本发明专利技术公开了一种MISO-OFDM系统的信道估计方法，包括以下步骤：MISO-OFDM系统下行链路传输场景，其基站配置Nt根天线，终端配备1根天线，则信道估计过程中，得观测向量y的表达式，设变量集合Ω＝{h,χ,η,σ}，其中，h为信道，σ为噪声方差，η为常量，χ为随机变量，通过贝叶斯分层结构获取联合概率密度函数p(Ω，y)，根据式联合概率密度函数p(Ω，y)利用变分消息传递算法求解MISO-OFDM系统的信道本发明专利技术可以精确的对MISO-OFDM系统进行信道估计。
【技术实现步骤摘要】
本专利技术属于无线通信
，涉及一种信道估计方法，具体涉及一种MIS0-0FDM 系统的信道估计方法。
技术介绍
信道状态信息（Channel State Information，CSI)能否精确获得对无线通信系 统性能的影响非常大，因此，信道估计技术是提高系统性能的关键技术之一，受到了广泛关 注。信道估计根据是否使用导频信号，可分为盲信道估计和基于导频符号的信道估计两大 类。盲信道估计不需要提前在发送端发送已知信息，节省了系统开销，但要求接收端开辟 较大的缓冲区来存储大量的数据，这使得它的应用受到了很大限制；基于导频的信道估计 是在发送端先发送已知的导频信号，用于信道估计，这类技术应用较广。近期研究表明，在 MIS0-0FDM系统中多径信道往往呈现明显的稀疏特性，即只有少数路径为可达路径，其余路 径增益为零。对于稀疏信道的估计问题，可用传统的估计办法进行估计，也可将其转化为稀 疏估计问题，而压缩感知理论是解决稀疏估计问题的有效方法，因而利用其稀疏特性基于 压缩感知的方法进行估计有望获得优良的性能。相比于传统信道估计，压缩信道感知能降 低系统开销，提高估计精度，是近年来的研究热点。诸多压缩感知算法已经被应用到了压缩 信道感知中，这些算法主要包括：凸松弛算法、组合算法、以及以OMP算法、SP算法等为代表 的贪婪类算法。然而，许多组合算法收敛速度快，但需大量的特殊样本，这些样本的获取往 往具有较大的复杂度；凸松弛算法虽需很少的测量数，但其计算复杂度较高；贪婪类算法 折衷了组合算法和凸松弛算法的缺陷，但其信道估计精度还有待提高。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点，提供了一种MIS0-0FDM系统的信道 估计方法，该方法可以精确的对MIS0-0FDM系统进行信道估计。 为达到上述目的，本专利技术所述的MIS0-0FDM系统的信道估计方法包括以下步骤： MIS0-0FDM系统下行链路传输场景中基站配置Nt根天线，终端配备1根天线，则信道估计过 程中，观测向量y的表达式为： y = Ph+v 其中，h为待估向量信道，P为测量矩阵，V为噪声向量，观测向量y的维度小于待 估向量信道h的维度，且待估向量信道h具有稀疏特性； 设变量集合Ω = {h, X，η, σ }，其中，σ为噪声方差，X为与待估向量信道h相 关的随机变量，η为与随机变量X相关的常向量，通过贝叶斯分层结构获取联合概率密度 函数P(Q，y)，其中 P ( Ω，y) = p (y，h，X，q，。）= P (y I h，〇 ) p ( σ ) p (h I X ) p ( X ; q ) (1) 当观察向量y为复数时，则当观察向量y为实数时，I为单位 矩阵，N表示载波数；c及d为伽玛分布的参 数；1^为待估向量信道h 的维度，Nt为基站的天线数，L为基站的每根天线与用户之间信道的维度， 当P = 1时，待估向量信道h为复数；P = 0. 5时，待估向量信道h为实数，，η及X i分别为向量η及X的第 1个元素； 根据式⑴利用变分消息传递算法求解MIS0-0FDM系统的信道ii。 根据式（1)利用变分消息传递算法求解miso-ofdm系统的信道?的具体过称为： 设最接近后验概率密度函数的辅助概率密度函数q(Q)为： q(Q) =q(h)q(x)q(q)q(〇) ⑵ 其中q(h)为待估向量信道h的辅助概率密度函数，q( X )为随机变量X的辅助 概率密度函数，q(n) = 1，q(〇 )为噪声方差〇的辅助概率密度函数； 变分消息传递算法的散度KUq(Q) I |ρ(Ω) |y)为： 其中，ρ(Ω ;y) = p(y)p(Q |y)，p(y)为常数，故通过联合概率密度函数p(Q，y) 代替式⑶中的后验概率密度函数Ρ(Ω |y); 将式⑴及式⑵代入到式⑶中，然后求解散度KL(q(Q) I |ρ(Ω) |y)最小时对 应的辅助概率密度函数q ( Ω )，并将辅助概率密度函数q (h)最大时对应的待估向量信道h 作为MIS0-0FDM系统的信道β。 