基于簇位置集的压缩感知超宽带信道估计方法及系统技术方案

本发明专利技术提供了一种基于簇位置集的压缩感知超宽带信道估计方法及系统，该压缩感知超宽带信道估计方法包括信道簇信息获取步骤、信道冲击响应估计步骤。本发明专利技术的有益效果是：本发明专利技术的信道估计方法由两个阶段组成，前一阶段估计信道的簇结构化特征并给出反馈信息，后一阶段将前一阶段估计出来的簇位置集作为信道冲击响应重构算法中的先验约束，两个阶段充分利用了信道的准静态特性（即在一段时间内，信道的变化十分缓慢，可近似认为没有变化）和结构化特征。本发明专利技术的估计方法是基于贝叶斯压缩感知框架，无需知道信道的稀疏程度，且重构算法融入了信道的簇位置结构特征，实现起来复杂度不高且估计性能相对传统方法有一定的提升。

【技术实现步骤摘要】
基于簇位置集的压缩感知超宽带信道估计方法及系统
本专利技术涉及通信信号处理
，尤其涉及基于簇位置集的压缩感知超宽带信道估计方法及系统。
技术介绍
近些年来，脉冲超宽带(ImpulseRadioUltraWideband，IR-UWB)作为一种能实现高速率短距离通信、精确测距定位和穿墙成像功能的低功耗、低成本的无线通信技术受到了广泛关注。与其它的短距离通信技术相比，超宽带技术具有数据传输速率高，抗干扰能力强，发射功率小，接收机电路设计简单等诸多优势，因此在家庭办公网络、工业传感器、公共安全、灾害搜救、追踪定位等领域受到了极大青睐。同时基于超宽带通信理论与技术的研究也得到了企业和科研机构的高度重视。然而，由于超宽带系统通过发送携带信息的极窄(通常是纳秒级或亚纳秒级)脉冲信号进行通信，这就导致了信号在频域的带宽极大(达到了GHz量级)。根据FFC发布的规范，IR-UWB信号的绝对带宽可达到7.5GHz，若遵循传统奈奎斯特采样定律，要实现如此高带宽信号的采样，系统模数转换器(AnalogtoDigitalConvertor,ADC)单元采样速率通常要达到10GHz甚至更高。面对如此高的采样速率要求，若只采用单片ADC芯片实现采样单元将会非常困难。因此，有些文献提出了多通道的并行交替采样架构。学者S.R.Velazquez等人在文章“Designofhybridfilterbanksforanalog/digitalconversion”中提出了基于混合滤波器组的并行ADC系统。后续学者P.Lowenborg等人在文章“Two-channeldigitalandhybridanalogdigitalmultiratefilterbankswithverylow-complexityanalysisorsynthesisfilters”中提出了改进和降低复杂度的策略，在实际应用中需要对多通道的ADCs进行精确的定时控制，使得电路的复杂度极高，功耗和成本也较大。Donoho、Candes、Tao、Romberg提出的压缩感知(CompressedSensing,CS)理论为信号采样提供了新的解决方案。J.L.Paredes等人在文章“Ultra-WidebandCompressedSensing:ChannelEstimation”提出了基于CS的超宽带信道估计方法，接收信号的稀疏表达基设计为发射脉冲的移位波形构成的匹配波形基，采样方案使用的是类似于随机解调器的结构，重构算法使用的是匹配追踪(MatchingPursuit)，但该方法需先预知信道的稀疏度，在实施过程中比较困难。随后，ShiLei等人在文献“Ultra-widebandchannelestimationbasedonBayesiancompressivesensing”中基于CS在贝叶斯框架下研究了超宽带信道估计，对接收到的压缩信号，引入相关向量机(RelevanceVectorMachine,RVM)分层先验估计出信道的冲击响应，相比之前传统的CS所采用的基追踪(Basispursuit，BP)重构算法，无需预先知道稀疏程度，且算法的速度比BP有了较大提高。XiantaoCheng等人在文章“EnhancedBayesiancompressivesensingforultra-widebandchannelestimation”中利用随机超宽带信号在特征函数基上的稀疏性，构造了新的CS字典，也就是特征字典，结合特征字典提出了一种增强型的贝叶斯学习处理过程来用于从少数的随机测量样本集中重构稀疏超宽带信号,再对信道进行估计的方法。以上的方案都只是简单的考虑信道的稀疏度，对信道的准静态特性和稀疏结构特征利用不足，以至于估计效果并不好。
