【OTFS论文阅读2】——《高速移动通信中 OTFS 信道估计研究 》

论文题目:高速移动通信中 OTFS 信道估计研究

Channel Estimation in OTFS High-Speed Mobile Communication Systems

刘庆达 硕士毕业论文

#压缩感知CS信道估计算法 #分数多普勒 #SISO-OTFS #MIMO-OTFS #3D-SOMP
在这里插入图片描述

压缩感知(Compressed Sensing,CS)理论

在这里插入图片描述

稀疏信号的观测值数量大大低于奈奎斯特定理得到的采样值数目,在减少导频数量的同时进行比较可靠有效的信道估计
(1) 对信号进行稀疏变换:原高维信号h在其中一个变换域中搜索正交基(稀疏矩阵)ψ和hD稀疏系数进行稀疏表示;
(2) 构造观测矩阵:构造一个与ψ 不相干的观测矩阵 A ,使得高维信号h能投影折射到低维空间 y ,Ψ 称为传感矩阵(感知矩阵)。【降维】
(3) 恢复信号:求得最小 0 范数(非零元素个数)时的稀疏系数并利用稀疏变换恢复原信号h。最后设计能够高效恢复原信号的重构 CS 算法

《高速移动通信中 OTFS 信道估计研究 》
在这里插入图片描述

OTFS基本架构的矩阵化表示
在这里插入图片描述

摘要

(1)本文分别对 OTFS 系统时域和时延多普勒域的输入输出关系进行分析,并与压缩感知理论进行结合,改进 CS 信道估计导频感知矩阵设计指标及 CS 算法。
(2)针对 SISO 系统,本文在导频独自成帧基础上,提出了PRS-OMP 算法,通过综合考虑双色散信道中最大时延和最大多普勒频移,利用压缩感知原理估算各个路径的时延多普勒频移和信道增益。
(3)针对 MIMO 系统,本文采用导频和数据联合成帧的方法,对导频图案进行设计,并将其应用到 三维结构化正交匹配追踪(3D-SOMP) 信道估计算法中。
(4)针对 OTFS 分数多普勒信道估计,提出了一种改进的互相关匹配滤波信道估计PRS-PMF算法,该算法首先使用数据和导频联合成帧的方法获得等效信道的估计,然后通过互相关匹配滤波估计出各路径信道状态信息,并在此基础上,对 OTFS 系统加窗。

研究背景和综述:

OTFS 信道估计性能通常表现:① 信道估计的精确度 ;
②导频开销的占用率

分数多普勒问题研究文献研究

MURALI K and CHOCKALINGAM A. On OTFS modulation for high-doppler fading channels 关于高多普勒衰落信道的OTFS调制基于伪噪声序列(Pseudo-noise Sequence,PN)的信道估计方法利用 OTFS 时域输入输出关系,通过匹配滤波能够估计出每条实际物理信道的分数多普勒频移,但系统需要较大的计算量才能准确估计小数部分,并且该方法对序列二维相关性要求较高
HASHIMOTO N, OSAWA N, YAMAZAKI K, et al. Channel estimation and qualization for CP-OFDM-based OTFS in fractional doppler channels. 基于CP-OFDM的OTFS信道估计与均衡化提出了一种在时延多普勒域中进行匹配滤波的信道估计算法:Ⅰ首先利用独自成帧的脉冲导频估计出等效信道Ⅱ然后通过互相关匹配滤波估计出各路径的信道 CSI;由于其匹配滤波过程能够通过 FFT 简化,因此大大降低了信道估计的复杂度,但该方案在估计等效信道时所占导频资源较大,并且匹配滤波时会受到同一时延路径其它不匹配信号的干扰

算法部分:

CS 理论与导频感知矩阵设计

1、 利用 OMP 等 CS 贪婪算法进行 OTFS 信道估计,时域导频指标设计本质上是尽可能降低局部周期模糊函数的旁瓣能量
2、 无论是 OTFS 时域 CS 信道估计还是时延多普勒域 CS 信道估计,都必须要保证感知矩阵要满足 RIP 准则及最小化感知矩阵的互相关系数。

