1、壓縮感知(Compressed Sensing, CS)技術(shù)是近年來信號處理領(lǐng)域最熱門的研究方向之一,其打破了奈奎斯特采樣定理的框架,將對信號的采樣轉(zhuǎn)變?yōu)閷π畔⒌牟蓸?可利用遠(yuǎn)低于奈奎斯特采樣要求的速率對信號進(jìn)行采樣,同時又可以高效的實現(xiàn)原信號的重構(gòu)。因此,在雷達(dá)成像、無線傳感器網(wǎng)絡(luò)、通信系統(tǒng)、醫(yī)學(xué)成像等領(lǐng)域,壓縮感知技術(shù)得到了非常廣泛的應(yīng)用。
　　在正交頻分復(fù)用(Orthogonal Frequency Division Mul

2、tiplexing, OFDM)系統(tǒng)中,信號經(jīng)過頻率選擇性衰落后,在接收端需要進(jìn)行均衡和相干信號的檢測,所以準(zhǔn)確的信道估計必不可少。同時,由于無線寬帶多徑信道固有的稀疏性,其抽頭分布分布通常滿足稀疏特性,因此使得壓縮感知應(yīng)用于無線寬帶多徑信道成為可能。已有研究表明,與傳統(tǒng)的信號估計算法(LS算法、MMSE算法等)相比,基于壓縮感知的信道估計技術(shù)在獲得同樣的信道估計精確度的前提下,所需的導(dǎo)頻符號數(shù)目會明顯降低,從而提高了系統(tǒng)的頻譜利用率。

3、
　　壓縮感知技術(shù)的實現(xiàn)包括三個關(guān)鍵步驟:信號的稀疏表示、觀測矩陣的構(gòu)造及稀疏信號重構(gòu)。將壓縮感知技術(shù)運(yùn)用于 OFDM稀疏信道估計時,這三個步驟也是需要重點(diǎn)考慮的問題。本論文將從觀測矩陣的構(gòu)造及稀疏信號重構(gòu)兩個方面進(jìn)行研究,論文的創(chuàng)新主要集中在以下三個方面:
　　1.壓縮感知觀測矩陣的構(gòu)造與導(dǎo)頻符號在子載波的分布是緊密聯(lián)系的,本文根據(jù)觀測矩陣的相關(guān)性從理論上推導(dǎo)出一種有效的導(dǎo)頻分布圖案設(shè)計方法,并仿真驗證該設(shè)計方法的有效性。

4、本文提出的導(dǎo)頻分布圖案設(shè)計方法的基本原理為從理論上尋找列相關(guān)性最小的觀測矩陣作為 OFDM信道估計所采用的觀測矩陣。計算機(jī)仿真表明:在相同的仿真環(huán)境下,本文提出的導(dǎo)頻分布圖案相比其它導(dǎo)頻分布圖案相比,信道估計均方誤差(MSE)降低2-4dB,系統(tǒng)的誤碼率也顯著降低降低。
　　2.著重介紹了幾種壓縮感知的重構(gòu)算法,具體包括 OMP算法、ROMP算法、CoSAMP算法、SP算法、SAMP算法、貝葉斯壓縮感知技術(shù)等。其中,由于稀疏度自適

5、應(yīng)匹配追蹤算法(SAMP)不需要以信號稀疏度為先驗信息,所以非常適合應(yīng)用在CS-OFDM稀疏信道估計問題中。然而,該算法的算法復(fù)雜度相對于其它算法復(fù)雜度較高。在此基礎(chǔ)上,本文提出了一種自適應(yīng)閾值 SAMP算法,該算法根據(jù)信噪比算法的迭代閾值發(fā)生變化,并且迭代步長在每次迭代中也是變化的,從而降低算法的復(fù)雜度。計算機(jī)仿真表明:本文提出的算法相比于未改進(jìn)的 SAMP算法,在較低信噪比下也能達(dá)到不錯的效果,并且CPU運(yùn)行時間降低大約一半。