分布式多入多出正交頻分復(fù)用快衰落感知估計(jì)

周小平 李 莉 汪 敏 方 勇 張 靜

（1.上海師范大學(xué)信息與機(jī)電工程學(xué)院，上海200234；2.上海大學(xué)通信與信息工程學(xué)院 特種光纖與光接入網(wǎng)重點(diǎn)實(shí)驗(yàn)室，上海200072）

引 言

正交頻分復(fù)用（OFDM）技術(shù)在無(wú)線環(huán)境中具有多徑衰落和窄帶干擾的特性，而分布式多輸入多輸出（Distributed MIMO）技術(shù)具備對(duì)抗大尺度衰落的優(yōu)點(diǎn)和良好的覆蓋范圍，將兩者相結(jié)合組成分布式MIMO-OFDM系統(tǒng)［1-2］可以發(fā)揮各自的優(yōu)勢(shì)，提供更大的自由度，極大地提升了的系統(tǒng)能力，拓展了應(yīng)用領(lǐng)域.同時(shí)，由于具有更加復(fù)雜的天線構(gòu)型、處理算法，分布式MIMO-OFDM在系統(tǒng)優(yōu)化、波形設(shè)計(jì)、系統(tǒng)同步、信號(hào)處理等方面存在很多新的問(wèn)題和挑戰(zhàn)［3-4］.特別，在快衰落環(huán)境下，由于分布式 MIMO天線分布于小區(qū)中不同地理位置，與傳統(tǒng)MIMO-OFDM系統(tǒng)相比，不但存在天線間干擾，而且還受到更強(qiáng)的快衰落信道干擾的影響.

為了提高高速移動(dòng)分布式MIMO-OFDM系統(tǒng)的容量，各天線均需要信道狀態(tài)信息對(duì)信道進(jìn)行均衡和數(shù)據(jù)檢測(cè)，信道狀態(tài)信息的準(zhǔn)確與否，將直接影響系統(tǒng)的整體性能.因此，需要對(duì)信道狀態(tài)信息及時(shí)進(jìn)行估計(jì).但在快衰落環(huán)境中，對(duì)分布式 MIMOOFDM信道進(jìn)行估計(jì)存在很大困難.傳統(tǒng)導(dǎo)頻輔助的信道估計(jì)方法［5-7］，每根發(fā)送天線的導(dǎo)頻插入比例需要滿足奈奎斯特采樣頻率條件，即受信道衰落程度的影響.然而該條件是建立在無(wú)線信道傳播于豐富散射環(huán)境的基礎(chǔ)上，并沒(méi)有考慮快衰落分布式MIMO-OFDM信道具有可稀疏性.而采用壓縮感知理論（CS）［8-9］對(duì)快衰落信道進(jìn)行估計(jì)時(shí)，將不再受到奈奎斯特采樣定理的限制，只要信道在某個(gè)變換域，具有可稀疏性，各天線測(cè)量導(dǎo)頻數(shù)可大為減少.對(duì)于單輸入單輸出（SISO）系統(tǒng)，文獻(xiàn)［10-11］提出了基于壓縮感知OFDM信道估計(jì)方法.而對(duì)于傳統(tǒng)MIMO-OFDM系統(tǒng)，文獻(xiàn)［12-13］提出了基于壓縮感知的時(shí)頻雙選擇性衰落信道估計(jì)方法.與傳統(tǒng)MIMO-OFDM系統(tǒng)相比，分布式MIMO-OFDM系統(tǒng)由于天線分布于小區(qū)中不同理位置，位于不同站點(diǎn)的天線經(jīng)歷不同的相對(duì)路徑損耗、陰影衰落，存在更強(qiáng)的天線間干擾.同時(shí)，由于接收端高速移動(dòng)，分布于不同地理位置的發(fā)送天線經(jīng)過(guò)各自多徑時(shí)延到達(dá)各接收天線時(shí)，各信道間快衰落頻度、衰落寬度、衰落深度和衰落余量等差別很大.在高速移動(dòng)情況下，為了便于分析，采用傳統(tǒng)信道估計(jì)方法用于分布式MIMO-OFDM系統(tǒng)時(shí)，通常假設(shè)分布于不同位置的發(fā)送天線到達(dá)移動(dòng)端接收天線的信道之間陰影衰落相互獨(dú)立，導(dǎo)致接收端難以獲得準(zhǔn)確的信道狀態(tài)信息.實(shí)際測(cè)量表明：當(dāng)移動(dòng)終端在高速移動(dòng)情況下，由于各發(fā)送天線和各接收天線之間無(wú)法達(dá)到足夠遠(yuǎn)，各信道之間陰影衰落存在互相關(guān)性和干擾性，其與收發(fā)天線之間的距離、周圍的環(huán)境和接收信號(hào)的到達(dá)角度都有關(guān).

