基于BSL0的局部聚类稀疏信道估计方法

摘要

本发明公开了一种在MIMO通信系统中利用压缩感知技术进行局部聚类稀疏信道估计的方法，利用信号的稀疏性，基于压缩感知理论高效率恢复出原始信号，同时保证了信道的各项性能。本方法能够很好地探知局部稀疏的聚类架构信道，不仅能够相对精确地估计出信道，而且大大降低了重构误差，提高了信号恢复速度。本发明算法的精度更高，可以很好地恢复出初始信号，在信道估计过程中误差更低，性能更佳，有效提高了信道的估计效率。由于在实际信道中，噪声干扰是不可避免的，本发明针对提出的局部稀疏聚类信道，在存在噪声和衰落的环境下，对其进行了估计，估计结果更加真实、精确。

主权项

一种基于BSL0的局部聚类稀疏信道估计方法，其特征在于，包括如下步骤：(1)在发送端发送训练信号，该信号满足均匀分布；(2)根据接收端得到相应的接收信号y＝Xh+z，其中，X是满足高斯分布的Toeplitz训练序列，z是满足零均值，方差为σ²的加性白高斯噪声，基于信道的聚类架构特性，定义稀疏聚类的稀疏信道h为||h||_cluster，0≤M，定义稀疏聚类的稀疏信道结构并统计每个聚类块内的信道抽头数，在有噪环境下进行考虑，信道h的稀疏测量表示为：$\left|\right|h|{|}_0={\Sigma }_{c=1}^{C}I\left(\right|\left|h\right[c\left]\right|{|}_2\ge \mu ),$其中，||h||₀为信道的L0范数，代表信道中非零抽头的个数，M为稀疏聚类个数，μ是噪底，其中，$I\left(\right|\left|h\right[c\left]\right|{|}_2\ge \mu )=\left\{\begin{array}{c}1,\left|\right|h\left[c\right]|{|}_2\ge \mu \\ 0,\left|\right|h\left[c\right]|{|}_2<\mu \end{array}\right.,c=1,2,...,C;$(3)选择关于信道估计的可行性集合，求解y＝Xh+z中信道L2范数的最小逼近，通过伪逆的形式表现出来，即可得到信道的初始估计值为||h_l[i]||₀＝u₀＝X^H(XX^H)^‑1y，其中X^H代表X的共轭转置；(4)搜寻信道中的聚类架构块状索引为i_l＝argmax||X^H[i]r_l‑1||₂后，对信道进行估计优化得到稀疏信道估计值其中l为索引迭代次数，r_l‑1为每次迭代后的残差，λ为一大于零的正则化系数；(5)采用牛顿最速下降法，对每个稀疏聚类信道进行估计；(6)计算每次循环所得的信道h值，h_l[i]←h_l[i]‑X^T(XX^T)^‑1(Xh_l[i]‑y)，形成信道估计的集合H，直至L次循环结束；(7)将每次迭代后所得到的信道估计值h_l[i]赋给u_n，即u_n＝h_l[i]，统计集合u中的值，得到信道估计值，(8)继续搜索，直至l＝M，此时可认为整个信道中的聚类结构全部估计完成。