待估向量信道h的辅助概率密度函数q(h)的表达式： gy= p(y|h，〇)，gh= p(h|x)，g x= p(x|n)，g η= p(n)，g。= p(〇)， <〇>q⑷为噪声方差的期望值，<h>qW表示求变量h在概率密度函数为q(h)下的期望值， 、/⑵伪随机变量：―1的期望值，！彡1彡LNt。 q( X )为变量X的概率密度函数的表达式为： 其中，〈Ih」2〉咖为信道的期望值，h 待估信道向量h的第1个元素 ，K v ( ·)为 第二类第V阶修正贝塞尔函数，ε =0.5，P取0.5或1。 q( 〇 )为噪声方差σ的概率密度函数的表达式为：中N为载波数。 本专利技术具有以下有益效果： 本专利技术所述的MISO-OFDM系统的信道估计方法在获取MISO-OFDM系统的信道估计 的过程中，先获取观测向量，再通过贝叶斯分层结构获取联合概率密度函数，达到对待估 计量稀疏度的灵活控制，获得高效的稀疏估计，然后利用变分消息传递算法求解MIS0-0FDM 系统的信道L相比于传统贪婪类算法的局部优化迭代求解，得到的MIS0-0FDM系统的信道 更加精确，并且在不同信噪比下，本专利技术相对于现有技术的估计误码率更低。 进一步，利用变分消息传递算法求解MIS0-0FDM系统的信道I的过程中，通过设置 最接近后验概率密度函数的辅助概率密度函数，降低计算的复杂度，两者通过优化变分消 息传递算法的散度，得到最近后验概率密度函数的辅助概率密度函数，再通过辅助概率密 度函数求得待估计信道的最优值，从而提高信道估计的精度。【附图说明】 图1为本专利技术中仿真实验的仿真图；【具体实施方式】 下面结合附图对本专利技术做进一步详细描述： 在MIS0-0FDM系统下行链路传输场景，其基站配置Nt根天线，终端配备1根天线， 则发送的导频序列U1的表示式为： Ui = T，1 彡 i 彡 Nt 其中i为天线索引，N为载波个数，每根天线的导频信号均不同。将此频域的导频 信号做IDFT变换，得到时域的前导信号t1: 其中F为NXN的DFT矩阵； 在时域的前导信号前插入循环前缀（CP)来避免ISI，则接收端收到的混合信号的 时域r表达式为： 其中w为噪声向量。 对接收到的时域信号再做DFT变换，得到接收端的频域y表达式为： 其中，y为接收端的接收向量为NXl维矩阵,H1为由CIR组成的循环矩阵，F s为由 NXN维的DFT矩阵的前L列组成的部分DFT矩阵，信道脉冲响应（CIR) LX 1维向量，L 为多径数，V为V = Fw噪声向量的频域表达式，V为NX 1维向量，diag( ·)表示对向量做 对角化操作。 则接收端的频域y的表达式变换为：y = Ph+v，其中，[ 以上的稀疏估计问题中y为观测向量，P为测量矩阵，V是噪声向量，观测向量y内 的元素小于信道h内的元素。 MIS0-0FDM系统的信道估计方法，其特征在于，包括以下步骤： MIS0-0FDM系统下行链路传输场景，其基站配置Nt根天线，终端配备1根天线，则 信道估计过程中，观测向量y的表达式为： y = Ph+v 其中，h为待估向量信道，P为测量矩阵，V为噪声本文档来自技高网...
【技术保护点】
一种MISO‑OFDM系统的信道估计方法，其特征在于，包括以下步骤：MISO‑OFDM系统下行链路传输场景中基站配置Nt根天线，终端配备1根天线，则信道估计过程中，观测向量y的表达式为：y＝Ph+v其中，h为待估向量信道，P为测量矩阵，v为噪声向量，观测向量y的维度小于待估向量信道h的维度，且待估向量信道h具有稀疏特性；设变量集合Ω＝{h,χ,η,σ}，其中，σ为噪声标准差，χ为与待估向量信道h相关的随机变量，η为与随机变量χ相关的常向量，通过贝叶斯分层结构获取联合概率密度函数p(Ωy)，其中p(Ω,y)＝p(y,h,χ,η,σ)＝p(y|h,σ)p(σ)p(h|χ)p(χ；η) (1)当观察向量y为复数时，则当观察向量y为实数时，I为单位矩阵，N表示载波数；c及d为伽玛分布的参数；LNt为待估向量信道h的维度，Nt为基站的天线数，L为基站的每根天线与用户之间信道的维度，当ρ＝1时，待估向量信道h为复数；ρ＝0.5时，待估向量信道h为实数，ε＝0.5，ηl及χl分别为向量η及χ的第l个元素，Γ(·)为伽马函数；根据式(1)利用变分消息传递算法求解MISO‑OFDM系统的信道
【技术特征摘要】
【专利技术属性】
技术研发人员：李锋，李海林，李书源，段文磊，刘哲，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。