針對(duì)分布式 MIMO-OFDM系統(tǒng)，該文將充分利用分布式MIMO-OFDM系統(tǒng)快衰落信道間的感知數(shù)據(jù)在空間、時(shí)延和多普勒頻移上具有的互相關(guān)性和干擾性，求取信道的聯(lián)合稀疏模型.推導(dǎo)預(yù)相關(guān)隨機(jī)導(dǎo)頻測(cè)量矩陣，結(jié)合分布式壓縮感知算法，以能量有效的方式對(duì)快衰落信道間稀疏沖激響應(yīng)系數(shù)進(jìn)行聯(lián)合壓縮測(cè)量和重構(gòu)，得到各分布式MIMO接收端任意的稀疏信道系數(shù).該方法可以明顯提高信道估計(jì)性能，降低計(jì)算復(fù)雜度，減少測(cè)量導(dǎo)頻數(shù)目，提高系統(tǒng)容量.

1 系統(tǒng)模型

考慮NT根發(fā)送天線分布于不同地理位置，NR根接收天線集中于同一處地理位置的分布式MIMO-OFDM系統(tǒng)，其系統(tǒng)模型如圖1所示.圖中，虛線表示發(fā)射的信息符號(hào)經(jīng)過(guò)前端處理后，到分布

圖1 分布式MIMO-OFDM系統(tǒng)模型

式中：Ex為總的發(fā)射功率；K為每根發(fā)送天線發(fā)射OFDM符號(hào)的子載波總數(shù)；bt（k）是第t根發(fā)射天線的第k個(gè)數(shù)據(jù)信息符號(hào)；g（i）為發(fā)送天線的基帶波形；Ts是發(fā)送OFDM符號(hào)的周期.式發(fā)送天線的光纖或同軸線.假設(shè)i時(shí)刻第t根發(fā)射天線發(fā)送的OFDM符號(hào)用K×1維數(shù)據(jù)xt（i）表示，發(fā)送之前該數(shù)據(jù)經(jīng)過(guò)離散傅里葉逆變換（IDFT）的快速算法（IFFT）處理.在快衰落環(huán)境下，為了有效對(duì)抗多徑時(shí)延擴(kuò)展，還需要在OFDM符號(hào)間加入循環(huán)前綴（CP）作為保護(hù)間隔，循環(huán)前綴需要大于信道沖擊響應(yīng)的最大抽頭數(shù)，則第t根發(fā)送天線發(fā)送的數(shù)據(jù)可以表示為

2 分布式MIMO-OFDM系統(tǒng)快衰落信道估計(jì)

2.1 高速移動(dòng)接收采樣

在接收端高速移動(dòng)環(huán)境下，發(fā)射信號(hào)經(jīng)過(guò)快衰落信道后，接收端去除循環(huán)前綴，則第r根接收天線接收到的信號(hào)為

