1.一种基于同伦法的稀疏OFDM信道估计方法,其特征是按如下步骤:
步骤一,对信号稀疏变换;
步骤二,设计观测矩阵;
步骤三,采用同伦法重构原信号,完成信道估计。
2.如权利要求1所述的稀疏OFDM信道估计方法,其特征在于:步骤一具体如下:
步骤1.1,将N×1维的实信号列向量x表示为:其中,x中的元素属于实数,N为自然数;Ψ=[Ψ1,Ψ2,...,ΨN]是N×N维的正交基;Ψi为N×1维的向量,且元素为实数;是N×1维的稀疏向量,且有以下关系:α=ΨTx。
3.如权利要求2所述的稀疏OFDM信道估计方法,其特征在于:步骤二具体如下:
步骤2.1,观测数据y写成:
y=Φx=ΦΨα=Θα (1)
其中,Φ是M×N(M需远小于N)维测量矩阵或观测矩阵;x=Ψα为原始信号;Ψ是稀疏基;Θ是压缩感知矩阵;α是稀疏系数;观测矩阵Φ需符合约束等距特性条件,即K-稀疏矢量v和Φ满足δk是约束等距实常数,且0<δk<1。
4.如权利要求3所述的稀疏OFDM信道估计方法,其特征在于:步骤三具体如下:
步骤3.1,信号x缓慢变成x′,则y′=Φx′+n′,其中,n′是M×1维的随机高斯噪声矩阵;通过求解得x′,其中,符号||||是范数符号,即若x=[x1,x2,…,xn]T,有||x||p=(|x1|p+|x2|p。+…+|xn|p)1/p,p属于正整数;同伦法其特征在于引入同伦因子τ,以估计原信号,有:
其中,ε是正则因子;
定义集合Γ,对任意τ,满足以下条件:
其中,是最优解;ΦΓ由集合Γ索引观测矩阵Φ列向量组成的M×|Γ|维矩阵;|Γ|是集合Γ中元素的个数;z是集合Γ上的符号组成的|Γ|维向量;正则因子ε逐渐由0增加到1,从集合Γ和符号向量z可直接计算出当循环执行步骤3.1至步骤3.7k次时,ε=εk,迭代估计值为xk;有Δε是正数,Δε→0+;在点处,满足
将式(5)减去式(3),有:
其中,符号表示微分;随着ε向εk逐渐增加,得解的移动方向:
步骤3.2,为紧接着临界的同伦因子引入迭代步进θ,则有:其中,xk(j)是信号x第k次迭代时的第j列元素,是的第j列元素,j∈Γ,j是属于步骤3.1集合Γ中的元素;符号min表示取最小值;为寻找步骤3.2中Δε的最小值,引入两个N×1维向量pk和dk,使pk(j)+Δε·dk(j)=±τ,有:
pk=ΦT(Φxk-yk+εk(yk-yk′)) (8)
则
步骤3.3,求得步进θ为θ=min(θ+,θ-);
步骤3.4,当求得路径的方向和步进θ后,同伦因子的更新方程和解的更新方程分别为:
εk+1=εk+θ (10)
步骤3.5,若ε>1直接输出xk+1,并跳转到步骤3.7;否则跳转到步骤3.6;
步骤3.6,γ-是步骤3.2中θ-的解的索引;γ+是步骤3.2中pk的解的索引;若θ-<θ+,则将γ-从步骤3.1集合Γ及其符号z中移除,其中,θ+是步骤3.2中所提的变量;反之,既需将γ+添加到步骤3.1集合Γ,还需将符号添加到步骤3.1符号集z中;
步骤3.7,k=k+1;如满足停止准则,则输出xk+1,作为所述稀疏OFDM信道估计方法的最终计算结果;否则,跳转到步骤3.1,依次重复步骤3.1-3.6,直至计算出最终所需的结果。