基于多模板字典的压缩感知超宽带信道估计方法及系统的制作方法
【专利摘要】本发明提供了一种基于多模板字典的压缩感知超宽带信道估计方法及系统，该基于多模板字典的压缩感知超宽带信道估计方法包括模板构造步骤、获取信道估计重构算法步骤、信道重构步骤、降采样步骤。本发明的有益效果是：本发明中接收机本地模板采用不同接收点的实测接收脉冲，这些脉冲包含了IR-UWB发射信号从发射机到接收机由于宽频谱因素造成的失真的信息，与现有的其他估计方法相比，提高了本地模板与接收信号的相关度，从而提高最终的估计性能。另外，本发明中提出的信道估计重构算法考虑了接收信号中所含有的噪声分量带来的影响，通过对传统算法的改进在迭代过程中减小了由于噪声影响而带来的误判，从而进一步提高了估计的精度。
【专利说明】基于多模板字典的压缩感知超宽带信道估计方法及系统
【技术领域】
[0001] 本发明涉及超宽带无线通信【技术领域】，尤其涉及基于多模板字典的压缩感知超宽 带信道估计方法及系统。
【背景技术】
[0002] 脉冲超宽带（IR-UWB)技术是短距离无线通信领域的一个新兴的发展方向，它凭 借低功耗、高安全性、抗干扰能力强等优点已经引起了广泛的关注和深入的研究。在超宽 带通信系统中，发射信号为时域持续时间极短的脉冲，所以它占有的频带极宽，这就对接收 机模拟前端的ADC的采样速率提出了很高的要求。如果按照传统的奈奎斯特采样定理，对 带宽范围为3. 1?10. 6GHz接收脉冲进行采样就需要lOGHz/s以上的速率才能在接收端 准确重构，这个问题也严重阻碍了脉冲超宽带技术的实用化进程。压缩感知（Compressed Sensing)理论是近年来应用数学领域的一个热点，该理论指出，在一个信号满足稀疏特性 的前提下，利用远小于奈奎斯特采样标准的测量数即可以很高的概率重构该信号。同时由 于超宽带信道的天然稀疏特性可以满足压缩感知的理论要求，那么CS就为打破IR-UWB数 字化接收机的设计瓶颈提供了良好的契机。
[0003] 在2007年，J. L. Paredes等人首先提出了利用压缩感知理论的思想来做超宽带 信道估计，采用发射脉冲不同的时移作为原子来得到接收机模板，接收机数字后端采用正 交匹配追踪（0ΜΡ)算法来得到估计结果。这种方法减小了接收机采样的负担，但是由于仅 用发射脉冲来与接收信号匹配，未考虑到IR-UWB脉冲在传播过程中失真的影响，所以估计 结果精度不高。由于超宽带信号的带宽极宽，在其传播过程中信道的频域传递函数在宽频 带内的频率特性不均匀会造成IR-UWB时域脉冲的畸变。Qiu R C等人分析了超宽带脉冲在 传播过程中失真的因素和结果，包括脉冲与障碍物作用的过程以及脉冲自身的衰落特性等 等，但最终未能与实际信道的估计结合在一起。
[0004] 在上述的研究内容中，超宽带信道估计方法都是单一利用发射脉冲来做本地模 板，或者单独分析了脉冲失真的过程，并没有在实际估计中加入失真因素的影响。同时在现 有的CS理论框架下的UWB信道估计方法中并没有对UWB接收机接收信号中噪声对估计结 果的影响进行研究的工作。
【发明内容】
[0005] 为了解决现有技术中的问题，本发明提供了一种基于多模板字典的压缩感知超宽 带信道估计方法。
[0006] 本发明提供了一种基于多模板字典的压缩感知超宽带信道估计方法，包括如下步 骤：
[0007] 模板构造步骤：从超宽带接收机中不同点的接收信号中截取多个子模板，然后把 它们合并到一起构造出包含脉冲失真信息的冗余字典；
[0008] 获取信道估计重构算法步骤：给出含噪声的UWB接收信号模型，并对该模型进行 推导最终求出压缩后的噪声向量的协方差矩阵，利用它的逆阵作为加权矩阵来定义一个 加权内积，然后通过将传统OMP算法中的内积变换为加权内积的形式得到了考虑噪声的 AN-OMP重构算法；
[0009] 信道重构步骤：将构造步骤中构造的冗余字典与获取信道估计重构算法步骤中的 ΑΝ-0ΜΡ重构算法结合起来，得到考虑失真和噪声影响的信道估计结果
【权利要求】
1. 一种基于多模板字典的压缩感知超宽带信道估计方法，其特征在于，包括如下步 骤： 模板构造步骤：从超宽带接收机中不同点的接收信号中截取多个子模板，然后把它们 合并到一起构造出包含脉冲失真信息的冗余字典； 获取信道估计重构算法步骤：给出含噪声的UWB接收信号模型，并对该模型进行推导 最终求出压缩后的噪声向量的协方差矩阵，利用它的逆阵作为加权矩阵来定义一个加权内 积，然后通过将传统OMP算法中的内积变换为加权内积的形式得到了考虑噪声的AN-OMP重 构算法； 信道重构步骤：将构造步骤中构造的冗余字典与获取信道估计重构算法步骤中的 ΑΝ-OMP重构算法结合起来，得到考虑波形失真和接收信号噪声影响的信道估计结果
