信道估计的性能分析FBMC / OQAM系统使用贝叶斯方法5 g物联网应用程序

文摘

一个滤波器组多载波(FBMC)抵消正交调幅(OQAM) (FBMC / OQAM)被认为是在未来的通信系统的物理层技术之一,也是一种无线传输技术,支持物联网的应用程序(物联网)。然而,有效的信道参数估计是实现高可用性的困难FBMC系统。摘要贝叶斯压缩感知(BCS) FBMC / OQAM系统信道估计方法是研究和性能多输入多输出(MIMO)的情况也进行了分析。快速迭代的贝叶斯匹配追求高的信道估计算法。贝叶斯信道估计是第一个探索提出的稀疏信道模型的先验统计信息。指出BCS信道估计方案可以有效地估计信道脉冲响应。然后,修改FBMP算法通过优化迭代终止条件。仿真结果表明,该方法提供了更好的均方误差(MSE)和比特误码率(BER)性能比传统的压缩传感方法。

1。介绍

到目前为止,移动通信系统的应用领域的物联网(物联网)并不深入1,2]。尽管第四代(4 g)大大提高网络速度,仍有许多改进的空间在网络可靠性和延迟。第五代(5克)系统(3- - - - - -8]正在部署可以满足物联网的要求,如低延迟、高可靠性网络,和大带宽。5 g的全面开放时代正在加快物联网的应用和推广,人工智能(AI),和其他技术(9- - - - - -12]。然而,物联网的发展需要合适的基础设施(13,14包括传感器数据采集和无线通信技术。目前,多载波调制已广泛应用于无线通信系统。的滤波器组多载波(FBMC)抵消正交调幅(OQAM)表示,FBMC / OQAM,已经占据了重要的关注(15,16),由于其潜在的作为一个选项正交频分复用(OFDM)。虽然第三代合作伙伴计划(3 gpp)表明,过滤OFDM将在5 g系统,利用兴趣FBMC为未来移动通信系统并没有拒绝17,18]。

FBMC技术采用好的时频原型滤波器,它有许多功能,如低光谱侧叶,频谱效率高,鲁棒性频率偏移(19]。然而,nonstrict正交系统导致的虚的存在干扰。这可以减轻干扰在信道估计(CE),但是这需要信道系数估计在复数域。减少干扰FBMC系统的挑战,尤其是在多输入多输出(MIMO)通信。已经有显著的努力解决这个问题,而且preamble-based [20.- - - - - -27)和压缩感知(CS)方法为基础提出了(28- - - - - -33]。

无数为CE preamble-based方案被提出来。干扰近似方法(IAM) (20.)和干扰消除方法(ICM) (21对于减缓干扰)是两个著名的算法。他们减少了虚构的干扰或利用这种干扰提高CE性能。结合这些方法,一本小说序言FBMC系统结构提出了在22]。因为更多的信道系数需要确定,CE在MIMO系统对于更复杂的比单变量系统的输出。此外,虚构的干扰来自多个天线使得CE MIMO-FBMC系统的困难。因此,有显著的CE对MIMO系统研究。在[23),我序言变体进行调查和特点由于扩展到MIMO系统进行了研究。频分多路复用的优化中提出了MIMO系统在24]。在[25),一个干扰消除MIMO序言结构提出了提高CE性能。此外,一个有效的序列设计MIMO-FBMC系统提出了在26]。然而,使用中减少了频谱效率,很难消除内在的干扰。(有共识27]preamble-based CE对MIMO系统效率低下。