技术实现思路
为了解决现有技术中的问题，本专利技术提供了一种基于簇位置集的压缩感知超宽带信道估计方法。本专利技术提供了一种基于簇位置集的压缩感知超宽带信道估计方法，包括如下两个阶段：第一个阶段，信道簇信息获取步骤：发射机发送未经调制的脉冲信号，经信道后到达接收机，接收机的模拟前端采用确定性波形进行M通道的压缩测量，得到的压缩测量值经数字后端处理，得出信道簇到达分布的大致位置集，即簇位置集；第二个阶段，信道冲击响应估计步骤：发射机再次发射未经调制的脉冲信号，经信道后到达接收机，接收机的模拟前端采用随机波形进行M通道的压缩测量，得到的压缩测量值和信道簇信息获取步骤的簇位置集作为输入，通过数字后端的融入簇位置集的贝叶斯压缩感知算法处理后，输出信道冲击响应的估计。作为本专利技术的进一步改进，在所述信道簇信息获取步骤中，数字后端根据第一阶段得到的压缩测量值，做滑动平均比处理，计算出局部跳变值最大处，根据信道的簇到达率向后进行位置估计，得出簇位置集。作为本专利技术的进一步改进，在所述信道冲击响应估计步骤中，数字后端根据第二阶段得到的压缩测量值，结合簇位置集信息，对每次迭代所寻找到元素的位置进行判断，若不在簇位置集中则舍弃，否则保留，输出重构保留位置的幅值即为信道冲击响应估计。作为本专利技术的进一步改进，在所述信道簇信息获取步骤中，数字后端得到簇位置集的处理包括：通过确定性波形测量得到的压缩序列值y1＝Φ1Sh+Φ1n,其中Φ1∈RM×N的矩阵，s、h和n为N×1的向量，为发射信号s(t)、信道冲击响应h(t)和噪声n(t)的数字域形式，对y1做滑动平均比处理，滑动平均比的计算为：k＝m/2,m/2+1,.....n-m/2，式中n为y1的长度，m为取平均比的长度，m的大小具体根据信道的统计特征参数来设定，对得出的R(k)比值中，搜索出局部能量跳变最大的位置，在根据现有IEEE802.1.4a工作组对信道统计中簇到达速率和系统的采样频率，向后做出预估计位置得到每簇的大致位置，并记录到集合SetJ里。作为本专利技术的进一步改进，所述信道冲击响应估计步骤中，数字后端得到信道冲击响应过程为：通过随机波形测量得到压缩序列值，y2＝Φ2Sh+Φ2n，其中Φ2∈RM×N为随机矩阵。Φ2n满足高斯分布，建模为零均值的高斯过程。似然函数可以表示为：利用相关向量机(RVM)来假设先验并做参数估计，假设h的每个元素为零均值的先验高斯分布，并赋予其方差为α＝[α1,α2,......,αn]，其分布函数可以写作：其中α的分布可以通过高斯先验分布的共轭分布Gamma函数Γ(αi-1|a,b)来表示，a和b是其分布参数；h的全概率分布函数为：为了使h满足稀疏条件，令a＝0，b＝0。在已知Φ2，α，δ2后，通过压缩测量值y2，可以得到h为多维高斯分布，其均值和方差分别为:其中A＝diag(α1,α2,...,αN)，得到参数{α0,α}后，可利用后验均值来估计h。估计这些参数，等效求解关于{α0α,}边缘似然函数，其中对L(α0,α)采用证据最大(evidencemaximization,EM)算法处理，也就是对{α0,α}进行求导，并令求导后的式子等于0，这就得到迭代更新过程：i∈{1,2,......,N},其中M是的y2长度，μi是μ的第i个元素，γi＝1-αiΣii,Σii表示中Σ第i个对角元素。在算法迭代更新过程中，对每次迭代所搜索到元素位置i做判断，若该位置在簇位本文档来自技高网...

【技术保护点】
一种基于簇位置集的压缩感知超宽带信道估计方法，其特征在于，包括如下两个阶段：第一个阶段，信道簇信息获取步骤：发射机发送未经调制的脉冲信号，经信道后到达接收机，接收机的模拟前端采用确定性波形进行M通道的压缩测量，得到的压缩测量值经数字后端处理，得出信道簇到达分布的大致位置集，即簇位置集；第一个阶段，信道冲击响应估计步骤：发射机再次发射未经调制的脉冲信号，经信道后到达接收机，接收机的模拟前端采用随机波形进行M通道的压缩测量，得到的压缩测量值和信道簇信息获取步骤的簇位置集作为输入，通过数字后端的融入簇位置集的贝叶斯压缩感知算法处理后，输出信道冲击响应的估计。

