从均衡器结构、均衡器抽头系数分布特性和均衡算法设计角度出发,提高稀疏多径信道均衡器的性能和实用性。本文的主要工作和研究成果概括如下:首先,为了提高较低信噪比下深衰落稀疏多径信道均衡器的收敛性能,提出了一种基于信道缩短的自适应稀疏均衡改进算法。首先利用长度较短的训练序列设计基于最小均方误差准则的前置分数间隔信道缩短均衡器,实现对原始信道深衰落畸变的部分有效补偿;然后采用随机梯度追踪算法调整后置自适应稀疏均衡器的抽头系数,消除等效信道的剩余符号间干扰。与传统的单级分数间隔自适应均衡器相比,新算法具有更快的收敛速度快和更低的运算复杂度。其次,为了提高稀疏多径信道盲均衡器的收敛速度,通过理论推导证明了稀疏多径信道均衡器抽头系数的稀疏性。依据MPSK信号的模值统计特性,利用_0l-范数对均衡器抽头系数进行稀疏性约束,提出了两种基于稀疏自适应滤波的稀疏多径信道快速盲均衡算法。算法一根据抽头系数的幅度自适应地为幅度显着系数分配较大步长,为幅度极小系数分配较小步长,同时自适应地对幅度极小系数做向零收缩调整;算法二在发挥递归最小二乘常模算法收敛速度快的优势的同时,对幅度极小系数附加零点吸引调整。与现有算法相比,新算法在保证较低剩余符号间干扰的前提下,能大幅度提高盲均衡器的收敛速度。再次,为了提高深衰落稀疏多径信道的盲均衡性能,提出了一种l_0-范数约束的分数间隔稀疏自适应双模式盲均衡算法。借鉴传统的分数间隔双模式盲均衡算法思想,结合稀疏自适应滤波理论,对均衡器抽头系数增加_0l-范数的稀疏性约束,为每个抽头系数分配与其当前时刻的幅度成正比的步长参数,并对幅度极小系数做自适应向零收缩调整。与传统算法相比,新算法在保证较快收敛速度的前提下,能有效降低剩余符号间干扰。最后,将本文研究的稀疏多径信道盲均衡技术应用到水声突发信号盲解调问题,设计了盲均衡与盲同步算法。首先利用基于稀疏自适应滤波与数据重用的分数间隔盲均衡器,实现盲均衡处理;然后采用M次方变换法和二阶判决反馈数字锁相环,实现载波同步。通过基于BELLHOP模型建模生成的浅海水声多途信道条件下的信号盲均衡与盲同步仿真实验,验证了新算法可以有效实现对浅海水声突发信号的盲解调。(本文来源于《解放军信息工程大学》期刊2016-04-15）
魏浩,侯晓赟,朱艳,郑宝玉[5]（2014）在《双向中继稀疏多径信道密钥生成与分发》一文中研究指出本文利用时分系统无线多径信道的互易性,提取信道相位信息作为密钥,提出一种双向中继信道的密钥生成与分发的方法。由于信道的稀疏多径特性,采用基于压缩感知的重构算法对信道状态信息进行估计。端节点采用正交导频设计,将双向中继信道分解为两个点对点的信道;而中继采用物理层网络编码的思想,同时广播导频以及密钥比特的异或值。这样,仅用2个时隙就实现了密钥生成与分发,还保证了密钥的安全,且无需预先进行密钥的分配。仿真结果表明,本文所提方案可以有效的实现双向中继信道的密钥生成与分发,保证了物理层的安全通信。(本文来源于《信号处理》期刊2014年11期）
刘婷,周杰,菊池久和[6]（2014）在《基于ISL0算法的码间干扰稀疏多径信道估计》一文中研究指出针对存在码间干扰ISI的稀疏多径信道,已提出基于压缩感知理论的平滑SL0算法来研究其稀疏特性,然而SL0算法的迭代方向为负梯度方向,存在"锯齿效应",且其代价函数"陡峭性"性能欠佳,使得信道估计和收敛效果均未达到最优。因此提出利用拉格朗日算子,结合牛顿法来改进和优化SL0算法,获得了快速和高效的信号重构ISL0算法,对稀疏多径信道状态信息进行了相关估计,分析了信噪比SNR和迭代次数等参数对重构信号均方误差MSE的影响。比较了ISL0算法与其他相关算法的迭代时间以及对稀疏信道中ISI均衡效果的差异。算法的优越性通过仿真得到验证,实时仿真结果显示ISL0算法能很好地对稀疏信道进行估计。在同样信道环境条件下,相比CoSaMP、SL0及其他算法,ISL0算法的性能有了较大提高。(本文来源于《通信学报》期刊2014年05期）
刘婷,周杰[7]（2014）在《基于SL0算法的快速局部稀疏多径信道估计》一文中研究指出针对无线通信系统中经常出现的稀疏多径信道,应用压缩感知理论,建立了局部稀疏多径信道的数学模型,利用SL0算法对信道进行估计与研究。在建模的过程中,从数学角度对数学模型进行了推导,验证了在信道估计中应用压缩感知的可行性。采用的模型能够更精确地重构出原始信号,有效抑制干扰,降低误差。与已有的算法相比,SL0算法在均方误差、重构精度、匹配度以及算法复杂度等方面都要优于其它算法。理论分析和计算机仿真均表明,SL0算法的高效性和局部稀疏信道模型的实用性。(本文来源于《计算机工程与设计》期刊2014年03期）
