文摘gydF4y2Ba

准确的信道状态信息(CSI)是必要的在接收机的相干检测amplify-and-forward (AF)合作通信系统。估计信道,传统方法,即最小二乘(LS)和最小绝对收缩和选择算子(套索),是基于假设的密集的通道或全球稀疏的通道。然而,LS-based线性方法忽略了固有的稀疏结构信息而LASSO-based稀疏信道方法不能充分利用先验信息。基于局部稀疏合作通道模型的假设,提出一种改进的信道估计方法和局部稀疏约束。首先,利用稀疏分解理论,信道估计是制定一个压缩传感的问题。其次,合作频道由套索重建局部稀疏约束。最后,数值模拟进行确认提出方法的优势在全球稀疏信道估计方法。gydF4y2Ba

1。介绍gydF4y2Ba

基于合作交流(gydF4y2Ba1gydF4y2Ba- - - - - -gydF4y2Ba6gydF4y2Ba)研究了在过去的十年中由于其能力的提高提供空间的传播范围和多样性为单天线接收器采用继电器节点虚拟天线(gydF4y2Ba7gydF4y2Ba- - - - - -gydF4y2Ba9gydF4y2Ba]。协同通信系统的一个典型的例子是图所示gydF4y2Ba1gydF4y2Ba,源gydF4y2Ba传送信号到目的地gydF4y2Ba在中继的帮助gydF4y2Ba。众所周知,利用多个输入以及(MIMO)传输可以提高信道容量(gydF4y2Ba10gydF4y2Ba,gydF4y2Ba11gydF4y2Ba在宽带通信系统。此外,多样性技术在分布式天线系统可以减轻选择性衰落,因此提高服务质量(QoS) (gydF4y2Ba12gydF4y2Ba,gydF4y2Ba13gydF4y2Ba]。然而,它提出了一个实用的挑战集成多个天线到更小的手持移动终端。处理的限制,可以选择基于合作网络的研究在过去十年gydF4y2Ba1gydF4y2Ba- - - - - -gydF4y2Ba5gydF4y2Ba]。主要原因是存在的多样性从继电器节点网络可以利用,在继电器由运营商或可以从合作中获得其他用户的移动终端。gydF4y2Ba

在基于协同通信系统(CCS),数据传输通常是分为两个时段。在第一次槽,这两个继电器的广播其信息来源和目的地。在第二次槽,继电器可以选择不同的协议和传输信号到目的地。通常,有两种类型的协议合作通信系统;一个是放大接收到的信号继电器和转发到目的地,这称为amplify-and-forward (AF);二是解码接收到的信号,调节一次,然后重新发送到目的地,通常称为再生(DF)。由于这些系统的相干检测,准确的信道状态信息(CSI)需要在目的地(AF)或两个继电器和目的地(DF)。对DF协同通信系统中,信道估计方法可以直接借用点对点(P2P)通信系统。然而,额外的信道估计将增加计算复杂度在继电器是一种负担,并广播估计信道信息将导致进一步的干扰在目的地。另一方面,房颤协同通信技术可以避免这一缺点,我们专注于AF CCS在这项研究。gydF4y2Ba

如图gydF4y2Ba1gydF4y2Ba、合作渠道由一个直接的联系gydF4y2Ba和一个级联gydF4y2Ba。假设的基础上密集多路,线性信道估计提出了基于继电器AF合作网络(gydF4y2Ba4gydF4y2Ba]。尽管该方法可以达到下界的性能,频谱效率低是不可避免的,因为训练序列需要大量的带宽。因此,提高频谱效率的一种方法是通过减少训练序列的信道估计的长度。gydF4y2Ba

随着信道测量技术改进在过去的十年中,宽带无线频道已表现出固有的稀疏或cluster-sparse结构延迟传播。如果我们可以利用稀疏先验信息,然后可以提高频谱效率。针对点对点(P2P)通信系统,有效的稀疏信道估计方法(gydF4y2Ba14gydF4y2Ba- - - - - -gydF4y2Ba16gydF4y2Ba提出了。提高频谱效率和/或在CCS估计性能,我们研究了信道估计在CCS和提出了一个有效的稀疏信道估计方法gydF4y2Ba17gydF4y2Ba]。gydF4y2Ba

