赵迎新, 王长峰, 吴 虹,*, 张 铭, 黄英杰, 王乐耕, 刘之洋

(1.南开大学电子信息与光学工程学院, 天津 300350;2.天津市光电传感器与传感网络技术重点实验室, 天津 300350)

0 引 言

随着大规模机器通信与物联网技术的发展,通信技术向着“全覆盖、全频谱、全应用”的方向发展,未来通信网络架构将向着蜂窝移动通信和卫星通信结合的方向发展,这就不可避免地增大无线通信频谱使用范围,使得信道的稀疏性变得尤其明显[1-2]。压缩感知技术可以对存在稀疏性的信号进行采样编码,并且利用信号重构算法恢复原始稀疏信号。有研究[3]表明,可以利用压缩感知技术对存在稀疏表现的信道进行估计,获取信道状态信息。利用压缩感知的传统信道估计算法,主要分为贪婪算法,凸优化类算法以及组合优化算法3类。以匹配追踪(matching pursuit, MP)算法、正交MP(orthogonal MP, OMP)算法为代表的贪婪类算法进行信道估计时,需要提前了解稀疏信道的稀疏度等先验信息,往往难以直接获取[4]。而以基追踪(basic pursuit, BP)算法、最小绝对值收敛和选择(least absolute shrinkage and selection operation, LASSO)算法为代表的凸优化类算法对信道中的非高斯噪声难以适应,对复杂噪声缺乏足够的鲁棒性[5-6]。针对这种情况,国内外学者提出了若干种LASSO改进算法,其中包括加权l1范数LASSO算法[7]等。选取加权l1范数LASSO算法作为本文提出算法的对照算法之一,加权l1范数LASSO算法在传统的LASSO算法基础上,通过循环迭代优化l1范数前的权重w,从而达到更高的迭代速度与精度。组合优化算法虽然对于信道状态信息的求解精度高,但是对于观测向量的需求量极大,并且求解迭代收敛速度缓慢。……