分布式压缩感知信道估计中的导频分配方法组成比例

本发明专利技术公开了一种分布式压缩感知信道估计中的导频分配方法，首先以最小化信道估计误差为出发点将导频位置的优化问题建模为组合优化问题,然后利用提出来的遗传算法求解组合优化问题，获得能使信道估计误差最小的最优导频位置集合。使用此最优导频位置集合能够确保基于分布式压缩感知的MIMO-OFDM信道估计获得比传统的最小二乘信道估计和基于压缩感知的MIMO-OFDM信道估计更低的估计误差和更高的频谱有效性。

【技术实现步骤摘要】

本专利技术涉及通信系统导频辅助的信道估计和导频设计
，尤其涉及一种分布式压缩感知信道估计中的导频分配方法。
技术介绍
在过去的20年里，多输入多输出(multi-input multi-output，MIMO)成为提高无线通信性能的关键技术，获得了广泛而深入的研究。将MIMO和OFDM技术相结合可以提高无线通信系统的带宽效率和对抗多径衰落。在MIMO-OFDM系统中，信道估计至关重要。一方面，信道估计质量的优劣直接决定着接收端相关解调的性能。另外，MIMO系统中的波束赋形、基于预编码的空分复用以及天线选择等操作都需要信道状态信息(channel state information，CSI)，CSI的获取也需要通过信道估计来获得。在MIMO系统中，导频符号的数量往往随着导频天线的数量线性增长。导频符号的增长会降低系统的有效性，因此，在MIMO-OFDM系统中，研究如何以较少数量的导频符号获得好的信道估计性能变得至关重要。在高速宽带无线通信中，无线信道经常建模为稀疏信道，即时延扩展很大，但能量较大的显著路径的数量非常小。传统的基于导频的信道估计方法如最小二乘(least squares，LS)估计器没有考虑信道内在的稀疏性，因此需要很大数量的导频符号才能够获得满意的信道估计性能。大量现有文献表明，如果将压缩感知(compressive sensing,CS)理论应用于信道估计，将以较少的导频符号获得令人满意的信道估计性能。在实际的点对点MIMO-OFDM系统中，由于所有发送天线和接收天线都是集中放置，所以所有发送接收天线对之间的信道传播时延近似相同，各天线对之间的信道可以建模为联合稀疏信号。此时，各天线对之间的信道不仅可以用基于CS的信道估计去完成，还可以使用基于分布式压缩感知(distributed compressive sensing,DCS)的信道估计去完成。现有文献表明，基于DCS的信道估计性能比基于CS的信道估计性能更优越。在MIMO-OFDM系统中，导频位置的分配即导频图案的设计往往与信道估计的性能有关。与传统的信道估计不同，等间隔的导频放置并不能使基于CS和基于DCS的信道估计获得最优的估计性能。因此，我们要专门对基于CS和基于DCS的信道估计进行导频位置的优化，从而使他们能够使用尽可能少的导频获得尽可能优越的信道估计性能。既然在点对点的MIMO-OFDM系统中，基于DCS的信道估计性能比基于CS的信道估计性能更优越，对使用DCS信道估计的MIMO-OFDM系统进行导频的优化，从而使其获得优越的信道估计性能是非常有意义的。然而，目前没有任何文献对该问题进行研究，本专利技术将首次针对使用DCS信道估计的MIMO-OFDM系统，提出一种导频分配方法，从而使系统获得最佳的信道估计性能。
技术实现思路
本专利技术所要解决的技术问题是针对
技术介绍
中所涉及的问题，提供一种分布式压缩感知信道估计中的导频分配方法。本专利技术为解决上述技术问题采用以下技术方案：分布式压缩感知信道估计中的导频分配方法，包含如下步骤：步骤1)，将最优导频的设计问题建模为以下的组合优化问题：其中，L为信道长度、NT为MIMO-OFDM系统发送天线数、P为导频数、Λi为第i个发送天线对应的导频位置集合、表示空集、表示集合中的第a个元素、N为每个发送天线上总子载波的个数、Ω＝{1,2,...,N本文档来自技高网...

【技术保护点】
分布式压缩感知信道估计中的导频分配方法，其特征在于包含如下步骤：步骤1)，将最优导频的设计问题建模为以下的组合优化问题：其中，L为信道长度、NT为MIMO‑OFDM系统发送天线数、P为导频数、Λi为第i个发送天线对应的导频位置集合、表示空集、表示集合中的第a个元素、N为每个发送天线上总子载波的个数、Ω＝{1,2,...,N}为子载波集合、表示集合中元素的个数、iT为发送天线序号、l和r表示抽头延时线信道模型中两个不同的抽头序号；步骤2)，初始化遗传算法参数：种群尺寸Ps，个体长度Len＝PNT，遗传代数g＝1,最大遗传代数Mg，定义个体的一般表达式为：并随机生成一个包含Ps个个体的初始种群{Φi,i＝1,2,...,Ps}；步骤3)，对初始种群中每个个体根据下式计算来自所有发送天线上的导频位置集合步骤4)，计算导频位置集合对应的适应值：其中，μB_DCSt=ΣiT=1NTΣl=1LΣl≠r1≤r≤L|1PΣkiT,a∈ΛiTej2πkiT,a(l-r)/N|2;]]>步骤5)，执行随机通用采样选择操作，个体被选择的概率为Sprob，即选择当前种群中适应值最高的Ps×Sprob个个体；步骤6)，对步骤5)得到的Ps×Sprob个个体执行概率为Cprob的离散重组操作，即以概率Cprob从群体中选择多个个体，每两个一组，随机交换两个个体的若干位产生两个新的个体，从而产生新的Ps×Sprob个个体；步骤7)，对步骤6)得到的Ps×Sprob个个体进行概率为Mprob的基因变异操作，基因的边界为1≤φi≤N，即以概率Mprob从个体编码串上随机选择出若干个基因位，并对该位上的值进行改变；步骤8)，采用步骤3)和步骤4)中的公式计算步骤7)得到的种群数量为Ps×Sprob的新一代个体的适应值，并用他们取代原有种群中适应值最低的Ps×Sprob个个体，从而获得新的种群；步骤9)，对步骤8)获得的种群执行完善操作去获取具有更高适应值的个体；步骤10)，遗传代数g增加1；步骤11)，反复执行步骤5)至步骤10)，直到遗传代数g达到最大遗传代数Mg；步骤12)，采用步骤3)中的公式、根据现有种群中具有最大适应值的个体Φbest计算出最优的导频位置集合1≤iT≤NT。...

【技术特征摘要】
1.分布式压缩感知信道估计中的导频分配方法，其特征在于包含如下步骤：
步骤1)，将最优导频的设计问题建模为以下的组合优化问题：
其中，L为信道长度、NT为MIMO-OF...

【专利技术属性】
技术研发人员：何雪云，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32