杨源,李明阳,王徐华[8]（2014）在《一种改进的稀疏多径信道均衡方法》一文中研究指出针对传统的信道均衡算法在稀疏信道下效率低及实现复杂等问题,提出了一种改进的稀疏多径信道的均衡方法,利用少量训练序列进行信道估计作为先验知识,从而反演得到逆滤波均衡器.文中将求逆滤波过程建模为最优化问题,并提出一种获得近似最优解的贪婪算法.该算法相对于线性预测方法迭代次数极少,只要阶数足够高,就能获得几乎最佳的滤波器系数.设计了该算法模块化硬件结构,其复杂度低,易于工程实现.仿真结果表明,在稀疏信道下,文中的均衡方法相对于传统的最小均方线性预测方法,随着信噪比的增加,系统误码性能提升明显,在信噪比为15dB时,能够获得大约10dB的功率余度.(本文来源于《西安电子科技大学学报》期刊2014年01期）
李明阳,柏鹏,王徐华,卢虎,苏兮[9]（2013）在《基于压缩感知的稀疏多径信道估计》一文中研究指出提出了一种基于压缩感知理论的稀疏多径信道估计方法。利用训练序列设计了一种简化的Toeplitz结构观测矩阵,证明了观测矩阵满足限制等距特性,可以作为压缩感知的观测矩阵。根据此矩阵的近似正交性特点对正则化迭代硬阈值算法进行简化,并引入精英策略提出一种归档正则化迭代硬阈值估计算法。仿真结果表明,该估计方法相对于迭代最小二乘法具有更优的性能,且提出的归档正则化迭代硬阈值算法兼具收敛速度快和稳定性高的优点。(本文来源于《系统工程与电子技术》期刊2013年05期）
梁彦,束锋,张一晋,Berber,Stevan[10]（2013）在《稀疏多径信道环境中MIMO-OFDM系统的IQ不平衡和信道联合估计》一文中研究指出该文针对稀疏多径信道环境中的MIMO-OFDM系统所存在的IQ不平衡问题,提出了一种IQ不平衡参数和信道的联合估计方法。推导了联合估计的时域模型,提出了基于1 2l-l优化模型和平行坐标下降算法的联合估计算法。仿真结果表明,所提方法与传统的频域最小二乘算法和匹配追踪算法相比,显着提高了系统性能。(本文来源于《电子与信息学报》期刊2013年02期）
稀疏多径信道论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统中,准确的信道估计信息对于基站侧的预编码、资源分配以及用户端的信号检测或均衡都有着至关重要的作用。频率选择性多径衰落信道下的稀疏信道估计技术是大规模MIMO系统重要且具有挑战性的研究方向之一。然而现有的大多数信道估计技术仅适合4G小规模MIMO系统(如8天线的LTE-A系统),因此本论文探究适用于5G大规模MIMO多径稀疏信道估计技术。本文基于大规模MIMO信道的空时共同稀疏性特点,利用先进的压缩感知理论,研究不降低估计精度而减小导频开销的信道估计算法。首先,利用大规模MIMO信道的空时共同稀疏性和联合差分思想,提出基于联合差分的稀疏信道估计方案。改进后算法特点如下:第一,改进后的算法在每一次迭代过程中同时对多个向量进行更新,对稀疏性进行结构化增强,提升算法的重构性能。第二,改进后的算法在进行重构过程中,并不是只处理当前时刻接收到的导频信号,而是联合前一帧的导频信号进行差分,进一步增强稀疏性,进而提升算法重构的精度。仿真结果表明,所提算法在减少导频开销的同时仍能取得较好的参数估计性能,同时证明了压缩感知理论在大规模MIMO-OFDM系统环境下具有鲁棒性。其次,考虑实际环境中稀疏度未知的情况,提出了基于稀疏度自适应的信道估计方案。大部分压缩感知理论的重构算法,如CoSaMP算法,需要已知信号的稀疏度作为先验条件,然而实际环境下,无线信道的稀疏度是未知的,因此本文提出的算法利用大规模MIMO信道的空时共同稀疏性,合理设置不同SNR下的停止迭代参数,以获得准确的动态稀疏度。实验结果表明,相比传统的CoSaMP算法和S-CoSaMP算法,SSA-CoSaMP算法在同等SNR下具有更良好的信道估计性能,并且可以自适应地获取稀疏度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
稀疏多径信道论文参考文献
[1].周孟琳,陈阳,马正华.一种适用于稀疏多径信道的自适应均衡算法[J].电讯技术.2019
[2].黄灿.大规模MIMO-OFDM稀疏多径信道估计技术研究[D].太原科技大学.2018
[3].李晓玲,白勇.SC-FDE系统中基于压缩感知的海上稀疏多径信道估计方法研究[J].海南大学学报(自然科学版).2016
[4].马思扬.稀疏多径信道均衡技术研究[D].解放军信息工程大学.2016
[5].魏浩,侯晓赟,朱艳,郑宝玉.双向中继稀疏多径信道密钥生成与分发[J].信号处理.2014
[6].刘婷,周杰,菊池久和.基于ISL0算法的码间干扰稀疏多径信道估计[J].通信学报.2014
[7].刘婷,周杰.基于SL0算法的快速局部稀疏多径信道估计[J].计算机工程与设计.2014
[8].杨源,李明阳,王徐华.一种改进的稀疏多径信道均衡方法[J].西安电子科技大学学报.2014
[9].李明阳,柏鹏,王徐华,卢虎,苏兮.基于压缩感知的稀疏多径信道估计[J].系统工程与电子技术.2013
[10].梁彦,束锋,张一晋,Berber,Stevan.稀疏多径信道环境中MIMO-OFDM系统的IQ不平衡和信道联合估计[J].电子与信息学报.2013