专利汇可以提供基于压缩感知的OFDM信道跟踪方法专利检索,专利查询,专利分析的服务。并且本 发明 公开一种基于 压缩 感知 的OFDM信道 跟踪 方法,是基于传统导频辅助的LS信道估计 算法 所估计出的结果 基础 上进行进一步变换得到的,先由 匹配追踪算法 估计出变量l的取值,然后对各个路径的信道参数进行持续跟踪,对Lk中所有的延时路径的信道参数进行卡尔曼滤波,得到估计值判断跟踪过程中信道延时路径是否发生变化,若满足相关判据,则认为信道的延时路径的 位置 发生了变化,返回重新进行延时路径的匹配追踪,否则判断是否已经处理完所有的OFDM符号,是则结束跟踪过程。本发明具有以下有益效果:克服传统的LS信道估计算法易受噪声的影响,估计的 精度 不高的不足,在降低计算复杂度的同时,提高信道估计的精度。,下面是基于压缩感知的OFDM信道跟踪方法专利的具体信息内容。
1.基于压缩感知的OFDM信道跟踪方法,其特征在于:先由匹配追踪算法估计出变量l的取值,然后对各个路径的信道参数进行持续跟踪,其中变量l表示延时路径数量,具体步骤如下:
步骤1:初始化OFDM符号计数k=1,初始化时域信道参数中非零系数的位置集合其中 表示空集;
步骤2:对于第k个OFDM符号,采用基于匹配追踪的LS信道估计算法,得到时域信道参数中非零系数的位置集合Lk,即确定变量l的取值;
步骤3:初始化噪声阈值εe,并遍历集合Lk中所有的延时路径l的取值,若 初始化第l径卡尔曼跟踪的参数:
Pl(k-1)=1 (23)
步骤4:利用导频符号获得原测量向量HP,然后进行线性变换,得到各延时路径对应的观测数据zl,利用时域信道参数状态变量的量测方程和状态方程,对Lk中所有的延时路径的信道参数进行卡尔曼滤波,得到估计值
步骤5:判断跟踪过程中信道延时路径是否发生变化,若满足
则认为信道的延时路径的位置发送了变化,返回步骤2重新进行延时路径的匹配追踪,否则判断是否已经处理完所有的OFDM符号,是则结束跟踪过程,若没有,则处理下一个OFDM符号,k=k+1,Lk=Lk-1,返回步骤4。
2.根据权利要求1所述的基于压缩感知的OFDM信道跟踪方法,其特征在于:其中步骤2中的基于匹配追踪的LS信道估计算法具体包括如下步骤:
步骤①利用导频符号获得原测量向量HP,即 然后通过线性变换,得
到新的测量向量z;其中,h为信道,N表示子载波数量,VP为对应的噪声量,GP表示由矩阵G对应于导频位置的行所组成的子矩阵,下标P表示由向量抽取导频子载波位置上的值所得到的子向量,G表示由N点傅里叶变换矩阵F第0到第L-1列的向量组成的矩阵;
步骤②取新的测量向量z中的前L个元素,初始化冗余向量r=zL,初始化重建向量迭代计数设为t=1;
步骤③找到冗余向量中幅值最大的元素所在的位置p,即:
步骤④计算新的重建向量 和冗余r,将上一步得到的位置p上的元素添加到重建向量中,同时将冗余r中此位置的值置零,即:
步骤⑤t=t+1,如果t
3.根据权利要求2所述的基于压缩感知的OFDM信道跟踪方法,其特征在于:其中所述步骤①利用导频符号获得原测量向量HP的具体过程为:
考虑一个OFDM符号中导频子载波上的数据,可得导频数据的描述公式:
其中,GP表示由矩阵G对应于导频位置的行所组成的子矩阵,下标P表示由向量抽取导频子载波位置上的值所得到的子向量,则:
Hp=[diag{Xp}]1Yp。
4.根据权利要求1所述的基于压缩感知的OFDM信道跟踪方法,其特征在于:所述步骤4中通过用公式 对HP进行线性变换,得到各延时路径对应量测方
程式zL=h+nL(12)中的观测数据zl,其中zl为新的测量向量z的前l个元素,HP为原测量向量,FNp表示按公式(3)给出的NP点的傅里叶变换矩阵,F矩阵表达式为:
其中 D是一个NP阶的对角阵,对角线元素为D(l,l)=exp(-j2πP0l/N),表示由初始导频位置P0引起的频移因子。
5.根据权利要求1所述的基于压缩感知的OFDM信道跟踪方法,其特征在于:所述步骤4中的利用时域信道参数状态变量的量测方程和状态方程,对Lk中所有的延时路径的信道参数进行卡尔曼滤波具体过程为:
将新的测量向量z中的前L个元素抽取出来,可得到以下测量矩阵:
zL=h+nL (12)
式(12)给出了状态空间的量测方程,用下标l表示第l径延时路径的各个变量,则相应的量测方程和状态方程分别为
zl=hl+nl (13)
hl(k)=hl(k-1)+vl(k-1) (14)
其中下标l表示第l径延时路径的各个变量,vl(k-1)表示对应第k个OFDM符号的AR模型预测误差,方差记为Ql(k)。
6.根据权利要求5所述的基于压缩感知的OFDM信道跟踪方法,其特征在于:在所述步骤
4中,结合状态变量的状态方程和量测方程,可以得到关于第l径时域信道参数的卡尔曼迭代跟踪过程:
PlF(k)=Pl(k-1)+Ql(k-1) (15)
Hl(k)=PlF(k)/[PlF(k)+Rl] (16)
Pl(k)=[1-Hl(k)]PlF(k) (18)。
7.根据权利要求1所述的基于压缩感知的OFDM信道跟踪方法,其特征在于:所述步骤4中的估计值 为:
8.根据权利要求1所述的基于压缩感知的OFDM信道跟踪方法,其特征在于:所述步骤5中,CMP>1,为容错系数。
9.根据权利要求8所述的基于压缩感知的OFDM信道跟踪方法,其特征在于:所述CMP取为
2。
10.根据权利要求6所述的基于压缩感知的OFDM信道跟踪方法,其特征在于:Ql(k)可通过若干个观测状态的估计值对其进行自适应更新:
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于学习的稀疏表示的超分辨率图像重建方法 | 2020-05-11 | 851 |
作业型飞行机器人的四自由度机械臂遥操作系统及方法 | 2020-05-13 | 644 |
一种基于压缩感知的多通道采样的宽带功放预失真方法 | 2020-05-12 | 727 |
一种无监督位姿与深度计算方法及系统 | 2020-05-12 | 335 |
一种基于低秩和稀疏约束的地震数据重建方法 | 2020-05-12 | 511 |
一种基于双光梳光谱的温度场和浓度场测量系统和方法 | 2020-05-11 | 155 |
一种图像校正方法、装置、设备及介质 | 2020-05-08 | 868 |
用于文化制品的分析的数字数据细节处理 | 2020-05-11 | 260 |
一种基于图像序列的模型形变人脸三维重建方案 | 2020-05-12 | 558 |
一种指部多特征全面三维重建方法 | 2020-05-13 | 633 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。