许多作品一直致力于提高CE FBMC系统的性能。在[34),作者提出了一种盲CE法利用空间分集介绍数据冗余。然而,该方法不能提供令人满意的CE的性能。利用稀疏信道特点,CS方法探索促进CE性能。大多数作品(35- - - - - -37)据报道在CE OFDM系统。只有少数FBMC系统的研究可以发现。在[28),一个传统的正交匹配追踪(OMP)方法用于CE。获得的结果显示,与传统的序言结构方案相比,这种方法可以显著提高CE的性能。在[29日),一种稀疏的自适应CS算法提出了高CE。该算法是基于压缩采样匹配追踪(CoSaMP)和稀疏自适应匹配追踪(桑普)方法。此外,分散飞行员CE方法基于CS FBMC提出了在30.利用无线信道稀疏。在[31日),作者开发了两种独特的压缩感知算法来估计信道频率响应FBMC系统。仿真验证了两种算法的优越性。在[32),一个有效的基于cs CE方法给出了MIMO系统。CE的稀疏的自适应方案提出了MIMO系统在33]。但是,没有工作已经报道了贝叶斯压缩感知(BCS) CE FBMC系统。作为一种特殊的CS方法,BCS,利用稀疏信道的统计信息作为先验知识,可以达到更好的恢复效果比传统的CS方法在许多应用程序中(38,39]。

出于上面那些,在本文中,我们探讨CE的稀疏信道的统计信息。本文的主要贡献如下:(1)基于贝叶斯CS方法中,我们提出一个迭代的快速贝叶斯匹配方法追求高在FBMC及其MIMO信道估计场景。据我们所知,贝叶斯方法对高CE FBMC系统尚未研究(2)评估的性能提出的贝叶斯方法,众所周知的CS方法和最小二乘(LS)方法用于比较。此外,均方误差(MSE)和比特误码率(BER)采用CE性能进行评估。模拟验证贝叶斯方法可以提供更好的MSE和误码性能比其他知名CS方法

本文的其余部分组织如下。部分2介绍了系统模型,包括FBMC和MIMO-FBMC系统。部分3综述了基于cs信道估计方法。节4,一个快速的贝叶斯匹配信道估计方法提出了追求。节5进行仿真比较,结果进行了分析。最后,部分6给出了结论。

2。系统模型

2.1。FBMC系统

FBMC信号可以表示为 在哪里表示副载波的数量,代表了时频原型滤波器代表了实值OQAM象征。的 ,在这代表了副载波索引和代表象征时间指数,表示 频率时间(英尺)。

过滤功能是正交的在现实领域 在哪里代表一个复数的实部克罗内克符号函数吗 ,如果 和 。注意,即使没有信道失真,还有虚载波间干扰滤波器组的输出。的重量是由干扰 在哪里表示一个虚构的术语 。干扰权重的值可以计算出基于原型滤波器 ,因此, ,给出了干扰权重

一般来说, 。在模拟中, ,和 的设计 。

然后,接收到的信号是由 在哪里频道数量的水龙头,是加性高斯白噪声(AWGN),然后呢时域脉冲响应的多路径通道。通道可以被描述为 在哪里表示的复振幅路径,克罗内克符号,代表的延迟路径。假设它是一个复杂的高斯过程wide-sensing静止(WSS)和通道路径是独立的。假设信道脉冲响应的长度 ,和英吉利海峡 。

2.2。MIMO-FBMC系统

对于一个 空间复用MIMO系统,基带信号分支可以表示为 在哪里 和是实值FBMC / OQAM符号由副载波传输天线转达了象征期间 。 副载波的数量, 在哪里是一个对称的实值脉冲滤波器,是一副载波间距 ,和是另一个阶段。是OFDM符号持续时间,表示之间的时间偏移量的实部和虚部FBMC / OQAM象征。

接收到的信号可以表示为 与 在哪里 表示信道脉冲响应;和分别表示接收和发射天线;是信道噪声;和复杂的信道响应在时间吗 。我们假设一个慢变信道,因此我们忽略为简便起见给 。

3所示。基于cs信道估计

古典CS理论表明,一个 - - - - - -备用信号可以稳定重建 的先决条件应该满足限制等容属性(RIP),是一个矩阵行和列, ,和是噪音。

方程(5)可以表示为矩阵形式 与 , , 代表一个 维度与零均值噪声矩阵方差, 信道频率响应,作为一个 - - - - - -连续离散傅里叶变换矩阵,表示通道长度。