式中：hr，t（i）為發(fā)送天線t到接收天線r第i時(shí)刻分布式MIMO-OFDM快衰落信道矩陣；ηr（i）為接收天線r接收到的加性復(fù)高斯白噪聲.由于接收端高速移動(dòng)，分布于不同地理位置的發(fā)送天線經(jīng)過(guò)各自時(shí)延到達(dá)接收端各個(gè)天線，因此，接收機(jī)接收到的信號(hào)可表示為

式中τr，t為發(fā)送天線t到接收天線r的信道傳播時(shí)延.將第r根接收天線上的信號(hào)yr（i）通過(guò)匹配濾波器組，對(duì)不同發(fā)送天線到接收天線r的信號(hào)進(jìn)行匹配濾波，可得接收信號(hào)通過(guò)發(fā)送天線j的匹配濾波器后n時(shí)刻的輸出為

式中bt（n）為n時(shí)刻第t根發(fā)送天線發(fā)送的K 個(gè)數(shù)據(jù)符號(hào)而匹配濾波器組相關(guān)值為

式中符號(hào)（·）＊表示復(fù)數(shù)共軛，通過(guò)匹配濾波器組加性復(fù)高斯白噪聲相關(guān)矩陣ηr，j（n）＝E｛ηr（nTs）g＊（iTs-τr，j）｝.由式（4）可得到NT根發(fā)送天線到第r根接收天線上的信號(hào)為

式中：yr（n）＝［yr，1（n），…，yr，NT（n）］T；Gr，t（n-i）＝［Gr，t，1（n-i），…，Gr，t，NT（n-i）］T為分布式 MIMO-OFDM相關(guān)矩陣；符號(hào)（·）T表示矩陣轉(zhuǎn)置.

2.2 三維互相關(guān)聯(lián)合稀疏信道模型

在考慮分布式MIMO-OFDM接收情況時(shí)，為了便于分析，通常假設(shè)分布于不同位置的發(fā)送天線到達(dá)移動(dòng)端接收天線的信道之間陰影衰落相互獨(dú)立.然而當(dāng)移動(dòng)終端高速移動(dòng)情況下，實(shí)際測(cè)量表明，各信道之間陰影衰落存在互相關(guān)性和干擾性，其與收發(fā)天線之間的距離、周圍的環(huán)境和接收信號(hào)的到達(dá)角度有關(guān)［14］.

因此，由式（6）可知，為了估計(jì)第n時(shí)刻第t根發(fā)送天線到第r根接收天線之間的信道沖激響應(yīng)hr，t（n），利用分布式 MIMO-OFDM 系統(tǒng)快衰落信道間的感知數(shù)據(jù)在空間、時(shí)延和多普勒頻移上的互相關(guān)性，獲得信道的聯(lián)合稀疏模型，進(jìn)而將式（6）的信道沖激響應(yīng)表示為

式中：τr，t，l發(fā)送天線t到接收天線r第l條徑的時(shí)延擴(kuò)展；L＝［τmaxKΔf＋1］為信道有效傳播路徑數(shù)，τmax為最大時(shí)延擴(kuò)展，Δf＝1/（KTs）為子載波頻率間隔，Ts為采樣間隔；hlr，t（n）為路徑衰減；α（θl）＝［1，exp（-jθl），…，exp（- （Mt-1）jθl）］T為陣列流形向量，θl＝πsin（φl(shuí)）（-π/2≤φl(shuí)≤π/2，-π≤θl≤π），φl(shuí)為第l條徑波達(dá)方向（DOA），則發(fā)送天線t到接收天線r的第l條徑信道沖激響應(yīng)hlr，t（n）＝［hlr，t（n，0），…，hlr，t（n，K-1）］，進(jìn)一步將hlr，t（n）表示為［14］

ρRX，r，r′表示第r根接收天線與第r′根接收天線之間的互相關(guān)系數(shù)，ρTX，t，t′表示第t根發(fā)送天線和第t′根發(fā)送天線之間的互相關(guān)系數(shù).將式（7）和式（8）代入式（9）中，可得

