【技术实现步骤摘要】
本专利技术涉及无线通信，提出了一种高速移动场景下基于块稀疏度自适应的otfs系统信道估计算法。
技术介绍
1、随着5g技术的快速发展，高速移动环境下的无线通信信道展现出明显的时频双选衰落现象，并且具有较大的多普勒频偏，因而导致现有ofdm系统性能严重恶化。为解决此问题，有文献提出了一种新的调制方式——正交时频空调制，时延-多普勒域的引入使得快时变信道可转化为时延-多普勒域中的二维准时不变信道，这意味着otfs系统可抵抗由用户的高移动性或高载波频率所带来的大多普勒频偏影响，并具有享有全分集的潜力，相较于ofdm系统展现出显著的优势。信道状态信息的获取在整个通信过程中尤为重要，但ofdm系统的信道估计算法在otfs系统中并不适用。
2、压缩感知作为一种采样技术，其利用信号的稀疏性，仅需少量观测值即可有效恢复原始信号，即基于压缩感知的信道估计可以通过使用少量导频信息来精准估计信道状态信息。相关研究表明，otfs系统的时延-多普勒域信道表示具有明显稀疏性，这为压缩感知在时延-多普勒域信道估计中的应用提供了理论依据。
3、本专利技术将压缩感知技术融入到信道估计问题中，首先构建时延-多普勒域中的压缩感知数学模型yp＝φh中所对应的测量矩阵φ和观测向量yp，其次针对稀疏度未知条件下的samp重构算法原子识别准确率低，重构精度与速度无法同时满足的问题，提出tssabomp算法。
技术实现思路
1、为了解决现有技术存在的不足，本专利技术提出一种高速移动场景下基于压缩感知的块稀
2、本专利技术采用的技术方案包含以下步骤：
3、(1)将接收端的接收信号转换为时延-多普勒域中的矩阵形式y；
4、(2)提取接收矩阵中用于信道估计的导频信号并转换为向量形式yp；
5、(3)提取发送端时延-多普勒域中的导频信号并根据压缩感知数学模型构建测量矩阵φ；
6、(4)利用tssabomp算法得到稀疏信道向量hest；
7、(5)将信道向量hest重新恢复成矩阵形式hest，并找出矩阵hest[k′，l′]非零元的位置(k′est，l′est)，完成信道估计。
8、进一步地，本专利技术步骤(1)中所述y矩阵的获取还包括，
9、步骤1-1：建立时延-多普勒域下的离散信道模型h(τ，v)：
10、
11、其中，m和n分别表示时延-多普勒平面中的时延索引数与多普勒索引数，τ和v分别表示时延和多普勒频移，δf为子载波间隔，t为符号周期，h[k′，′l]表示多普勒索引为k′，时延索引为l′的传输路径对应的信道增益，δ(·)为狄利克雷函数；
12、步骤1-2：在时延-多普勒域下，otfs调制的发射信号x[k，l]和接收信号y[k，l]可以表示为：
13、
14、其中，<·>n和<·>m分别表示模n和模m运算，w[k，l]表示时延-多普勒域中方差为σ2的复高斯白噪声，相位偏移因子αk，l[k′，l′]可表示为：
15、
16、其中，l表示循环前缀的长度。
17、进一步地，本专利技术中所述列向量形式y为：
18、
19、其中，h为稀疏信道向量，其k′m+l′个元素为h[k′，l′]，y为接收符号的列向量形式，是接受符号矩阵y[k，l]按行展开所得，w为加性高斯白噪声向量，矩阵的第(p，q)个元素为：
20、
21、进一步地，本专利技术步骤(2)中所述导频信号向量形式yp的获取还包括，选取接收符号矩阵y的第m/2列至第m/2+ls列，并按行展开得到导频信号向量yp，其中ls为一小于最大时延索引的整数。
22、进一步地，本专利技术步骤(3)中所述的测量矩阵φ的获取包括，根据导频向量的行索引，计算出相应的矩阵并将得到的结果记为测量矩阵φ，则基于压缩感知的信道估计模型为：
23、
24、其中，为该压缩感知信道估计模型下的噪声向量，在观测向量yp和测量矩阵φ为已知的条件下，通过所述模型可估计出稀疏信道向量hest。
25、进一步地，本专利技术步骤(4)中所述的tssabomp算法具体包括以下步骤：
26、步骤4-1：初始化残差r0＝yp，索引集f0＝φ，候选集ct＝φ，支撑集大小t＝s，阶段标识i＝0，迭代次数t＝0，阶段参数stage＝1，时延估计子块个数b1＝k/n，多普勒估计子块个数b2＝k/d；