然而,级联通道(gydF4y2Ba)可能不再稀疏由于线性卷积操作gydF4y2Ba18gydF4y2Ba]。基于协同通信不仅降低了传播范围,而且改善了接收信噪比(信噪比)与P2P通信系统进行比较。不同于先前的研究在全球稀疏的假说,合作通道由两部分组成:稀疏的部分(gydF4y2Ba)和密集的部分(gydF4y2Ba)。一个简单的例子如图gydF4y2Ba2gydF4y2Ba。因此,我们之前的方法将退化,因为它不能充分利用先验信息。与前面的方法,在本文中,我们提出一个局部稀疏信道估计方法利用套索(gydF4y2Ba19gydF4y2Ba)(图像的基本单位)来提高性能。基于这个想法,一种改进的局部稀疏信道估计用套索(IEL)提出了利用两部分稀疏约束和全球稀疏约束。一方面,部分稀疏约束可以在协同通信系统提高估计性能。另一方面,全球稀疏约束,在低信噪比条件下可以减少噪声干扰的政权。确认两个提出方法的有效性,我们给不同的数值模拟结果gydF4y2Ba4gydF4y2Ba。gydF4y2Ba

部分gydF4y2Ba2gydF4y2Ba介绍了系统模型和问题公式化。节gydF4y2Ba3gydF4y2Ba提出了两种改进的信道估计方法。第一种方法是通过使用改进的信道估计方法部分稀疏约束,第二个是通过使用一种改进的信道估计方法两部分和全球稀疏约束。节gydF4y2Ba4gydF4y2Ba,我们给一些代表性的数值模拟的结果和相关的讨论。结论提出了部分gydF4y2Ba5gydF4y2Ba。gydF4y2Ba

符号gydF4y2Ba。在本文中,我们使用粗体小写字母gydF4y2Ba表示向量和黑体大写字母gydF4y2Ba表示矩阵。gydF4y2Ba代表了复杂的高斯随机变量。gydF4y2Ba代表预期的操作。gydF4y2Ba,gydF4y2Ba表示转置和共轭转置操作的gydF4y2Ba,分别。gydF4y2Ba非零元素的数量吗gydF4y2Ba,gydF4y2Ba欧几里得范数的吗gydF4y2Ba。gydF4y2Ba代表一个对角矩阵的对角元素是矢量gydF4y2Ba。gydF4y2Ba两个向量表示的卷积gydF4y2Ba和gydF4y2Ba。gydF4y2Ba

2。系统模型gydF4y2Ba

考虑一个多路径衰落AF CCS在源gydF4y2Ba发送数据到目的地gydF4y2Ba在中继的帮助gydF4y2Ba如图gydF4y2Ba1gydF4y2Ba。这三个终端是假定为各配备一个天线。gydF4y2Ba,gydF4y2Ba,gydF4y2Ba表示频率选择性衰落信道的脉冲响应向量之间的三个链接gydF4y2Ba,gydF4y2Ba,gydF4y2Ba,分别。三个通道向量是假定为零均值圆对称复高斯随机变量方差gydF4y2Ba相互独立的。目前,我们假设完美的三个终端之间的同步。注意,他们不同于我们之前的研究gydF4y2Ba17gydF4y2Ba),因为脉冲响应的合作渠道,gydF4y2Ba和gydF4y2Ba,被建模为高度密集的通道模型由于继电器可以减少传输范围和提高信道质量。换句话说,多路径到达一个非常短的延迟扩展。两个渠道被假定的长度gydF4y2Ba和gydF4y2Ba,分别。为简单起见,我们假定他们有相同的长度gydF4y2Ba的信道模型gydF4y2Ba可以写成gydF4y2Ba 在哪里gydF4y2Ba和gydF4y2Ba代表了复杂的路径获得gydF4y2Ba和符号间隔的时间延迟gydF4y2Ba分别th路径。训练序列向量gydF4y2Ba表示为gydF4y2Ba在哪里gydF4y2Ba是培训的数量长度和传输功率吗gydF4y2Ba,在那里gydF4y2Ba象征力量。根据房颤合作系统的属性,一个完整的传输可分为两个时段,如图gydF4y2Ba3gydF4y2Ba。gydF4y2Ba

