无线传感器网络的信道模型.docx

《无线传感器网络的信道模型.docx》由会员分享，可在线阅读，更多相关《无线传感器网络的信道模型.docx（19页珍藏版）》请在第一文库网上搜索。

1、安徽高校江淮学院本科毕业论文（设计、创作）题 目：基于压缩感知的稀疏信道估量方法争论同学姓名：卜竞斐 学号： JC104255系另计算机科学与技术专业:通信工程入学时间：2022 年 9 月导师姓名:蒋芳职称/学位:讲师/硕士导师所在单位:安徽高校电子信息工程学院完成时间:二。一四U1基于压缩感知的稀疏信道估量方法争论摘要在多径无线信道的高速数据通信通常需要接收器知道状态信息，因此，如何掌握信道的传播特性和参数估量是具有重要意义的数字无线通信系统的争论。就目前来说，我们所运用的导频方法是必需提前知道放射机所发送的导频信号，再与接收端所接收到的信号进行比较，经过处理后得到我们所要的信道响应。但是

2、，我们不难发觉这种处理由于插入的导频太多而占用大量的宽带，从而使频带的采用率大大降低。专家经过争论发觉：真正的无线通道的结构往往是稀疏，尤其是高速数据通信系统。如此一来，如何发掘和采用信道的稀疏性从而有效的进行信道估量就是争论的重点。近年来压缩感知(CS, Compressive Sensing)被看做是一种更好的信号猎取方式。压缩感知的理论指出信号在某个变化域内稀疏或近似稀疏就可以用低于奈奎斯特抽样定理的速率对稀疏信号进行采样并在收端以很高的概率重建信号。压缩感知是现在信号处理领域的争论热点也被看做是一种信号猎取的有效方式。本文介绍压缩感知的理论和信道估量的相关内容,以及正交频分复用(OFD

3、M, Orthogonal Frequency Division Multiplex 系统、超宽带(UWB, Ultra Wideband)系统和多输入多输出(multiple- input multiple output, MIMO )系统中基于压缩感知的稀疏信道估量方法，重点是压缩感知的重构方法。关键词：压缩感知；稀疏信道；正交频分复用；UWB；多输入多输出Study on sparse channel estimation method based on compressed sensingAbstractIn a multipath radio channel now of high-

4、speed data communication usually requires the receiver know stateinformation, so how to control the channel, channel propagation characteristics and the parameter estimation is ofgreat significance to the study of digital wireless communication system. Pilot current methods is the need to acceptthe

5、pilot signal is known in advance sent by the transmitter, and corresponding to the received signal phase contrast,through analyzing and processing the final channel response. But the pilot this approach into too much occupiedbandwidth, reduce the bandwidth efficiency. Through the study found: the st

6、ructure of real wireless channels isoften sparse especially high-speed data communication system. Thus, how to excavate and thus better channelestimation using the channel sparsity. In recent years, compressed sensing (CS, Compressive Sensing) is consideredas one of the effective signal acquisition.

7、the compressed sensingtheory points out signal in a changing domainsparse or approximate sparse can use rate than the Nyquist sampling theorem for sparse signal sampling andreconstruction of signals at the receiving end with very high probability. Compressed sensing is now the researchfocus in the f

8、ield of signal processing is also regarded as an effective signal acquisition. Introduced the relevanttheory and channel compressed sensing estimation, and orthogonal frequency division multiplexing (OFDM,Orthogonal Frequency Division Multiplex system, UWB system and multiple input multiple output (

9、multiple- inputmultiple output, MIMO) estimation method of sparse channel based on compressed sensing system, focuses on thereconstruction of compressed sensing.key words ： compressed sensing； sparse channel； orthogonal frequency divisionmultiplexing； Ultra Wideband； multiple input multiple output1.

10、引言21.1争论目的和意义21. 2争论现状21.3本文的内容支配22 .压缩感知2.1 压缩感知的理论介绍2.1.1 信号的稀疏表示32.1.2 信号的压缩采样、重构53 .压缩感知理论在稀疏信道估量中的应用3. 1压缩感知理论在OFDM系统中的应用3.2 压缩感知理论在UWB系统中的应用73.3 压缩感知理论在MIMO系统中的应用94.结束语11主要参考文献12致谢131 .引言1.1 争论目的和意义无线信道在肯定的程度上会影响到无线通信系统的性能，如阴影衰落和频率选择性衰落等等，使得放射端和接收端之间的传播路径变的简单。有线信道经常固定并可猜测，无线信道则与之不同并且具有很大的随机性，这