27、步骤4-2：根据时延估计子块个数计算观测向量与残差之间的内积：v(i)＝abs(φ*[i]rt-1)，i∈[1，b1]，按照筛选阈值从中选择内积足够大的值，并记录其对应的原子块，形成时延估计原子集ω；
28、步骤4-3：设置模糊阈值对原子集ω中的原子进行预选，获得索引集st＝{j：g(j)＞μσt}，其中g＝abs(φ*[j]rt-1)，j∈[1，b2]，μ为阈值参数，σt为最大内积值；
29、步骤4-4：形成候选集ct：ct＝ft-1∪st；
30、步骤4-5：进行阶段标识参数判断与更新，若size(ct)＞ρ*h，则i＝1，其中h为测量矩阵的行数，size(ct)表示候选集中的元素个数；
31、步骤4-6：获得支撑集f，若size(ct)≥t，则否则，f＝ct，其中矩阵由测量矩阵φ中列索引为候选集ct中元素的列向量构成，表示从中选择前t个最大的元素对应的索引；
32、步骤4-7：更新残差：
33、步骤4-8：若||rnew||2≤ε，停止迭代并输出信道估计值否则，转步骤4-9；
34、步骤4-9：若||rnew||2≥|rt-1||2且i＝0，则stage＝stage+1，ft＝ft-1，rt＝rt-1，其中||·||2表示2范数，表示向上取整；若||rnew||2≥|rt-1||2且i＝1，则t＝t+s，ft＝ft-1，rt＝rt-1；否则，ft＝ft-1，rt＝rt-1；
35、步骤4-10：迭代次数t＝t+1，重复步骤4-3至步骤4-10，直到满足停止条件。
36、本专利技术与现有技术相比，具有以下有益效果：
37、(1)本专利技术提出的基于压缩感知的块稀疏度自适应信道估计算法，针对samp重构算法原子挑选准确率低的缺点，利用时延-多普勒域信道响应的分块稀疏性，通过设置阈值参数，在稀疏度未知的情况下，可以快速估计传输路径时延，提高估计准确度并减少算法迭代次数。
38、(2)本专利技术提出的基于压缩感知的块稀疏度自适应信道估计算法，在确定传输路径时延的基础上，针对samp重构算法重构精度与效率无法兼顾的缺点进行改进，提出了一种对数函数型的变步长方法，在保证估计准确度不降低的条件下大幅提高了算法效率。
39、(3)本专利技术提出的基于压缩感知的块稀疏度自适应信道估计算法，与基于阈值的信道本文档来自技高网...
【技术保护点】
1.一种高速移动场景下基于块稀疏度自适应的OTFS系统信道估计算法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于块稀疏度自适应的OTFS系统信道估计算法，其特征在于，步骤(1)中所述矩阵Y的获取还包括：
3.如权利要求1所述的高速移动场景下基于块稀疏度自适应的OTFS系统信道估计算法，其特征在于，所述列向量形式y为：
4.如权利要求1所述的快时变场景下基于块稀疏度自适应的OTFS系统信道估计算法，其特征在于，所述导频信号向量Yp的获取包括，选取接收符号矩阵Y的第M/2列至第M/2+ls列，并按行展开得到导频信号向量Yp，其中ls为一小于最大时延索引的整数。
5.如权利要求1所述的快时变场景下基于块稀疏度自适应的OTFS系统信道估计算法，其特征在于，所述测量矩阵Φ的获取包括，根据导频向量的行索引，计算出相应的矩阵并将得到的结果记为测量矩阵Φ，则基于压缩感知的信道估计模型为：
6.如权利要求1所述的快时变场景下基于块稀疏度自适应的OTFS系统信道估计算法，其特征在于，所述步骤(4)中TSSABOMP算法具体包括以下
...【技术特征摘要】
1.一种高速移动场景下基于块稀疏度自适应的otfs系统信道估计算法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于块稀疏度自适应的otfs系统信道估计算法，其特征在于，步骤(1)中所述矩阵y的获取还包括：
3.如权利要求1所述的高速移动场景下基于块稀疏度自适应的otfs系统信道估计算法，其特征在于，所述列向量形式y为：
4.如权利要求1所述的快时变场景下基于块稀疏度自适应的otfs系统信道估计算法，其特征在于，所述导频信号向量yp的获取包括，选取接收符...
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。