式中：αr，t＝diag｛αr，t（θ1），…，αr，t（θL）｝；Ψr，t（n）＝［ψr0，t（n），…，ψrQ，t（n）］T.由式（7）可知，當(dāng)發(fā)送天線t到接收天線r的第l條徑稀疏分量 βlr，t（n）≤γ，信道系數(shù)稀疏分量可以忽略，進(jìn)而發(fā)送天線t到接收天線r的L條徑稀疏分量 βr，t（n）?0?KL（Q＋1），其中γ為能量門限，?0計(jì)算向量的非零數(shù).因此，當(dāng)時(shí)，分布式MIMO-OFDM快衰落信道在空間域、時(shí)延域和多普勒域就可以進(jìn)行三維互相關(guān)聯(lián)合稀疏，其稀疏度為S，而NTL?1維空間域矩陣為 ［αr，1，…，αr，NT］T，NT（Q＋1）?1維時(shí)延多普勒域矩陣為［ψr，1，…，ψr，NT］T.

2.3 分布式感知三維互相關(guān)聯(lián)合壓縮測(cè)量和重構(gòu)

針對(duì)式（10），結(jié)合分布式壓縮感知算法，對(duì)信道間稀疏沖激響應(yīng)進(jìn)行相關(guān)聯(lián)合壓縮和重構(gòu)，而各發(fā)送天線預(yù)相關(guān)測(cè)量導(dǎo)頻數(shù)需滿足約束等距性（RIP）［15］條件，即Mt（n）≥ CS，其中C＝（S＋1）/S，Mt（n）為第t根發(fā)射天線在第n時(shí)刻導(dǎo)頻數(shù).導(dǎo)頻符號(hào)取值為等概率的Bernoulli隨機(jī)變量±1，預(yù)相關(guān)測(cè)量導(dǎo)頻符號(hào)插入位置為：在發(fā)送端，同時(shí)在第n時(shí)刻，NT根發(fā)送天線中的每個(gè)OFDM符號(hào)的K個(gè)子載波中隨機(jī)選取Mt（n）個(gè)子載波用于傳輸導(dǎo)頻符號(hào)，其余K-Mt（n）個(gè)子載波用于傳輸用戶數(shù)據(jù).在接收端，為了互相關(guān)聯(lián)合提取第n時(shí)刻各發(fā)送天線到第r根接收天線之間導(dǎo)頻點(diǎn)上的接收信號(hào)Yrp（n），可以通過(guò)第n時(shí)刻第t根發(fā)射天線Mt（n）×K 預(yù)相關(guān)隨機(jī)導(dǎo)頻測(cè)量矩陣t（n）來(lái)獲得，并且（n）矩陣隨機(jī)選取導(dǎo)頻位置和個(gè)數(shù)與發(fā)送端導(dǎo)頻隨機(jī)插入位置一致，矩陣t（n）在對(duì)應(yīng)有導(dǎo)頻位置的元素取值為1，其他沒(méi)有對(duì)應(yīng)導(dǎo)頻位置的元素取值為零.由式（11），可得到n時(shí)刻N(yùn)T根發(fā)送天線與第r根接收天線之間上的導(dǎo)頻接收信號(hào)為

式中：|·|?2表示?2范數(shù)；ΦΓ（n），Γ?｛1，…，NT｝由Φr（n）的列向量構(gòu)成；βr（n）＝［βr，1（n），…，βr，NT（n）］T，Φr（n）＝［Φr，1（n），…，Φr，NT（n）］；Ψr（n）＝diag｛Ψr，1（n），…Ψr，NT（n）｝.對(duì)所有子集Γ滿足Γ ≤S，S稀疏向量βr（n）∈RΓ.由RIP條件可知，如果信道聯(lián)合稀疏性越強(qiáng)，那么所需要的導(dǎo)頻數(shù)將越少，也就大大地提高了系統(tǒng)的頻譜利用率.進(jìn)一步由式（12）可得