在第一次槽,复杂的基带接收信号gydF4y2Ba和gydF4y2Ba是由gydF4y2Ba 在哪里gydF4y2Ba和gydF4y2Ba表示两个复杂的循环通道矩阵的第一列gydF4y2Ba和gydF4y2Ba分别为(gydF4y2Ba20.gydF4y2Ba];gydF4y2Ba和gydF4y2Ba是一个实现一个复杂的加性高斯白噪声与零均值向量和协方差矩阵gydF4y2Ba,gydF4y2Ba是gydF4y2Ba单位矩阵。然后火炬传递gydF4y2Ba放大接收到的信号gydF4y2Ba在第二次槽和重新传输信号。接收信号向量在目的地gydF4y2Ba是由gydF4y2Ba 在哪里gydF4y2Ba第一列是一个循环通道矩阵gydF4y2Ba;gydF4y2Ba是一个复合噪声与零均值和协方差矩阵gydF4y2Ba,在那里gydF4y2Ba是一个实现复杂的加性高斯白噪声(AWGN)与零均值向量和协方差矩阵gydF4y2Ba。考虑长期平均放大系数gydF4y2Ba是由gydF4y2Ba 在哪里gydF4y2Ba的传输功率继电器。使用(gydF4y2Ba2gydF4y2Ba),有效的输入-输出关系可以概括为AF协同通信系统gydF4y2Ba 根据矩阵理论(gydF4y2Ba21gydF4y2Ba),所有循环矩阵可以共享相同的特征向量(gydF4y2Ba20.gydF4y2Ba]。也就是说,同样的酉矩阵可以适用于所有循环矩阵。因此,矩阵gydF4y2Ba和gydF4y2Ba在(gydF4y2Ba5gydF4y2Ba)再混合的gydF4y2Ba和gydF4y2Ba分别在哪里gydF4y2Ba代表一个对角矩阵gydF4y2Ba是统一的离散傅里叶变换(DFT)矩阵的条目吗gydF4y2Ba,gydF4y2Ba。与此同时,gydF4y2Ba是循环矩阵的分解,由一个级联信道脉冲响应gydF4y2Ba。在这里,两个gydF4y2Ba和gydF4y2Ba是对角矩阵给出了吗gydF4y2Ba 分别在哪里gydF4y2Ba和gydF4y2Ba是由gydF4y2Ba 分别在哪里gydF4y2Ba表示从源代码直接联系gydF4y2Ba到目的地gydF4y2Ba在第一次槽gydF4y2Ba代表从源代码级联通道gydF4y2Ba到目的地gydF4y2Ba通过继电器的帮助gydF4y2Ba在第二次槽。基于上述分析,(gydF4y2Ba5gydF4y2Ba)可以写成gydF4y2Ba 在哪里gydF4y2Ba表示gydF4y2Ba长度接收信号向量;gydF4y2Ba表示相当于培训矩阵,它可以写成gydF4y2Ba 与gydF4y2Ba维度;gydF4y2Ba代表gydF4y2Ba向量长度合作渠道;gydF4y2Ba表示gydF4y2Ba长度复杂情况下向量;gydF4y2Ba和gydF4y2Ba部分DFT矩阵第一gydF4y2Ba和gydF4y2Ba列gydF4y2Ba,分别。和gydF4y2Ba是一个实现复杂的高斯随机向量与零均值和协方差矩阵gydF4y2Ba。gydF4y2Ba

3所示。稀疏信道估计gydF4y2Ba

在本节中,我们讨论了稀疏信道估计AF CCS。首先,简要综述CS理论和限制等容财产(RIP)的训练信号矩阵。然后,稀疏信道估计方法(gydF4y2Ba17gydF4y2Ba]介绍了。最后,我们建议改进稀疏信道估计采用局部稀疏约束,以充分利用AF CCS的先验信息。gydF4y2Ba