经典CS算法

在这里插入图片描述
这四种算法的整体架构相似,都是通过迭代筛选原子和设置迭代停止条件来恢复稀疏信号。

基于 SAMP 的盲稀疏信号恢复改进算法

上述的贪婪匹配追踪算法要求已知信号的稀疏度,但实际中通常不可能预先知道信号的稀疏度。基于此情况,提出能够有效恢复RIP准则稀疏信号稀疏度的自适应匹配追踪(SAMP)算法:
SAMP算法可以在预设初始步长的情况下自适应调整迭代中的步长,和原子筛选机制共同迭代逼近待估计的稀疏信号的稀疏度,从而完成对盲稀疏度信号的精确重构。

PRS-OMP信道估计算法

在这里插入图片描述
在这里插入图片描述
[22]HADANI R, MONK A. OTFS: A new generation of modulation addressing the challenges of 5G——OMP算法信道估计

三维结构化正交匹配追踪(3D-SOMP) 信道估计算法

在这里插入图片描述
利用大规模 MIMO-OTFS 系统中时延-多普勒-角度三维信道分别在三个维度上体现出正常稀疏、块稀疏和突发稀疏这一特征,将 OTFS 系统 CSI 估计问题转化为稀疏信号的 CS 问题,并进行导频图案的设计,理论和仿真结果表明,该方案可以在获得较准确 CSI 基础上降低导频的开销
具体可参考文献Channel Estimation for Orthogonal Time Frequency Space (OTFS) Massive MIMO 这里不做过多的解释

导频资源节省的脉冲匹配滤波信道估计算法

在这里插入图片描述
由图 4.2 可以看出,这种导频图案由于在一个 OTFS 帧中只有一个位置有值,所以会造成导频资源的浪费,降低 OTFS 系统容量。因此,本文通过采用嵌入式导频辅助的方法设计导频图案,即将数据和导频封装到一个 OTFS 帧中,以此来降低导频资源的占用。

在这里插入图片描述

  • 15
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Size,Data Set,Comparisons,Moves,Time\n"); for (i = 0; i < num_sizes; i++) { n = sizes[i]; for (j = 1; j <= num_data; j++) { // 读取数据文件OTFS信道估计的导频开销主要由两部分组成:导频符号的数量和导频 char filename[50]; sprintf(filename, "data_%d_%d.in", n, j); FILE *f = fopen符号的分布方式。 在OTFS系统,每个时频格点需要估计一个复数值,因此(filename, "r"); for (k = 0; k < n; k++) fscanf(f, "%d", &arr[k需要至少一个导频符号来进行估计。导频符号的数量可以根据信道条件和系统性能]); fclose(f); // 排序 count_cmp = 0; count_move = 0; begin = clock需求来确定。一般来说,导频符号越多,信道估计的准确性就越高,(); heapSort(arr, n); end = clock(); time_spent = (double)(end - begin) / CLOCKS但导频开销也越大。 导频符号的分布方式可以通过在时频域选择一定的规_PER_SEC; // 写入结果 fprintf(fp, "%d,%d,%d,%d,%f\n", n, j,律来实现。例如,在时域可以采用等间隔分布或者根据Zadoff-Chu序列 count_cmp, count_move, time_spent); } } fclose(fp); // 测试归并排序 printf("Merge产生导频符号,而在频域可以采用等间隔或者随机分布的方式。不同 Sort:\n"); fp = fopen("merge_sort.csv", "w"); fprintf(fp, "Size,Data Set,Comparisons,M的分布方式会影响到导频开销和信道估计的准确性。 具体的导频开销oves,Time\n"); for (i = 0; i < num_sizes; i++) { n = sizes[i]; for需要根据具体的系统参数和信道条件来进行计算。在MATLAB,可以使用OTFS工具箱 (j = 1; j <= num_data; j++) { // 读取数据文件 char filename[50]; 来进行OTFS系统的建模和仿真,从而得到导频开销的估计值。同时,也可以 sprintf(filename, "data_%d_%d.in", n, j); FILE *f = fopen(filename, "r"); for (通过模拟得到不同导频符号数量和分布方式下的信道估计性能,从而进行系统设计和优化。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值