让是信号和飞行员的数量的 飞行员的矩阵 。为副载波,用于选择飞行员的位置,然后呢 代表的位置飞行员。然后,方程(12)可以写成: 在哪里表示LS信道估计的价值, ,和 。 代表一个对角矩阵, ,对角元素是试验值, 。

转换(13) 在哪里 , 和在传输过程中都是可用的,代表了多路径信道脉冲响应。然后,CS恢复算法可以用来恢复 。

同样,在MIMO系统中,CS方法也是基于上述分析。接收到的信号(7)可以写成 在哪里的信道频率响应吗 , , , 是 离散傅里叶变换矩阵,是一个 噪声矩阵的零均值和方差 。

让是飞行员的数量信号,方程(15)可以写成 在哪里 是收到飞行员的信号,LS信道估计的值, , 是一个对角矩阵 ,和试验值 。方程(16)可以表示为 在哪里 和是信道脉冲响应。如果和是可用的,然后可以使用CS的重建算法。

考虑所有的接收天线,方程(17)可以写成 在哪里 , , ,

4所示。提出了贝叶斯匹配追踪方法

它被认为是是一个高斯混合过程,参数向量介绍了稀疏的 ,和非零元素的位置是一样的 。 被定义为元素的向量 ,和 是用来表达是否是一个非零元素,因为是一个高斯过程均值为0,方差的 : 在哪里 , , , , ,和 和 。

向量形式的方程(20.)可以表示如下: 与 。

使用贝叶斯法则, 如果是给定的,就可以完全确定呢 。 在哪里 。

根据上面的描述模型,支持设置的选择可以简化支持组的选择吗 。使用贝叶斯法则,后验概率可以写成 在哪里 。 可以得到解决 ;考虑到有一个相对较大的值,但仍难以解决 。如果一个人能找到一个更小的组近似 ,计算的数量可能会减少。为了选择 ,我们第一次的对数 , 在哪里 和选择标准吗 。然后,估计的有效方法通过利用 ,我们调用这个方法快速贝叶斯匹配追踪(FBMP) [32]。

更具体地说,假设意味着向量是一样的向量除了元素, 。然后,计算获得的 ,与 。根据(23), 。注意到初始化状态 ;当 , 。为了得到的增益 ,我们首先计算 在哪里是一个 矩阵;它除了零元素 ,和 。 代表了列的矩阵 。然后,根据矩阵转置的原则

定义 和 。然后,方程(27)可以写成

最后通过计算,我们可以得到 在哪里的获得改变后的位置。

根据上述方法,主要的支持可以找到。算法的步骤如下所示:

初始化: , , ,和 。使用(23)获得 ,和使用(26)来初始化 ,和 。

首先,从 ,使用(29日)来计算 ,找到最大的位置元素 ,并记录 ;将其添加到集合 ,然后更新 。

然后,更新和 ,使用(29日)来计算 ,找到最大的位置元素 ,并记录 。

直到元素选择的数量到达 ,集稍微大于预期的非零元素的位置, 。因此,实际的稀疏的概率大于估计稀疏是较低的, ; 可以计算为 。

在该算法中,通过给予的价值 ,使用上面的公式来计算 ,直到元素的数量到达 。通过优化的循环,将停止迭代,直到满足要求。

在估计参数向量 ,给出了估计信道 在哪里 。图1显示了该算法的流程图。

5。仿真结果

在本节中,我们考虑FBMC系统使用 副载波。一个正方形root-raised余弦滤波器采用脉冲滤波器。LS方法采用我序言结构。渠道的长度 ,非零元素的个数 , 也表示为稀疏,准备好了吗 。这显然是 。迭代的数量是5。MSE用于评估CE和误码率性能。传统的LS, OMP,正规化OMP (ROMP)方法用于与该方法相比,在经济复苏和玩耍是两个著名的CS算法。

数据2和3给MSE和误码率SISO-FBMC系统有五个方法。这些结果表明,该方案优于其他四个方案的MSE和误码率。基于cs方法提供重要的MSE性能改进传统的LS方法。由于迭代条件的变化,该方法明显优于传统FBMP的方法。