式中，Yp（n）＝［Yp1（n），Yp2（n），…，YpNR（n）］T.由式（14）可知，NT根發(fā)送天線分布于不同地理位置，從不同發(fā)送天線到達(dá)NR根集中接收天線的快衰落信道有一定的隨機(jī)性和相關(guān)性，每一根發(fā)送天線到達(dá)每一根接收天線的有效多徑信號(hào)都存在于一定角域區(qū)域.而每條多徑信號(hào)的時(shí)延擴(kuò)展和多普勒頻移都將分別局限于最大時(shí)延擴(kuò)展和最大多普勒頻移之間，因此每根天線角域內(nèi)的信道系數(shù)是有限的，無(wú)線多徑信道的沖激響應(yīng)主要與少數(shù)主要路徑的集合有關(guān)，大部分信道能量系數(shù)為零或者接近零，信道沖激響應(yīng)在空間域、時(shí)延域和多普勒域具有互相關(guān)聯(lián)合稀疏性.在相同來(lái)波角域內(nèi)，沖激響應(yīng)均勻分布時(shí)相關(guān)性最強(qiáng)，拉普拉斯分布時(shí)相關(guān)性次之，高斯分布時(shí)相關(guān)性最小.為重構(gòu)式（14）中NT根發(fā)送天線到NR根接收天線的快衰落稀疏信道系數(shù)，需求解下式

式中e與信噪比有關(guān)，為降低計(jì)算復(fù)雜度，準(zhǔn)確快速求解式（15），結(jié)合分布式壓縮感知算法，各接收端獲得的測(cè)量信號(hào)采用共同的稀疏基，以能量有效的方式對(duì)信道間稀疏沖激響應(yīng)進(jìn)行聯(lián)合重構(gòu)，得到各接收端任意的稀疏信道系數(shù)，聯(lián)合方法如下：

1）初始化接收導(dǎo)頻信道迭代殘差為

指示集 Ω（0）＝｛｝，被選列向量Θ（0）＝［］，迭代次數(shù)統(tǒng)計(jì)j＝1.

2）CΛ（j）為導(dǎo)頻信道迭代殘差與第Λ 個(gè)三維互相關(guān)聯(lián)合快衰落稀疏信道基元素的NR×1維相關(guān)向量，其 中NTKL（Q＋1）-（j-1），平均值為式中選擇有共同最大內(nèi)積殘差的相關(guān)向量接收信號(hào)最大能量殘差列指示

3）在候選集ζ（j）中搜索，最大限度地減少平均殘為

式中（·）?矩陣偽逆.

5）更新接收導(dǎo)頻信道殘差為

6）在候選限制集中比較導(dǎo)頻信道殘差 rr（j）22和指示集Ω（j），如果候選限制集已經(jīng)選擇完，將返回到第2）步.

7）在聯(lián)合稀疏基上獲擴(kuò)展系數(shù)，確定指示集Ω（j）中快衰落稀疏信道β（n）的非零系數(shù)，其值為

2.4 性能分析

采用分布式感知三維互相關(guān)聯(lián)合壓縮測(cè)量和重構(gòu)方法，對(duì)信道沖激響應(yīng)稀疏系數(shù)進(jìn)行聯(lián)合重構(gòu)，可得r（n）滿足

