基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
由于多载波系统无线信道固有的稀疏特性,压缩感知技术(compressed sensing,CS)已被应用于正交频分复用(orthogonal frequency division multiplexing,OFDM)系统的信道估计中以提高频谱利用率.然而,传统的时域普通采样方法会导致信道恢复字典不够精细,无法精确反映传输信道路径特性.针对这一问题,提出采用多径稀疏分数时延信道模型来模拟OFDM系统的无线多径信道,利用在接收端进行时域过采样方法细化信道恢复字典以提高信道估计精度.同时,针对过采样引起的压缩感知测量矩阵的扩大而导致重构算法的复杂度增加的问题提出采用广义正交匹配追踪算法(generalized orthogonal matching pursuit,GOMP)以降低计算复杂度.仿真结果表明接收端时域过采样方法能准确检测到信道的分数时延且采用的GOMP算法能将传统的OMP算法的复杂度降低近80%,验证了所采用的信道估计方法的可靠性和有效性.
推荐文章
Massive MIMO中一种低复杂度信道估计方法
大规模MIMO
最小均方误差信道估计
稳定双共轭梯度算法
DFT-SOFDM导频辅助信道估计低复杂度算法及仿真
离散傅里叶变换扩展正交频分复用
上行链路
信道估计
导频辅助
一种低复杂度的MIMO-OFDM信道估计阈值算法
MIMO-OFDM
信道估计
维纳滤波器
阈值
一种新颖的低复杂度稀疏信道估计算法实现
信道估计
压缩感知
计算复杂度
原子
重建
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于分数时延信道模型的低复杂度信道估计方法
来源期刊 重庆邮电大学学报(自然科学版) 学科 工学
关键词 压缩感知 匹配追踪 分数时延 过采样
年,卷(期) 2017,(5) 所属期刊栏目 5G通信技术与物联网
研究方向 页码范围 611-617
页数 7页 分类号 TN911.7
字数 4929字 语种 中文
DOI 10.3979/j.issn.1673-825X.2017.05.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 马子骥 湖南大学电气与信息工程学院 43 143 7.0 8.0
2 李元良 湖南大学电气与信息工程学院 10 51 4.0 7.0
3 周冰航 湖南大学电气与信息工程学院 4 34 3.0 4.0
4 彭强 湖南大学电气与信息工程学院 3 19 3.0 3.0
5 唐涛 湖南大学电气与信息工程学院 4 27 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (3)
参考文献  (9)
节点文献
引证文献  (5)
同被引文献  (9)
二级引证文献  (0)
1971(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
压缩感知
匹配追踪
分数时延
过采样
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆邮电大学学报(自然科学版)
双月刊
1673-825X
50-1181/N
大16开
重庆南岸区
78-77
1988
chi
出版文献量(篇)
3229
总下载数(次)
12
总被引数(次)
19476
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导