图2描述了五个信道估计的MSE性能曲线的方法。结果表明,我们的算法表现出更好的MSE性能比其他四种方法。传统FBMP方法优于LS方法但比传统的CS方法。公元MSE性能可以显著提高了该方法。

在图3,五个信道估计方法的误码率性能曲线。很明显,该方法给出了最好的误码率值五个方法之一。更具体地说,我们建议的方法提高了OMP的误码性能,玩耍,和FBMP的0.5,0.8,和1.2 dB,分别 被认为是。

我们还研究了CE MIMO-FBMC系统的性能。数据4和5给MSE和BER的五个方法 MIMO-FBMC系统。与输出系统相比,分布式天线系统中的所有方法的性能却降低了。这些结果也表明,该方法优于其他四个方案而言,在一种情况下MSE和误码率。

图4给出了MSE性能曲线五在一种情况下信道估计方法。相比之下,表现在图2均方误差值,OMP方法提供了略好于FBMP方法图4。错误的基于cs方法是由于固有MIMO-FBMC系统的干扰。

图5表明CS方法优于传统的LS方案的误码率,并且该方法提供了最好的性能。更具体地说,该方法提高了OMP的误码性能,玩耍,和FBMP的1.1,2.6,和3.6 dB,分别 被认为是。误码性能改进方法的MIMO系统比,在输出系统。

6。结论

在本文中,我们研究了FBMP信道估计算法。修改FBMP算法提出了优化迭代终止条件FBMC稀疏信道估计。该算法与LS, OMP,玩耍,FBMP的方法。仿真结果表明,我们建议的方法实现MSE和误码性能优于LS和其他著名的基于cs方法。然而,该方法的缺点是计算复杂性增加。在未来,低稀疏贝叶斯CE FBMC系统将研究方法。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者在合理的请求和资助者的许可。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作得到了国家自然科学基金(批准号。61901409,61861015,61861015,61661030),开放重点实验室基础Opto-technology和智能控制(兰州交通大学),教育部(批准号KFKT2019-2)、山东省自然科学基金(没有。ZR2017BF023),山东省博士后创新项目(排名201703032),博士发现QUST(批准号010029029),海南省的关键研究和发展项目(311号ZDYF2019011),年轻的精英科学家赞助项目投(2018号qnrc001)和澳门基金会(没有。MF1909)。

