留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于快速贝叶斯匹配追踪的激光大气信道估计

马鹏阁 陈恩庆 庞栋栋 羊毅

马鹏阁, 陈恩庆, 庞栋栋, 羊毅. 基于快速贝叶斯匹配追踪的激光大气信道估计[J]. 红外与激光工程, 2017, 46(9): 922002-0922002(7). doi: 10.3788/IRLA201746.0922002
引用本文: 马鹏阁, 陈恩庆, 庞栋栋, 羊毅. 基于快速贝叶斯匹配追踪的激光大气信道估计[J]. 红外与激光工程, 2017, 46(9): 922002-0922002(7). doi: 10.3788/IRLA201746.0922002
Ma Pengge, Chen Enqing, Pang Dongdong, Yang Yi. Laser atmospheric channel estimation based on fast Bayesian matching pursuit[J]. Infrared and Laser Engineering, 2017, 46(9): 922002-0922002(7). doi: 10.3788/IRLA201746.0922002
Citation: Ma Pengge, Chen Enqing, Pang Dongdong, Yang Yi. Laser atmospheric channel estimation based on fast Bayesian matching pursuit[J]. Infrared and Laser Engineering, 2017, 46(9): 922002-0922002(7). doi: 10.3788/IRLA201746.0922002

基于快速贝叶斯匹配追踪的激光大气信道估计

doi: 10.3788/IRLA201746.0922002
基金项目: 

国家自然科学基金(61331021);航空科学基金(2014ZC13004);河南省高校科技创新团队(17IRTSTHN014);河南省科技计划(152102210139)

详细信息
    作者简介:

    马鹏阁(1976-),男,副教授,博士,主要从事激光雷达目标检测与识别方面的研究。Email:mapenge@163.com

  • 中图分类号: TN911

Laser atmospheric channel estimation based on fast Bayesian matching pursuit

  • 摘要: 信道估计是指接收机获知信道状态信息的方法和过程。信道估计的准确度决定了接收机的工作性能,所以均衡之前,必须先进行信道估计。目前,激光光学传输信道估计成为多输入多输出正交频分复用的自由空间光通信系统的关键技术。传统的压缩感知方法作为一种信道估计的有效方法,具有恢复和重构原始信号的能力,但在计算复杂度上付出了一定的代价。快速贝叶斯匹配追踪算法克服了现有方法重构精度低和复杂度高缺点。通过先验模型选择和近似的最小均方误差的参数向量的估计,快速贝叶斯匹配追踪算法提供了估计信道冲激响应的一种有效方式。仿真结果表明,与传统的基于压缩感知的方法相比,该方法能显著提高系统的性能。
  • [1] Ma Pengge, Qi Lin, Yang Yi, et al. Study on airborne multi-pulse ladar target signal simulator[J]. Acta Optica Sinica, 2012, 32(1):271-276. (in Chinese)
    [2] Donoho D L. Compressed sensing[J]. IEEE Trans Inf Theory, 2006, 52(4):1289-1306.
    [3] Berger C R, Wang Z, Huang J, et al. Application of compressive sensing to sparse channel estimation[J]. IEEE Communications Magazine, 2010, 48(11):164-174.
    [4] Cai T T, Wang L. Orthogonal matching pursuit for sparse signal recovery with noise[J]. IEEE Transactions on Information Theory, 2011, 57(7):4680-4688.
    [5] Donoho D L, Tsaig Y, Drori I, et al. Sparse solution of underdetermined linear equations by stagewise orthogonal matching pursuit[R]. Stanford Statistics Technical Report,2006.
    [6] Candes E and Tao T. Decoding by Linear Programming[J]. IEEE Trans Inf Theory, 2005, 51(12):4203-4215.
    [7] Richard G. Baraniuk. Compressed sensing[J]. IEEE Signal Processing Magazine, 2007, 24(4):118-121.
    [8] Larsson E, Selen Y. Linear regression with a sparse parameter vector[J]. IEEE Transactions on Signal Processing, 2007, 55(2):451-460.
    [9] Barbu O E, Manchn C N, Rom C, et al. OFDM receiver for fast time-varying channels using block-sparse bayesian learning[J]. IEEE Transactions on Vehicular Technology, 2016, 65(12):10053-10057.
    [10] Wipf D P, Rao B D. Sparse Bayesian learning for basis selection[J]. IEEE Transactions on Signal Processing, 2004, 52(8):2153-2164.
    [11] Prasad R, Murthy C R. Joint channel estimation and data detection in MIMO-OFDM systems using sparse Bayesian learning[C]//Communications IEEE, 2014:1-6.
    [12] Prasad R, Murthy C R. Bayesian learning for joint sparse OFDM channel estimation and data detection[C]//Global Telecommunications Conference(GLOBECOM 2010), 2010 IEEE, 2010:1-6.
    [13] Schniter P, Potter L C, Ziniel J. Fast bayesian matching pursuit[C]//Information Theory and Applications Workshop. 2008:326-333.
    [14] Alamouti S. A simple transmit diversity teachnique for wireless communications[J]. IEEE J Ael Areas Comm, 1998, 16(8):1451-1458.
    [15] Poor H V. An introduction to signal detection and estimation (Adapted from a one semester graduate course taught at the University of Illinois)[J]. Springer Texts in Electrical Engineering, 2015, 333(1):127-139.
  • [1] 陆秋萍, 石岩, 戴晟昕, 陈义, 赵春柳, 赵天琦, 金尚忠, 牛海彬.  生物组织单像素成像重构的散射干扰抑制 . 红外与激光工程, 2022, 51(3): 20210722-1-20210722-7. doi: 10.3788/IRLA20210722
    [2] 徐亦静, 吴志鹏, 王琦龙.  光谱域编码的压缩光谱测量技术 . 红外与激光工程, 2022, 51(11): 20220093-1-20220093-17. doi: 10.3788/IRLA20220093
    [3] 孙强, 戴鹭楠, 应恺宁, 倪辰荫.  二分搜索和压缩感知在激光超声内部缺陷快速检测技术的应用 . 红外与激光工程, 2022, 51(2): 20210810-1-20210810-13. doi: 10.3788/IRLA20210810
    [4] 李美萱, 王红, 刘小涵, 刘明, 宋立军.  基于相位调制的运动目标多光谱关联成像研究 . 红外与激光工程, 2021, 50(7): 20210184-1-20210184-8. doi: 10.3788/IRLA20210184
    [5] 张赛文, 邓亚琦, 王冲, 冷潇泠, 张光富, 文兵, 邓杨保, 谭伟石, 田野, 李稳国.  基于多测量矢量压缩感知的超分辨荧光显微成像研究 . 红外与激光工程, 2021, 50(11): 20210484-1-20210484-8. doi: 10.3788/IRLA20210484
    [6] 杨程, 鄢秋荣, 祝志太, 王逸凡, 王明, 戴伟辉.  基于深度学习的压缩光子计数激光雷达 . 红外与激光工程, 2020, 49(S2): 20200380-20200380. doi: 10.3788/IRLA20200380
    [7] 由四海, 王宏力, 冯磊, 何贻洋, 许强.  基于小波变换与压缩感知的脉冲星TOA估计 . 红外与激光工程, 2020, 49(2): 0226001-0226001. doi: 10.3788/IRLA202049.0226001
    [8] 孙鸣捷, 张佳敏.  单像素成像及其在三维重建中的应用 . 红外与激光工程, 2019, 48(6): 603003-0603003(11). doi: 10.3788/IRLA201948.0603003
    [9] 时东锋, 黄见, 苑克娥, 王英俭, 谢晨波, 刘东, 朱文越.  空间编码复用散斑多信息融合关联成像(特邀) . 红外与激光工程, 2018, 47(5): 502001-0502001(8). doi: 10.3788/IRLA201847.0502001
    [10] 尹红飞, 郭亮, 周煜, 孙剑锋, 曾晓东, 唐禹, 邢孟道.  基于改进SVA和压缩感知的SAL旁瓣抑制算法 . 红外与激光工程, 2018, 47(12): 1230005-1230005(8). doi: 10.3788/IRLA201847.1230005
    [11] 王忠良, 冯文田, 粘永健.  结合光谱解混与压缩感知的高光谱图像有损压缩 . 红外与激光工程, 2018, 47(S1): 189-196. doi: 10.3788/IRLA201847.S126003
    [12] 申艳, 解颐, 娄淑琴, 王鑫, 赵彤彤.  基于Contourlet变换和压缩感知的实际光子晶体光纤光 . 红外与激光工程, 2017, 46(3): 321001-0321001(7). doi: 10.3788/IRLA201746.0321001
    [13] 王中阳, 周燕飞, 张小伟, 沈灏, 李恩荣, 韩申生, 宓现强, 田立君, 彭玉峰.  基于随机采样的超高分辨率成像中快速压缩感知分析 . 红外与激光工程, 2017, 46(2): 201002-0201002(7). doi: 10.3788/IRLA201746.0201002
    [14] 杨新锋, 张金娜, 滕书华, 崔宇.  利用压缩感知实现随机变频雷达散射中心估计 . 红外与激光工程, 2016, 45(5): 526004-0526004(6). doi: 10.3788/IRLA201645.0526004
    [15] 韩申生, 龚文林, 陈明亮, 李恩荣, 薄遵望, 李望, 张惠, 高昕, 邓陈进, 梅笑东, 王成龙.  基于稀疏和冗余表象的鬼成像雷达研究进展 . 红外与激光工程, 2015, 44(9): 2547-2555.
    [16] 赵爱罡, 王宏力, 杨小冈, 陆敬辉, 何星.  融合几何特征的压缩感知SIFT描述子 . 红外与激光工程, 2015, 44(3): 1085-1091.
    [17] 尹继豪, 孙建颖.  基于压缩感知理论的波段重构方法 . 红外与激光工程, 2014, 43(4): 1260-1264.
    [18] 朱丰, 张群, 冯有前, 罗迎, 李开明, 梁必帅.  逆合成孔径激光雷达鸟类目标压缩感知识别方法 . 红外与激光工程, 2013, 42(1): 256-261.
    [19] 陈春利, 谢红梅, 彭进业, 王志成, 王保平.  压缩感知机动目标ISAR成像新方法 . 红外与激光工程, 2013, 42(8): 2269-2274.
    [20] 谭歆, 冯晓毅, 王保平.  稀疏带状测量矩阵在压缩感知ISAR成像中的应用 . 红外与激光工程, 2013, 42(11): 3137-3143.
  • 加载中
计量
  • 文章访问数:  392
  • HTML全文浏览量:  66
  • PDF下载量:  48
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-01-10
  • 修回日期:  2017-02-13
  • 刊出日期:  2017-09-25

