本文主要探讨了超宽带(UWB)无线通信技术中的一个重要课题——压缩感知(Compressed Sensing, CS)理论在超宽带信道建模和接收机设计中的应用。超宽带无线信道建模是设计和评估UWB系统性能的基础,而压缩感知则为这一领域提供了新的理论和技术手段。
首先,文章指出,现有的IEEE 802.15.3a/4a信道模型并不完全适用于中国的超宽带信道条件。因此,作者进行了大规模的实地测量,收集了中国超宽带信道的室内、室外和工业12个典型场景的数据。基于这些实测数据,作者提出了一个基于小波分析的自动分簇算法,用于构建更符合实际应用的超宽带信道模型。通过模型评估,新提出的模型被证明比IEEE标准模型更能准确地反映中国超宽带通信的实际情况。
其次,针对办公室环境中的非视距(NLOS)严重遮挡情况,文章提出了一种分段双指数信道模型,该模型在时延扩展和多径数量等关键特性上与实测数据更为吻合。此外,文章还设计了一种基于压缩感知的UWB信道多径分析模型,揭示了在一定信号重构概率下,CS所需采样点数与UWB信道平均多径个数之间的确定函数关系。
为解决超宽带信道测量的高采样速率难题,文章提出了一种基于压缩感知的解卷积算法。此算法利用频域窗函数对应的时间域脉冲和模板信号构造波形字典,增强时域测量信号的稀疏表示,并通过贪婪重构算法进行解卷积,减少了测量系统所需的观测点数。与传统的CLEAN算法相比,这种基于CS的解卷积算法在保持相似性能的同时,显著降低了观测点的需求。
考虑到超宽带信道的频率依赖性失真,文章进一步设计了一种多模板压缩感知解卷积算法,提升了解卷积性能。同时,为改善经典超宽带信道估计的高采样速率需求,文章提出了一种基于部分信道状态信息的压缩感知信道估计算法,利用平均功率延迟剖面(APDP)信息优化重构算法,降低了采样点数并提高了低信噪比条件下的重构性能。
针对UWB-IR接收机的高采样率问题,文章提出了一种基于压缩感知的非相干检测算法。利用UWB-IR接收信号的分块稀疏性和APDP先验信息,该算法降低了计算复杂度,同时提高了非相干检测性能,降低了采样速率。
论文最后总结了全文的研究成果,并对压缩感知技术在超宽带通信领域的未来应用方向进行了展望。关键词涵盖了超宽带、信道建模、压缩感知、解卷积算法、信道估计和非相干检测,这些都是本文核心研究内容。通过这些研究,作者为超宽带通信技术在实际应用中的优化和效率提升提供了理论支持和实践指导。