基于卡尔曼滤波的快时变稀疏信道估计新技术

针对高铁以及山区环境下正交频分复用（orthogonal frequency division multiplexing,OFDM）通信系统的信道估计问题,提出一种基于卡尔曼滤波的快时变稀疏信道估计方法.该方法基于快时变信道的基扩展模型（basic expansion model,BEM）,应用压缩感知（compressed sensing,CS）理论进行稀疏时延估计,并应用卡尔曼滤波（Kalman filter,KF）技术对BEM系数进行估计,进而获得信道增益.仿真结果表明,在相同信噪比（signal to noise ratio,SNR）条件下,随着归一化多普勒频移（frequency-normalized Doppler shift,FND）增大,新方法的信道估计均方差（mean square error,MSE）性能优于传统方法,如当SNR为20 dB,FND为0.1时,新方法较传统方法性能提升了4 dB,表明对信道时变性具有更优的鲁棒性;在相同的多普勒频移条件下,随着SNR增加,各方法的均方差均有所改善,新方法改善更明显,如当FND为0.2时,在信道估计均方差为0.06的条件下,新方法较传统方法获得了6 dB的信噪比增益,表明对抗信道噪声能力更强.      

一种基于DCS-KF的高移动稀疏信道估计方法

<正>交频分复用技术已经被广泛用于现行无线通信系统,也是未来移动通信的关键技术。OFDM系统通常采用相干检测的方法,因而信道状态信息估计准确与否直接影响到整个系统通信质量。提出了一种针对高速铁路山区的快时变稀疏环境下OFDM系统信道状态信息估计的新方法。首先采用BEM模型对快时变信道建模,降低待估计参数数量,然后根据多个OFDM符号之间信道响应主径的位置关系,采用DCS理论对多个OFDM符号主径的位置进行联合估计,提高主径估计准确度,最后采用卡尔曼滤波技术估计BEM系数,降低系数估计误差,获得信道响应。理论分析和仿真结果均表明,基于DCS-KF的信道估计方法在主径位置估计准确度和信道估计均方差性能方面均优于传统方法。