基于稀疏信號(hào)的同步與信道估計(jì)技術(shù)研究.pdf

1、稀疏表示（Sparse Representation，SR）在不同領(lǐng)域都有很多的運(yùn)用案例，在信號(hào)處理方面最主要的應(yīng)用就是從大量的繁雜信號(hào)以不同的要求提取出重要的元素。稀疏表示理論放棄了香農(nóng)采樣定理（Shannon’s Sampling Theorm，SST）和奈奎斯特采樣準(zhǔn)則（Nyquist Sampling Law,NSL）的原始測(cè)量，采用更有效的采樣率來(lái)測(cè)量原始采樣,隨后采用最優(yōu)的重構(gòu)算法進(jìn)行采樣重構(gòu)。在壓縮感知的背景下，假設(shè)了所有

2、的信號(hào)時(shí)稀疏或近似足夠稀疏,和主信號(hào)空間相比，可靠的信號(hào)集的大小在稀疏性的約束下極可能非常小，因此，基于稀疏表示的大量算法能有效地解決信號(hào)處理領(lǐng)域的信號(hào)重構(gòu)和恢復(fù)問(wèn)題。而且稀疏表示技術(shù)能節(jié)約大量的采樣時(shí)間和采樣存儲(chǔ)，具有很大的優(yōu)勢(shì)和潛力。
　　全球定位系統(tǒng)的同步過(guò)程是為了獲取信號(hào)從定位器到定位衛(wèi)星的傳播時(shí)間而進(jìn)行定位的技術(shù)。目前來(lái)說(shuō)同步過(guò)程算法比較成熟，但如何進(jìn)行更簡(jiǎn)單有效的同步過(guò)程依然是一個(gè)可研究的方向，尤其是在如今的各類智能家

3、居以及帶定位功能的微型設(shè)備的普及。信道估計(jì)技術(shù)歷來(lái)都是通信領(lǐng)域的重要研究方向之一，在現(xiàn)在第五代移動(dòng)通信技術(shù)研究方向偏向于多天線系統(tǒng)的趨勢(shì)下，多天線系統(tǒng)下的信道估計(jì)研究是研究熱點(diǎn)之一。
　　本論文從信號(hào)的稀疏表示特性出發(fā)，分別研究了基于稀疏傅里葉變換的快速同步方法和多天線系統(tǒng)下的信道估計(jì)技術(shù)。
　　第一章對(duì)同步技術(shù)和稀疏信道估計(jì)的背景以及研究現(xiàn)狀進(jìn)行了基本的概括。
　　第二章主要研究了用于稀疏表示的范式最小化問(wèn)題的建模分

4、析。對(duì)不同范數(shù)進(jìn)行介紹，對(duì)它們之間的聯(lián)系進(jìn)行分析，針對(duì)范式最小化問(wèn)題的解決方案，著重介紹了基于貪心策略的稀疏重構(gòu)算法。
　　第三章首先對(duì)全球定位系統(tǒng)（Global Positioning System,GPS）同步過(guò)程進(jìn)行闡述說(shuō)明，建立同步模型；對(duì)稀疏傅里葉變換也進(jìn)行詳細(xì)的表述。針對(duì)稀疏傅里葉變換利用混疊操作降低傅里葉變換規(guī)模的過(guò)程的啟示，借用到GPS同步過(guò)程以降低快速傅里葉變換（Fast Fourier Transformati

5、on，F(xiàn)FT）和快速反傅里葉變換(Inverse Fast Fourier Transform，IFFT）運(yùn)算的規(guī)模，達(dá)到降低整個(gè)同步過(guò)程復(fù)雜度的目的。仿真結(jié)果也驗(yàn)證了快速GPS的同步時(shí)間復(fù)雜度上比傳統(tǒng)的基于FFT的同步算法要小很多，具有實(shí)際運(yùn)用的前景。
　　第四章對(duì)多天線下的信道估計(jì)技術(shù)進(jìn)行了研究，首先對(duì)多天線的信道進(jìn)行分析，闡述了時(shí)域信道沖擊響應(yīng)的抽頭稀疏的特點(diǎn)，針對(duì)這一特性，在多天線系統(tǒng)中天線之間具有相關(guān)性的情景下，在正交頻

6、分復(fù)用（Orthogonal Frequency Division Multiplexing，OFDM）系統(tǒng)中給出相關(guān)相關(guān)性良好的先導(dǎo)序列代和 OFDM塊中的導(dǎo)頻結(jié)合的導(dǎo)頻設(shè)計(jì)方案，利用得到的共同稀疏支持信息可以減少導(dǎo)頻使用，增加系統(tǒng)的頻譜利用率。最后對(duì)多天線系統(tǒng)相位利用旋轉(zhuǎn)導(dǎo)頻做信道估計(jì)進(jìn)行研究，針對(duì)相關(guān)發(fā)射天線的信道相關(guān)性進(jìn)行時(shí)域信道重要抽頭的錯(cuò)開(kāi)移位操作，在接收端利用已知的移位因子設(shè)計(jì)兩個(gè)重要抽頭分類算法并進(jìn)行仿真驗(yàn)證。