11、样在无线信道中对接收端的设计就有很大的挑战。列如OFDM系统的相干检测就会需要对信道进行估量，信道估量的误差度将直接影响整个系统的性能。为了能在接收端精确的恢复放射端的所放射信号，人们采纳各种措施来反抗信号传输的多径效应。只有知道信道的阶数、多普勒频移和多径时延或者信道的冲激响应等无线信道的信息参数，才可以实现对信道的估量。因此，无线通信系统的一项关键技术就是信道参数的估量。能否获得具体的信道信息，从而正确的解调放射信号，是一个无线通信系统性能评估的重要指标。所以，信道参数估量算法的争论是一个项有特殊意义的工作。基于压缩感知的稀疏信道估量争论便是很好的信道估量方法。压缩感知很好的采用了高速信号

12、传输中信号的稀疏性，更加便利和精确的对信道进行估量和重建。1.2 争论现状在现在的通信系统中，信号状态通常不是预先已知的，这是需要在接收端对信号进行信道估量才可以得出来的。对于现在的信道估量方法可以分为两种：基于导频的信道估量方法和盲信道估量方法。对于导频的信道估量方法是需要接受端事先已知放射机发送的导频信号，再与对应的接受信号相对比，经过肯定的分析处理最终得到信道响应。而盲道信道估量方法则不需要导频，仅仅通过信号的时频统计特性得到信道响应。虽然盲道信道估量方法更加敏捷，但由于计算简单，所以对于快速的时变的信道来说误差估量太大。而导频的信道估量方法简洁，并且对于可以降低接收端的计算简单度，所以

13、被现在通信系统广泛采用。但由于插入的导频占用的带宽，降低系统的带宽采用率。所以人们才争论如何在不影响信道估量性能的前提下尽量削减插入的导频个数。大量争论表明：实际的无线信道通常都具有稀疏的结构，尤其是在信号带较大或符号持续时间长的状况下，这种特效各位明显。正是由于传统的信道估量没有很好的采用这一稀疏性，所以接收端的结果不够精确有效。所以本文的主要围绕基于压缩感知的稀疏信道的估量争论。1.3 本文的内容支配第一章：对压缩感知理论进行具体的介绍。主要从信号猎取的四个方式：采样、压缩、传输、重构来对压缩感知进行了解。其次章：对正交频分复用(OFDM, Orthogonal Frequency Div

14、ision Multiplex 超宽带(UWB, Ultra Wideband)系统和多输入多输出(multiple- input multiple output, MIMO )系统中基于压缩感知的稀疏信道估量方法进行了解。并每个系统列举出一种具体方法，给出具体的计算过程和结论。第三章：结束语，对本文的内容进行总结和争论。并对压缩感知将来前景的向往。2 .压缩感知2.1 压缩感知的理论介绍对于传统的信号猎取过程主要分为四个步骤：采样、压缩、传输、重构。但由于采样的速率过高使的硬件条件不好满意。但是对于压缩感知这种非线性的猎取方式，可以对信号的采样和压缩进行合并，使得测量数据远远小于传统采样方法

15、所需的数据量。所以压缩感知的理论包括稀疏的信号、信号的压缩采样和信号的重构。2.1 . 1信号的稀疏表示在压缩感知理论框架下，任意具有稀疏性或近似稀疏的信号都可以以远低于奈奎斯特采样定理要求的采样速率被采样并重构。信号具备稀疏性是压缩感知理论应用的先决条件，也是压缩感知的必需条件。所以信号稀疏的表示也是争论压缩感知的一个关键和重要问题。对于信号的表示来说有两种最为基本的形式：时域形式和频域形式。通过时域形式我们可以观看到信号的波形、连续或离散、变化快慢的状况。借助频域我们则可以了解到信号的频谱和宽带等性质。对于这种基于变化空间所绽开的传统的信号表示方法，这种基变我们称作“变换基”。就如经典的傅里叶变换、小波变换等。这些变换是可逆的，但是存在许多的不足。如：傅立叶变换信号的正交分解，将其分解成三角函数和简单的指数函数的组合。这样的频域分析解释了信号时间特性与其频率特性之间的亲密关系以及信号内在的频率特性，并且将时间变量变换成频率变量，从而导出了信号的频谱带宽以及调制、滤波和频分复用等重要信息，但是却无法显示信号的时域特性。小波分解则很好的避开这一问题，小波变换继承和进展了短时Fourier变换局部化的思想，同时又解决了窗口大小不随频率变化等缺点，为我们供应一个时间一频率窗