协同无线系统的稀疏信道估计

协同通信技术是第五代移动通信的重要技术之一，其关键在于获取信道的状态信息，即需要对此系统中经由中继节点而级联形成的信道进行估计。以压缩感知理论作为工具，首先分析了协同无线系统信道的稀疏性，再结合最小二乘法、正交匹配追踪算法和压缩采样匹配追踪算法，对放大前传模式的协同OFDM通信系统稀疏级联信道进行估计，通过仿真对比上述三种算法的性能，得出压缩采样匹配追踪算法在协同无线系统中信道估计性能最优。

随着用户对无线通信服务的要求越来越高， 未来的技术需要提供更高质量、高速率、高容量的服务， 以及更高的频谱利用率。但是，无线传输环境的时变性和不确定性，频谱资源的稀缺、不可再生性，无线信道的衰落特性等，使无线技术的发展颇具挑战。

为了提高接收信号的信噪比， 对抗多径衰落， 多输入多输出(MIMO, Multiple Input and Multiple Output)技术应运而生，成为第四代移动通信系统(4G, Fourth Generation Mobile System)的核心技术。

MIMO 技术通过收发端的多天线配置， 实现空间分集复用， 在不增加系统带宽的情况下提高系统容量， 将传输过程中的多径衰落效应，这一不利因素，转化为额外的系统分集，进一步提高系统的资源利用率， 进而提高传输的可靠性[1]。然而，在小型移动终端安置多天线，既增加了成本，又增加了实现难度。

为克服MIMO 技术的缺点，Sendonaris 和Laneman 等学者提出了协同分集技术[2] [3] [4]。协同通信系统将中继思想引入通信系统，使处于不同空间位置的终端天线互相协同作用，构成一个分布式的“虚拟”多天线阵列。经研究表明，协同无线通信技术可以获得分集增益，显著提高系统的数据传输容量， 有效地增强信息传输对抗信道畸变的鲁棒性[5]，避免频率选择性衰落导致的无线电信号急剧衰落甚至通信的中断。因此，协同无线通信技术成为目前最有前景的研究热点之一。但是，该技术仍面临着许多问题，如：各个终端节点之间是否选择协同传输方式，终端节点如何选择协同伙伴，协同通信系统的资源分配问题，以及目的节点如何完成对接收信号的处理等。为解决以上问题，我们首先要了解的就是各节点之间的链路信道状态信息(CSI, Channel State Information)。

在无线通信系统中，如果接收机能够精确地估计出信道的瞬时CSI，就可以利用信道均衡和空间分集能力补偿时延扩展或多普勒扩展引起的信号衰落，在不获取信道全部信息的情况下，利用部分信道状态信息，也能较好地提高系统增益和可靠性。

目前， 协同中继信道的估计方法大多基于密集多径信道的假设[6] [7]， 即多径信道的每个抽头位置系数均不为零。在这种情况下，训练序列的长度基本都会大于信道空间，占用大量系统资源，既造成了系统频谱资源的浪费，造成了频谱利用率的低下，又降低了系统性能，不利于实现“绿色通信”。