對(duì)于信道估計(jì)方法的計(jì)算復(fù)雜度，為了估計(jì)第n時(shí)刻第t根發(fā)送天線到第r根接收天線之間的KL（Q＋1）信道響應(yīng)矩陣hr，t（n），傳統(tǒng)導(dǎo)頻輔助的信道估計(jì)方法［5-7］，通過(guò)對(duì)每根發(fā)送天線的接收信號(hào)分別插值的方法得到對(duì)應(yīng)數(shù)據(jù)子載波上的頻域沖擊響應(yīng).采用此類方法，每根發(fā)送天線導(dǎo)頻的插入比例需要滿足奈奎斯特采樣頻率條件，推導(dǎo)了最優(yōu)導(dǎo)頻序列數(shù)為NRNTKL（Q＋1）.與傳統(tǒng)信道估計(jì)方法不同，該方法并不需要先對(duì)每根發(fā)送天線的接收信號(hào)分別估計(jì)導(dǎo)頻子載波點(diǎn)上的頻域沖擊響應(yīng)，然后通過(guò)復(fù)雜的插值方法得到每根發(fā)送天線對(duì)應(yīng)數(shù)據(jù)子載波上的頻域沖擊響應(yīng)，而是先通過(guò)少量導(dǎo)頻測(cè)量信號(hào)聯(lián)合估計(jì)出少量的非零信道系數(shù)，然后通過(guò)三維互相關(guān)聯(lián)合稀疏基就可以得到所有子載波上的頻域沖擊響應(yīng)，因此大大減少了計(jì)算復(fù)雜度.

對(duì)于信道估計(jì)方法的傳輸效率和誤碼率，當(dāng)采用壓縮感知算法CS，每根接收天線快衰落信道重構(gòu)概率分布為P≤1，所有接收天線快衰落信道的重構(gòu)概率為PNT，因此必須通過(guò)增加導(dǎo)頻數(shù)量和測(cè)量次數(shù)作為補(bǔ)償，以便滿足系統(tǒng)性能.為了解決這個(gè)問(wèn)題，該文所采用分布式感知三維互相關(guān)聯(lián)合壓縮測(cè)量和重構(gòu)方法，利用空間、時(shí)延和多普勒頻移具有的互相關(guān)信息，對(duì)觀測(cè)天線信道間感知數(shù)據(jù)進(jìn)行聯(lián)合重構(gòu)，當(dāng)導(dǎo)頻觀測(cè)次數(shù)為Mt（n）≥CS時(shí)就可以完全重構(gòu)出信道沖激響應(yīng)稀疏系數(shù)，可以獲取更好的重構(gòu)效果，由此可見，該文所采用方法能提高系統(tǒng)頻譜效率和誤碼率.

3 實(shí)驗(yàn)結(jié)果分析

考慮收發(fā)天線皆為6的分布式MIMO-OFDM快衰落無(wú)線通信系統(tǒng)，6根發(fā)送天線分布于不同地理位置，6根接收天線集中于同一處地理位置.假設(shè)載波頻率為5GHz的16-QAM信號(hào)，基帶采樣頻率為5MHz，子載波個(gè)數(shù)為1 024，采樣間隔TS為204.8μs，保護(hù)間隔為51.2μs.第r根和第r′根天線間相關(guān)系數(shù)可由下式得到

式中：J0（·）是第一類零階貝賽爾函數(shù)；d是天線間距；λ是載波波長(zhǎng).相關(guān)系數(shù)第一個(gè)零點(diǎn)對(duì)應(yīng)天線單元間距隨著角度擴(kuò)展增大而減小，且相關(guān)系數(shù)幅值隨d增大而減小.接收端在城市和郊區(qū)環(huán)境下移動(dòng)速度為250km/hr時(shí)，產(chǎn)生的最大多普勒頻移為843.75Hz.高速運(yùn)動(dòng)的移動(dòng)終端經(jīng)歷了隨機(jī)多徑衰落后，天線對(duì)之間的信號(hào)包絡(luò)快衰落非常劇烈，最大衰落處達(dá)到幾十分貝，這對(duì)移動(dòng)終端接收機(jī)的正確接收判決影響十分嚴(yán)重.