3.1。CS的审查gydF4y2Ba

在一个典型的复杂稀疏的识别系统,可以使用已知的矩阵gydF4y2Ba估计一个gydF4y2Ba长度未知向量稀疏信号gydF4y2Ba基于观测线性系统模型:gydF4y2Ba 在哪里gydF4y2Ba是一个复杂的观测信号矢量,gydF4y2Ba是一个噪声向量,gydF4y2Ba是gydF4y2Ba稀疏向量这意味着主要条目的数量不超过gydF4y2Ba,也就是说,gydF4y2Ba。占主导地位的条目的位置是随机分布的。此外,gydF4y2Ba根据CS的假设。最优稀疏的解决方案gydF4y2Ba可以获得独特的解决最小化问题:gydF4y2Ba 在哪里gydF4y2Ba正则化参数,交易的均方误差(MSE)和稀疏。然而,解决gydF4y2Ba规范是NP困难,不能用于实际应用(gydF4y2Ba22gydF4y2Ba]。gydF4y2Ba

幸运的是,选择次优的稀疏恢复方法研究了如果已知测量矩阵gydF4y2Ba满足RIP (gydF4y2Ba23gydF4y2Ba]。让gydF4y2Ba,gydF4y2Ba是gydF4y2Ba子矩阵提取这些列gydF4y2Ba元素的索引gydF4y2Ba。然后gydF4y2Ba限制等容常数(RIC)gydF4y2Ba被定义为最小的参数gydF4y2Ba这样gydF4y2Ba 对所有gydF4y2Ba与gydF4y2Ba和所有的向量gydF4y2Ba。假设gydF4y2Ba是一个gydF4y2Ba随机测量矩阵满足RIP的秩序gydF4y2Ba与里克gydF4y2Ba,也就是说,gydF4y2Ba。考虑任意稀疏向量gydF4y2Ba在观测模型gydF4y2Ba,在那里gydF4y2Ba,通过求解gydF4y2Ba最小化问题,次优的稀疏解gydF4y2Ba获得的是gydF4y2Ba 在哪里gydF4y2Ba和gydF4y2Ba是一个参数决定的噪音水平和里克gydF4y2Ba。因此,估计量gydF4y2Ba满足稀疏恢复性能gydF4y2Ba 在哪里gydF4y2Ba是一个参数由噪声水平和里克还决定的gydF4y2Ba。让我们回忆AF合作系统的信道估计问题(gydF4y2Ba8gydF4y2Ba);如果相当于培训矩阵gydF4y2Ba满足撕开,然后可以实现准确的稀疏信道估计。在未来,我们将改进稀疏信道估计方法,利用套索算法(gydF4y2Ba19gydF4y2Ba]。gydF4y2Ba

3.2。稀疏信道估计gydF4y2Ba

信道估计是稀疏信道上进行gydF4y2Ba通过发送训练符号。传统稀疏信道估计方法使用套索算法(SEL)已经提出了推导稀疏脉冲响应为房颤CCS (gydF4y2Ba17gydF4y2Ba]。根据系统模型(gydF4y2Ba8gydF4y2Ba),全球稀疏信道估计gydF4y2Ba可以通过gydF4y2Ba 在哪里gydF4y2Ba 是一个单位矩阵,gydF4y2Ba是一个正则化参数控制方误差之间的权衡gydF4y2Ba和稀疏约束gydF4y2Ba。然而,该方法只能解决全球稀疏的解决方案而忽视固有的局部稀疏结构。在未来,我们提出一个方法来充分利用AF CCS的先验信息。gydF4y2Ba

3.3。局部稀疏信道估计gydF4y2Ba

从信号处理的角度来看,额外部分稀疏先验信息可以进一步利用。在这种情况下,局部稀疏信道估计用套索(像素)gydF4y2Ba可能是通过gydF4y2Ba 在哪里gydF4y2Ba 是一个对角加权矩阵和gydF4y2Ba是一个正则化参数控制方误差之间的权衡gydF4y2Ba和当地部分稀疏约束gydF4y2Ba。gydF4y2Ba

基于局部稀疏约束合作通道脉冲响应,提出一种改进的图像的基本单位(IEL)估计量。一方面,当地稀疏约束可以提高估计性能。另一方面,全球稀疏约束可以在低信噪比降低噪声干扰的政权。IEL的估计量gydF4y2Ba可以获得的gydF4y2Ba 在正则化参数gydF4y2Ba和gydF4y2Ba是由(gydF4y2Ba15gydF4y2Ba)和(gydF4y2Ba18gydF4y2Ba),分别。在下面,我们将代表仿真结果证实改进稀疏信道估计方法的有效性。gydF4y2Ba