【技术特征摘要】
1.一种基于簇位置集的压缩感知超宽带信道估计方法，其特征在于，包括如下两个阶段：第一个阶段，信道簇信息获取步骤：发射机发送未经调制的脉冲信号，经信道后到达接收机，接收机的模拟前端采用确定性波形进行M通道的压缩测量，得到的压缩测量值经数字后端处理，得出信道簇到达分布的大致位置集，即簇位置集；第二个阶段，信道冲击响应估计步骤：发射机再次发射未经调制的脉冲信号，经信道后到达接收机，接收机的模拟前端采用随机波形进行M通道的压缩测量，得到的压缩测量值和信道簇信息获取步骤的簇位置集作为输入，通过数字后端的融入簇位置集的贝叶斯压缩感知算法处理后，输出信道冲击响应的估计；在所述信道簇信息获取步骤中，数字后端根据第一阶段得到的压缩测量值，做滑动平均比处理，计算出局部跳变值最大处，再根据信道的簇到达率向后进行位置估计，得出簇位置集；在所述信道冲击响应估计步骤中，数字后端根据第二阶段得到的压缩测量值，结合簇位置集信息，对每次迭代所寻找到的元素位置进行判断，若不在簇位置集中则舍弃，否则保留，输出重构保留位置的幅值即为信道冲击响应估计；在所述信道簇信息获取步骤中，数字后端得到簇位置集的处理包括：通过确定性波形测量得到的压缩序列值y1＝Φ1Sh+Φ1n,其中Φ1∈RM×N，s、h和n为N×1的向量，对应为发射信号s(t)、信道冲击响应h(t)和噪声n(t)的数字域形式，N的取值为将信号按照Nyquist采样速率采样时所得到的采样点数；对y1做滑动平均比处理，滑动平均比的计算为：式中n为y1的长度，m为取平均比的长度，m的大小具体根据信道的统计特征参数来设定，对得出的R(k)比值中，搜索出局部能量跳变最大的位置，再根据现有IEEE802.1.4a工作组对信道统计中簇到达速率和系统的采样频率，向后做出预估计位置得到每簇的大致位置，并记录到集合SetJ里；在所述信道冲击响应估计步骤中，数字后端得到信道冲击响应过程为：通过随机波形测量得到压缩序列值，y2＝Φ2Sh+Φ2n，其中Φ2∈RM×N为随机矩阵，Φ2n满足高斯分布，建模为零均值、方差为σ2的高斯过程，即似然函数可以表示为：利用相关向量机来假设先验并做参数估计，假设h的每个元素为零均值的先验高斯分布，并赋予其方差为α＝[α1,α2,......,αn]，其分布函数可以写作：其中α的分布可以通过高斯先验分布的共轭分布Gamma函数Γ(αi-1|a,b)来表示，a和b是其分布参数；h的全概率分布函数为：式中d代表微分符号，为了使h满足稀疏条件，令a＝0，b＝0；在已知Φ2，α，δ2后，通过压缩测量值y2，可以得到h为多维高斯分布，其均值和方差分别为:其中A＝diag(α1,α2,...,αN)，得到参数{α0,α}后，可利用后验均值来估计h；估计这些参数，等效求解关于{α0,α}边缘似然函数：其中式中I是单位矩阵，对L(α0,α)采用证据最大算法处理，也就是对{α0,α}进行求导，并令求导后的式子等于0，这就得到迭代更新过程：其中M是的y2长度，μi是μ的第i个元素，γi＝1-αiΣii,Σii表示Σ中第i个对角元素；在算法迭代更新过程中，对每次迭代所搜索到元素位置i做判断，若该位置在簇位置集中则保留，否则舍弃，并进行下一次迭代；当满足迭代终止条件后，可以根据得到的{α0,α}来求解出均值μ，即为信道估计值2.根据权利要求1所述的压缩感知超宽带信道估计方法，其特征在于，所述确定性波形通过确定性序列矩阵来得到，确定性序列组成的矩阵为其中所述随机波形通过伪随机序列矩阵来得到，M组通道的序列构成了M×N的伯努利随机矩阵，其构成有两种方案：方案1中矩阵的元素取值为0或1；方案2中矩...

【专利技术属性】
技术研发人员：吴绍华，刘松，李杨，王野，张钦宇，
申请(专利权)人：哈尔滨工业大学深圳研究生院，
类型：发明
国别省市：广东;44