圖2，3給出了各信道估計(jì)算法在不同信噪比（SNR）下均方誤差（MSE）和誤碼率（BER）性能比較分析曲線.從圖中可以明顯看出，該文所采用方法的MSE和BER性能都要好于傳統(tǒng)導(dǎo)頻輔助線性最小均方誤差（LMMSE）方法.LMMSE方法，每根發(fā)送天線的導(dǎo)頻插入比例需要滿足奈奎斯特采樣頻率條件.該文所采用方法并不需要先對(duì)每根發(fā)送天線接收信號(hào)分別估計(jì)導(dǎo)頻子載波點(diǎn)上的頻域沖擊響應(yīng)，然后通過(guò)復(fù)雜的插值方法得到每根發(fā)送天線對(duì)應(yīng)數(shù)據(jù)子載波上的頻域沖擊響應(yīng)，而是先通過(guò)少量導(dǎo)頻測(cè)量信號(hào)聯(lián)合估計(jì)出少量非零信道系數(shù)，然后通過(guò)三維互相關(guān)聯(lián)合稀疏就可以得到所有子載波上的頻域沖擊響應(yīng)，因此提高了均方誤差和誤碼率.該文所采用方法的MSE和BER性能都要好于傳統(tǒng)導(dǎo)頻輔助的LMMSE方法，也好于文獻(xiàn)［16］貪婪邊界無(wú)狀態(tài)路由（GPSR）方法、文獻(xiàn)［17］啟發(fā)式捻度（TWIST）方法和文獻(xiàn)［18］匹配追蹤（OMP）方法.特別是在快衰落程度越發(fā)嚴(yán)重情況下，當(dāng)移動(dòng)速度從250km/hr變化到300km/hr時(shí)，該文所采用方法與其他方法相比較，均方誤差和誤碼率提高更加明顯.因此，當(dāng)采用現(xiàn)有算法，必須通過(guò)增加導(dǎo)頻數(shù)量和測(cè)量次數(shù)作為補(bǔ)償，以便滿足系統(tǒng)性能；該文所采用分布式感知三維互相關(guān)聯(lián)合壓縮測(cè)量和重構(gòu)方法，利用空間、時(shí)延和多普勒頻移具有的互相關(guān)信息，對(duì)觀測(cè)天線信道間感知數(shù)據(jù)進(jìn)行聯(lián)合重構(gòu)，能提高系統(tǒng)頻譜效率和誤碼率.

4 結(jié) 論

該算法降低了系統(tǒng)對(duì)導(dǎo)頻的需求，提高了系統(tǒng)數(shù)據(jù)傳輸效率；減少了計(jì)算復(fù)雜度，提高了估計(jì)性能.針對(duì)傳統(tǒng)快衰落分布式MIMO-OFDM系統(tǒng)中低數(shù)據(jù)傳輸效率，為了克服高速移動(dòng)環(huán)境下快衰落干擾的弊端，考慮分布式 MIMO-OFDM快衰落信道間的感知數(shù)據(jù)，在空間、時(shí)延和多普勒頻移上互相關(guān)聯(lián)合稀疏模型，利用預(yù)相關(guān)隨機(jī)導(dǎo)頻測(cè)量矩陣，提出了基于分布式壓縮感知理論的快衰落稀疏信道聯(lián)合估計(jì)算法，得到各接收端任意地稀疏信道系數(shù).仿真結(jié)果表明了所提估計(jì)算法具有較高頻譜利用率和估計(jì)性能.

［1］SADJADPOUR H R，GARCIA-LUNA-ACENES J J.Capacity of distributed MIMO with finite size［C］//7th International Wireless Communications and Mobile Computing Conference，2011：1529-1534.

［2］VERDE F，DARSENA D，SCAGLIONE A.Cooperative randomized MIMO-OFDM downlink for multicell networks：design and analysis［J］.IEEE Transactions on Signal Processing，2010，58（1）：384-402.