4所示。数值模拟gydF4y2Ba

在本节中,我们将比较的性能提出的估计,即图像的基本单位和IEL,选取估计量和LS估计。要达到1000年平均估计性能,采用蒙特卡罗独立运行。训练序列的长度gydF4y2Ba。直接联系的长度gydF4y2Ba是gydF4y2Ba的主要通道gydF4y2Ba。这两个合作联系gydF4y2Ba和gydF4y2Ba有固定长度的gydF4y2Ba的主要通道gydF4y2Ba。所有的非零频道水龙头是瑞利分布,将生成的gydF4y2Ba。传输能量和房颤中继功率是固定的gydF4y2Ba,在那里gydF4y2Ba象征力量。接收信噪比的定义是gydF4y2Ba。gydF4y2Ba

信道估计gydF4y2Ba由归一化均方误差评估(NMSE)所定义的gydF4y2Ba 在哪里gydF4y2Ba和gydF4y2Ba分别表示合作通道矢量及其估计。首先,我们比较他们的估计性能与不同数量的主要通道gydF4y2Ba和gydF4y2Ba。如图gydF4y2Ba4gydF4y2Ba,当gydF4y2Ba和gydF4y2Ba,直接联系gydF4y2Ba稀疏信道脉冲响应,级联链接吗gydF4y2Ba之间的线性卷积后可能不是稀疏的gydF4y2Ba和gydF4y2Ba。它可以看到从图gydF4y2Ba4gydF4y2Ba提出这两个信道估计比选取估计量和LS-based线性信道估计值。一文不值,IEL估计有更好的性能比图像的基本单位,自IEL不仅利用局部稀疏先验信息但还利用全球稀疏约束减轻噪声干扰。相同的性能优势也可以出现在其他场景与不同数量的主要通道如图gydF4y2Ba5gydF4y2Ba和gydF4y2Ba6gydF4y2Ba。当gydF4y2Ba和gydF4y2Ba,我们也可以发现IEL估计有更好的性能比在低信噪比条件下图像的基本单位(不到gydF4y2BadB)。另一方面,如果直接的联系gydF4y2Ba例如,非常稀少gydF4y2Ba,而合作联系gydF4y2Ba和gydF4y2Ba例如,高度密集gydF4y2Ba,两人提出的信道估计有更显著的性能优于传统方法。此外,IEL估计比贝利在信噪比高于估计量gydF4y2BadB。根据这些结果,我们可以得出这样的结论:如果直接合作链接是高度稀疏信道,然后IEL可以实现更好的估计性能明显比图像的基本单位;如果直接联系高度稀疏信道而合作链接是高度密集的通道,两个建议方法的估计性能非常接近。值得一提的是,估计IEL的性能比贝利因为IEL利用全球稀疏约束减轻噪声干扰和局部稀疏约束利用信道稀疏。然而,IEL的计算复杂度是高于图像的基本单位。也就是说,IEL使用较高的计算复杂度比图像的基本单位获得性能优势。因此,将决定使用IEL或图像的基本单位实际通信系统的要求。此外,当主要通道阀门的数量很小,例如,gydF4y2Ba和gydF4y2Ba,选取估计量的估计性能接近。然而,如果直接联系是稀疏的,例如,gydF4y2Ba例如,高度密集的合作联系gydF4y2Ba,那么这两个接近CRLB提出的信道估计。根据前面的分析,我们可以发现,该方法是广义LS-based线性估计方法和选取,因为它们是基于密集或稀疏信道假设。因此,我们提出的方法可以在不同的信道环境中也能工作很出色。gydF4y2Ba

5。结论gydF4y2Ba

准确的CSI是必不可少的AF CCS的相干检测。传统的信道估计方法是基于假设的密集的通道模型或在房颤CCS稀疏信道模型。在这篇文章中,两种类型的通道模型广义部分稀疏信道模型。通过压缩传感和局部稀疏约束,我们提出了改进稀疏信道估计方法充分利用信道先验信息。数值模拟证实了该方法的性能优势在全球传统稀疏线性LS信道估计方法和传统方法。该方法也可以扩展到其他合作通信系统如MIMO AF CCS。gydF4y2Ba

承认gydF4y2Ba

作者想感谢梁教授管勇有用的讨论和欣赏匿名评论者的建设性意见。gydF4y2Ba