余　翔，郑寒冰，曾银强

(重庆邮电大学 通信与信息工程学院，重庆 400065)



基于压缩感知的自适应加权匹配追踪算法

余翔，郑寒冰，曾银强

(重庆邮电大学 通信与信息工程学院，重庆 400065)

压缩感知(compressed sensing, CS)技术通过减少发射导频数来提高频谱的利用率。将CS技术应用于导频辅助的稀疏度未知的正交频分复用(orthogonal frequency division multiplexing, OFDM)信道估计中，提出一种自适应加权匹配追踪(CS-based adaptive weighting & matching pursuit, AWMP)算法。该算法使用自适应加权、匹配追踪的方法估计信道时域脉冲响应，按照估计信噪比和匹配原则，利用多次迭代进行自适应加权和寻找最佳稀疏度，实现未知信道稀疏度与信噪比的情况下，准确估计信道信息。仿真验证表明，与传统的信道估计算法相比，采用基于AWMP的信道估计方法，能够利用较少的导频信息获得更低的误码率和均方误差。

压缩感知；信道估计；稀疏性；信噪比；自适应加权；匹配追踪

0　引　言

正交频分复用(orthogonal frequency division multiplexing，OFDM)系统[1]中，信道估计的准确性对系统性能有较大的影响，但传统信道估计未充分考虑无线信道的固有稀疏性，导致估计性能不够理想[2-3]。研究表明，实际的无线信道大都存在稀疏性，合理利用这种稀疏性，就能通过较少的导频获得更多、更准确的有用信息。将压缩感知(compressed sensing, CS)技术[4]应用于OFDM信道估计的研究受到广泛重视。文献[5-7]提出CS技术可充分利用信道的稀疏特性，使用有限导频信息就能有效地恢复稀疏信道的脉冲响应。由于实际系统中很难满足现有CS算法需要已知信道稀疏度的要求，因此，寻找新的稀疏度自适应重构算法，在减少导频数目的同时可在稀疏度未知的情况下准确恢复信号，实现稀疏信道的准确估计尤为重要。……