基于快速贝叶斯匹配追踪的激光大气信道估计

doi: 10.3788/IRLA201746.0922002
    作者简介:

    马鹏阁(1976-),男,副教授,博士,主要从事激光雷达目标检测与识别方面的研究。Email:mapenge@163.com

基金项目:

国家自然科学基金(61331021);航空科学基金(2014ZC13004);河南省高校科技创新团队(17IRTSTHN014);河南省科技计划(152102210139)

  • 中图分类号: TN911

摘要: 信道估计是指接收机获知信道状态信息的方法和过程。信道估计的准确度决定了接收机的工作性能,所以均衡之前,必须先进行信道估计。目前,激光光学传输信道估计成为多输入多输出正交频分复用的自由空间光通信系统的关键技术。传统的压缩感知方法作为一种信道估计的有效方法,具有恢复和重构原始信号的能力,但在计算复杂度上付出了一定的代价。快速贝叶斯匹配追踪算法克服了现有方法重构精度低和复杂度高缺点。通过先验模型选择和近似的最小均方误差的参数向量的估计,快速贝叶斯匹配追踪算法提供了估计信道冲激响应的一种有效方式。仿真结果表明,与传统的基于压缩感知的方法相比,该方法能显著提高系统的性能。

English Abstract

参考文献 (15)

目录

    /

    返回文章
    返回