引用

1. t·h·l·徐j . Wang Wang Aaron格列佛和k·n·勒,”BP神经网络ABEP移动物联网通信系统性能预测,“神经计算和应用,2019年。视图:出版商的网站|谷歌学术搜索
2. l . Chettri和r·贝拉“物联网综合调查(物联网)对5 g无线系统,”IEEE物联网,7卷,不。1,至少需要补充16至32,2020页。视图:出版商的网站|谷歌学术搜索
3. f·温、j·史和z,“关节2 d-dod 2 d-doa和极化角估计双基地雷达通过PARAFAC EMVS-MIMO分析,“IEEE车辆技术,卷69,不。2、1626 - 1638年,2020页。视图:出版商的网站|谷歌学术搜索
4. j·f·温,j . Wang史,g . Gui“辅助车辆定位与未知的相互耦合,基于健壮DOA估计”IEEE物联网,2020年。视图:出版商的网站|谷歌学术搜索
5. l .律c . Chen Zhu, x关,“5 g启用合作设计工业物联网系统的节能传输和估计,“IEEE工业信息,14卷,不。6,2690 - 2704年,2018页。视图:出版商的网站|谷歌学术搜索
6. 和l . j . x Li Li Li”性能分析的不良SWIPT诺玛在不完美的威布尔通道传送网络,”IEEE系统杂志,14卷,不。1,第672 - 669页,2020。视图:出版商的网站|谷歌学术搜索
7. 李x m .刘邓,p . t . Mathiopoulos z叮,和y . Liu”全双工合作诺玛传送系统I / Q不平衡和不完美的原文如此,”IEEE无线通信信,9卷,不。1,17 - 20,2020页。视图:出版商的网站|谷歌学术搜索
8. j . x Li Li y, z, a . Nallanathan,“残余合作诺网络收发器硬件损伤。”IEEE无线通信,19卷,不。1,第695 - 680页,2020。视图:出版商的网站|谷歌学术搜索
9. y l .徐j . Wang, w•史和t·a·格列佛“停机IDF传送移动合作网络的性能,”移动网络和应用程序,23卷,不。6,1496 - 1501年,2018页。视图:出版商的网站|谷歌学术搜索
10. x Wang l . Wan黄m . c .沈和k·张,“极化信道估计在巨大的MIMO系统,循环和非圆信号”IEEE选定的主题在信号处理杂志》上,13卷,不。5,1001 - 1016年,2019页。视图:出版商的网站|谷歌学术搜索
11. l . h . Wang Wan, m .董k . Ota和x王,”助理车辆定位基于三个协作基站通过SBL-based健壮的DOA估计,“IEEE物联网》第六卷,没有。3、5766 - 5777年,2019页。视图:出版商的网站|谷歌学术搜索
12. x Wang l . Wan黄m . c .沈韩z和t .朱,“低信道估计的圆形和非圆形信号虚拟MIMO车辆通信系统,”IEEE车辆技术,卷69,不。4、3916 - 3928年,2020页。视图:出版商的网站|谷歌学术搜索
13. k .郑z杨,k, p . Chatzimisios k .杨和w·香,“大数据驱动优化移动网络向5克,”IEEE网络,30卷,不。1,44-51,2016页。视图:出版商的网站|谷歌学术搜索
14. x张朱问:,“以信息为中心虚拟化软件定义统计QoS供应/ 5 g多媒体大数据的无线网络,”IEEE在选定地区通讯》杂志上,37卷,不。8,1721 - 1738年,2019页。视图:出版商的网站|谷歌学术搜索
15. r . Nissel和m·鲁普OFDM和FBMC-OQAM doubly-selective通道:计算误差概率,”IEEE通信信,21卷,不。6,1297 - 1300年,2017页。视图:出版商的网站|谷歌学术搜索
16. l . Zhang·肖征服者,a . Quddus和r . Tafazolli”FBMC系统:一个洞察双色散信道的影响,“IEEE车辆技术,卷66,不。5,3942 - 3956年,2016页。视图:出版商的网站|谷歌学术搜索
17. r . Nissel, s·施瓦兹和m·鲁普”滤波器组多载波调制方案未来移动通信”IEEE在选定地区通讯》杂志上,35卷,不。8,1768 - 1782年,2017页。视图:出版商的网站|谷歌学术搜索
18. d . Chen y田,d, t .江”OQAM-OFDM在未来物联网无线通信:一项调查显示关键技术和挑战,”IEEE物联网,5卷,不。5,3788 - 3809年,2018页。视图:出版商的网站|谷歌学术搜索
19. d . Gregoratti和x城区“上行FBMC / OQAM-based多通道:变形分析在频率选择性强,”IEEE信号处理,卷64,不。16,4260 - 4272年,2016页。视图:出版商的网站|谷歌学术搜索
20. j·f·杜和s . Signeel”小说preamble-based信道估计OFDM / OQAM系统”通信学报2009年IEEE国际会议德国德累斯顿,页1 - 6,2009年6月。视图:出版商的网站|谷歌学术搜索