［3］張曉燕，聞?dòng)臣t，談?wù)褫x.陸地高速移動(dòng)環(huán)境下電波傳播特性的建模與分析［J］.電波科學(xué)學(xué)報(bào)，2012，27（1）：37-44.ZHANG Xiaoyan，WEN Yinghong，TAN Zhenhui.Simulation and analysis of radio wave characteristics in terrestrial high-speed mobile environment［J］.Chinese Journal of Radio Science，2012，27（1）：37-44.（in Chinese）

［4］李光球，陳素俊，余 晨.衰落信道上空頻分組碼的性能分析［J］.電波科學(xué)學(xué)報(bào)，2012，27（3）：440-446.LI Guangqiu，CHEN Sujun，YU Chen.Performance analysis of space-frequency block codes over fading channels［J］.Chinese Journal of Radio Science，2012，27（3）：440-446.（in Chinese）

［5］HLAING M，MUNOZ D.Pilot designs for channel estimation of MIMO OFDM systems with frequencydependent I/Q imbalances［J］.IEEE Transactions on Communications，2010，58（8）：2252-2264.

［6］HUNG K C，LIN D W.Pilot-based LMMSE channel estimation for OFDM systems with power-delay profile approximation［J］.IEEE Transactions on Vehicular Technology，2010，59（1）：150-159.

［7］AIDA Z，RIDHA B.LMMSE channel estimation for block-pilot insertion in OFDM systems under time varying conditions［C］//11th Mediterranean Microwave Symposium.Hammamet，September 8-10，2011：223-228.

［8］SHARP M，SCAGLIONE A.useful performance metric for compressed channel sensing［J］.IEEE Transactions on signal processing，2011，59（6）：2982-2988.

［9］ROMBERG J.Imaging via compressive sampling［J］.IEEE Signal Processing Magazine，2008，25（2）：14-20.

［10］TAUBOCK G，HLAWATSCH F，EIWEN D，et al.Compressive estimation of doubly selective channels in multicarrier systems：leakage effects and sparsity-enhancing processing［J］.Selected Topics in Signal Processing，2010，4（2）：255-271.

［11］EIWEN D，TAUBOCK G，HLAWATSCH F，et al..Multichannel-compressive estimation of doubly selective channels in MIMO-OFDM systems：Exploiting and enhancing joint sparsity［C］//IEEE International Conference on Acoustics Speech and Signal Processing，2010，14：3082-3085.

［12］BAJWA W U，SAYEED A，NOWAK R.Sparse multipath channels：modeling and estimation［C］//13th IEEE Digital Signal Processing Workshop.Macro Island，January 4-7，2009：320-325.

［13］BAJWA W U，HAUPT J，SAYEED A M，et al..Compressed channel sensing：a new approach to estimating sparse multipath channels［C］//IEEE Proceedings，2010，6（98）：1058-1076.

［14］周小平，方 勇，汪 敏.MIMO-OFDM快衰落信道壓縮感知估計(jì)方法［J］.電波科學(xué)學(xué)報(bào)，2010，25（6）：1109-1115.ZHOU Xiaoping，F(xiàn)ANG Yong，WANG Min.Compressed sensing estimation methods for fast fading channel of MIMO-OFDM systems［J］.Chinese Journal of Radio Science，2010，25（6）：1109-1115.（in Chinese）

［15］HAUPT J，BAJWA W U，RAZ G，et al.Toeplitz compressed sensing matrices with applications to sparse channel estimation［J］.IEEE Transactions on Information Theory，2010，11（56）：5862-5875.

［16］SHANMUGA R B，PRABAKARA N，SARMA V R.Modified GPSR based optimal routing algorithm for reliable communication in WSNs［J］.International Devices and Communications，2011：1-5.

［17］PORTILLA J，GIL-RODRIGO E，COND Y.Ultra-Fast high performance restoration using multi-frame［C］//18th IEEE International Conference on Image Processing，2011：1837-1840.

［18］CAI T T，WANG L.Orthogonal matching pursuit for sparse signal recovery with noise［J］.IEEE Transaction on Information Theory，2011，57（7）：4680-4688.