降采样步骤：对所述信道估计结果
进行降采样得到标准信道估计结果
2. 根据权利要求1所述的压缩感知超宽带信道估计方法，其特征在于，在所述模板构 造步骤中，采用超宽带接收机在不同的接收点得到的接收信号来截取子模板，所截取的不 同模板为 Pid), Pi (2), Pi (3)......p1(L)p2(l), p2(2), p2(3)......p2 (L),......pK(l), pK(2), PK(3)......PK(L)，K为截取子模板的个数，L为子模板的长度；分别用这些子模板作为原子 来构造非循环的托普利兹矩阵，然后再合并为考虑失真的冗余字典，它的形式为：
3. 根据权利要求2所述的压缩感知超宽带信道估计方法，其特征在于，在所述获取信 道估计重构算法步骤中：给出含噪声的UWB接收信号模型g = Ψ θ +n，其中噪声向量n的 元素服从Ν(0, 〇2)的高斯分布，它经过测量矩阵Φ压缩测量后得到的噪声向量ζ = Φη， 求得ζ的协方差矩阵的逆阵为Λ，= (1/〇2) (ΦΦΤ)'利用它作为加权矩阵来定义一个 加权内积〈X，y> = χτ(1/σ2) (ΦΦΤΓ\，然后通过将传统ΟΜΡ算法中的内积变换为加权内 积的形式得到了 ΑΝ-OMP重构算法。
4. 根据权利要求3所述的压缩感知超宽带信道估计方法，其特征在于，由于冗余字典 是由多个接收脉冲作为子模板来组成，如果子模板的个数Κ，接收信号的长度为Ν，那么由 它得到的信道估计值
的长度即为ΚΧΝ，所以在所述降采样步骤中：长度为Ν的标准信道 估计就需要对冗余信道估值
降采样Κ倍来得到。
5. -种基于多模板字典的压缩感知超宽带信道估计系统，其特征在于，包括： 模板构造模块：用于从超宽带接收机中不同点的接收信号中截取多个子模板，然后把 它们合并到一起构造出包含脉冲失真信息的冗余字典； 获取信道估计重构算法模块：用于给出含噪声的UWB接收信号模型，并对该模型进行 推导最终求出压缩后的噪声向量的协方差矩阵，利用它的逆阵作为加权矩阵来定义一个 加权内积，然后通过将传统OMP算法中的内积变换为加权内积的形式得到了考虑噪声的 AN-OMP重构算法； 信道重构模块：用于将构造模块中构造的冗余字典与获取信道估计重构算法模块中的 ΑΝ-OMP重构算法结合起来，得到考虑波形失真和接收信号噪声影响的信道估计结果
降采样模块：对所述信道估计结果
进行降采样得到标准信道估计结果
6. 根据权利要求5所述的压缩感知超宽带信道估计系统，其特征在于，在所述模板构 造模块中，采用超宽带接收机在不同的接收点得到的接收信号来截取子模板，所截取的不 同模板为 Pid), Pi (2), Pi (3)......p1(L)p2(l), p2(2), p2(3)......p2 (L),......pK(l), pK(2), PK(3)......PK(L)，K为截取子模板的个数，L为子模板的长度；分别用这些子模板作为原子 来构造非循环的托普利兹矩阵，然后再合并为考虑失真的冗余字典，它的形式为：
7. 根据权利要求6所述的压缩感知超宽带信道估计系统，其特征在于，在所述获取信 道估计重构算法模块中：给出含噪声的UWB接收信号模型g = Ψ θ +n，其中噪声向量n的 元素服从Ν(0, 〇2)的高斯分布，它经过测量矩阵Φ压缩测量后得到的噪声向量ζ = Φη， 求得ζ的协方差矩阵的逆阵为Λ，= (1/〇2) (ΦΦΤ)'利用它作为加权矩阵来定义一个 加权内积〈X，y> = χτ(1/σ2) (ΦΦΤΓ\，然后通过将传统ΟΜΡ算法中的内积变换为加权内 积的形式得到了 ΑΝ-OMP重构算法。
8. 根据权利要求7所述的压缩感知超宽带信道估计系统，其特征在于，由于冗余字典 是由多个接收脉冲作为子模板来组成，如果子模板的个数Κ，接收信号的长度为Ν，那么由 它得到的信道估计值
的长度即为ΚΧΝ，所以在所述降采样模块中：长度为Ν的标准信道 估计就需要对冗余信道估值
降采样Κ倍来得到。
【文档编号】H04L25/02GK104158771SQ201410389931
【公开日】2014年11月19日 申请日期:2014年8月8日 优先权日:2014年8月8日
【发明者】吴绍华, 李杨, 刘松, 王野, 张钦宇 申请人:哈尔滨工业大学深圳研究生院