21. 大肠Kofidis d .采,“改善干扰近似FBMC / OQAM preamble-based信道估计的方法,”诉讼IEEE欧洲信号的过程。会议西班牙巴塞罗那,页1603 - 1607,,2011年9月。视图:谷歌学术搜索
22. w c h . Wang Du, l·w·徐”小说序言设计FBMC / OQAM系统的信道估计,“KSII交易网络和信息系统,10卷,不。8,3672 - 3688年,2016页。视图:出版商的网站|谷歌学术搜索
23. e . Kofidis”Preamble-based高频率选择性信道估计FBMC / OQAM系统,”IEEE信号处理,卷65,不。7,1855 - 1868年,2017页。视图:出版商的网站|谷歌学术搜索
24. d . w . Liu,罗k, t .江和瞿d,“FDM-structured序言优化MIMO-OQAM / FBMC系统的信道估计,“IEEE无线通信,17卷,不。12日,第8443 - 8433页,2018年。视图:出版商的网站|谷歌学术搜索
25. l . h . Wang徐、王x和s .塔”中设计与干扰取消MIMO-FBMC / OQAM系统的信道估计,“IEEE访问》第六卷,第44081 - 44072页,2018年。视图:出版商的网站|谷歌学术搜索
26. p . j . Zhang胡,z . Liu Wang·肖和y高,“实值正交序列迭代信道估计在MIMO-FBMC系统中,“IEEE访问7卷,第68751 - 68742页,2019年。视图:出版商的网站|谷歌学术搜索
27. z l .刘·肖和美国,“Low-PAPR序言FBMC系统设计,“IEEE车辆技术,卷68,不。8,7869 - 7876年,2019页。视图:出版商的网站|谷歌学术搜索
28. z . w . x m . Liu Cai, A . l .贾和j·l . Ou”一个新颖的基于压缩传感的OFDM信道估计方法/ OQAM系统,”《计算机信息系统,9卷,不。15日,第5963 - 5955页,2013年。视图:谷歌学术搜索
29. w·h . Wang du, l .徐”一个新的稀疏的基于压缩感知的自适应信道估计方法FBMC / OQAM传输网络,”传感器,16卷,不。7,966年,页2016。视图:出版商的网站|谷歌学术搜索
30. l, c . Xihong x毛泽东,z Kai, t .政法,“分散驾驶员辅助信道估计OQAM / OFDM系统中基于压缩传感,”国防科技大学学报,39卷,不。5,102 - 107年,2017页。视图:出版商的网站|谷歌学术搜索
31. z, l .周y, y, x,和c·刘,“压缩sensing-based FBMC-OQAM系统信道估计双选择性信道下,“IEEE访问7卷,第51158 - 51150页,2019年。视图:出版商的网站|谷歌学术搜索
32. l·m·林y . Li肖,j .王”的压缩感知信道估计MIMO FBMC / OQAM系统”无线个人通信,卷96,不。3、3345 - 3360年,2017页。视图:出版商的网站|谷歌学术搜索
33. “h . Wang稀疏信道估计MIMO-FBMC / OQAM无线通信在智能城市应用程序中,“IEEE访问》第六卷,第60672 - 60666页,2018年。视图:出版商的网站|谷歌学术搜索
34. j . h . Wang辽、l .徐和x王“盲的信道估计FBMC / OQAM系统基于子空间的方法,”信息,9卷,不。3,58页,2018年。视图:出版商的网站|谷歌学术搜索
35. 李y, j .孟w .阴,n . t .阮和z汉,“基于压缩传感的高分辨率对OFDM系统信道估计,“IEEE选定的主题在信号处理杂志》上》第六卷,没有。1、15 - 25,2012页。视图:出版商的网站|谷歌学术搜索
36. c . Qi和l .吴”,为大规模的MIMO系统上行信道估计探索联合信道稀疏,”电子信件,50卷,不。23日,第1772 - 1770页,2014年。视图:出版商的网站|谷歌学术搜索
37. r . Mohammadian a Amini, b . h . Khalaj”压sensing-based试点设计稀疏信道估计在OFDM系统中,“IEEE通信信,21卷,不。1,4 - 7,2017页。视图:出版商的网站|谷歌学术搜索
38. z Sadeghigol、m . h . Kahaei和f . Haddadi“广义β信号重建,贝叶斯压缩感知模型”数字信号处理,60卷,不。1,第171 - 163页,2017。视图:出版商的网站|谷歌学术搜索
39. 吴s . s . Liu, y,”贝叶斯压缩感知在IRUWB信道估计中的应用,”中国通信,14卷,不。5,30-37,2017页。视图:出版商的网站|谷歌学术搜索

版权

版权©2020年汉旺等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。