1.一种基于压缩感知的自适应信道估计方法,其特征在于,包括以下步骤:获取原始信号;预设第一阈值;通过匹配测试方法获得获取的原始信号对应的索引集,并通过约束等距性质分析索引集,初始预估获取的原始信号的稀疏度预估值;
通过索引集计算初始残差,根据初始残差与感知矩阵中各列向量的相关系数获得候选集,并通过候选集计算重构原始信号估计值;
根据重构原始信号估计值获得支持集,通过支持集计算残差值;
判断残差值与第一阈值的大小,当残差值大于第一阈值时,更新估计参数后,进行下一轮迭代,否则输出获取的原始信号的自适应信道估计值;
所述通过匹配测试方法获得获取的原始信号对应的索引集,并通过约束等距性质分析索引集,初始预估获取的原始信号的稀疏度预估值包括:S21初始化稀疏度预估值K0、索引集Λt‑1以及迭代次数t,其中,K0=1,
S22通过(1)式逐一计算观测向量y与各感知矩阵Acs列向量的相关系数,并通过(2)式将前K0个最大的相关系数对应感知矩阵中的索引值写入索引集;
Λt‑1=max(c(Aj,y)0≤j≤N‑1,前K0个最大相关系数对应的索引值)(2)其中,c(Aj,y)为观测向量与感知矩阵列向量的相关系数函数,y为观测向量,Aj为感知矩阵列向量(0≤j≤N‑1),E表示数学期望值,D表示方差,Λt‑1为索引集;N为感知矩阵中列向量的个数;
S23根据矩阵的约束等距性质,分析索引集转置与观测向量乘积的大小:其中,当索引集转置与观测向量乘积满足(3)式时,通过(5)式更新稀疏度预估值后,再执行步骤S22;
当索引集转置与观测向量乘积满足(4)式时,通过(6)式更新稀疏度预估值后,再执行步骤S22;
当索引集转置与观测向量乘积既不满足(3)和(4)式时,通过(7)式更新稀疏度预估值;
K0=K0+2 (5)
K0=K0+1 (6)
K0=K0 (7)
其中,为根据索引集选取感知矩阵中对应列向量转置而成的索引集子矩阵,δ为参数,且δ∈(0,1),μ为系数,且μ∈[0.7,0.8];
所述通过索引集计算初始残差,根据初始残差与感知矩阵中各列向量的相关系数获得候选集,并通过候选集计算重构原始信号估计值包括:S31逐一根据索引集的各元素提取感知矩阵中对应的列向量,将各列向量写入索引矩阵,并通过(9)式计算观测向量与索引矩阵的初始残差,具体如下:其中,rt‑1为初始残差,为索引矩阵;
S32通过(10)式逐一计算初始残差与感知矩阵中各列向量的相关系数,并通过(11)式将前|Λt‑1|个最大的的相关系数对应感知矩阵中的索引值写入索引集,获得候选集;
ht=c(Aj,rt‑1) (10)
Λ^=Λt‑1∪{ht的前|Λt‑1|个最大值的索引值} (11)其中,c(Aj,rt‑1)为初始残差与感知矩阵列向量的相关系数函数,ht为初始残差与感知矩阵列向量的相关系数集合,Λ^为候选集,|Λt‑1|表示索引集Λt‑1中的元素个数;
S33根据求解最小二乘法原理,通过(12)式获得重构信号估计值xΛ^,具体如下:其中,x`Λ^为重构原始信号估计值,xΛ^为原始信号估计值,为根据候选集选取感知矩阵中对应列转置而成的候选集子矩阵,为候选集子矩阵与原始信号估计值的相关系数函数;
所述根据重构原始信号估计值获得支持集,通过支持集计算残差值包括:通过(13)式提取重构原始信号估计值中前|Λt‑1|个最大的元素对应的索引值,并写入支持集Λ~,具体如下:其中,Λ~为支持集;
逐一根据支持集中的索引值选取感知中对应的列向量,将各列向量写入支持集第一子矩阵,逐一根据支持集中的索引值选取重构原始信号估计值中对应的元素,将各元素写入支持集第二子矩阵,并通过(14)式计算支持集第一子矩阵、支持集第二子矩阵与观测向量的残差值,具体如下:其中,r~为残差值,AΛ~为支持集第一子矩阵,xΛ~为支持集第二子矩阵。
2.根据权利要求1所述的一种基于压缩感知的自适应信道估计方法,其特征在于,所述原始信号包括感知矩阵和观测向量;
所述感知矩阵为M*N维矩阵;所述观测向量为M*1维向量;其中,M>0,N>0,且M<
3.根据权利要求1所述的一种基于压缩感知的自适应信道估计方法,其特征在于,所述判断残差值与第一阈值的大小,当残差值大于第一阈值时,更新估计参数后,进行下一轮迭代,否则输出获取的原始信号的自适应信道估计值包括:比较残差值与第一阈值的大小:
其中,当残差值大于第一阈值时,根据残差值与初始残差的大小更新估计参数后,再执行步骤S32;
否则,输出获取的原始信号的自适应信道估计值为重构原始信号估计值。
4.根据权利要求3所述的一种基于压缩感知的自适应信道估计方法,其特征在于,所述第一阈值可设为观测向量的向量长度的万分之一。
5.根据权利要求3所述的一种基于压缩感知的自适应信道估计方法,其特征在于,所述根据残差值与初始残差的大小更新估计参数后,再执行步骤S32包括:预设第二阈值;比较残差值与初始残差的大小:其中,当残差值与初始残差满足(15)式时,通过(16)式更新支持集,通过(17)式更新初始残差,通过(18)式更新迭代次数后,再执行步骤S32,具体如下:||r~||2≤||rt‑1||2 (15)
Λt‑1=Λ~ (16)
rt‑1=r~ (17)
t=t+1 (18)
否则,通过(19)式更新支持集后,再执行步骤S32,具体如下:Λt‑1=Λt‑1∪{ht中大于第二阈值的列对应的索引值} (19)。
6.根据权利要求5所述的一种基于压缩感知的自适应信道估计方法,其特征在于,所述第二阈值满足(20)式,具体如下:其中,θ为第二阈值,hi为ht的每个元素,G为ht的元素个数。
7.一种基于压缩感知的自适应信道估计系统,其特征在于,用于执行权利要求1‑6任一项所述的基于压缩感知的自适应信道估计方法;
所述基于压缩感知的自适应信道估计系统包括以下模板:获取模块,用于获取原始信号;
预设模块,预设第一阈值;
稀疏变换模块,用于通过匹配测试方法获得获取的原始信号对应的索引集,并通过约束等距性质分析索引集,初始预估获取的原始信号的稀疏度预估值;
重构模块,用于通过索引集计算初始残差,根据初始残差与感知矩阵中各列向量的相关系数获得候选集,并通过候选集计算重构原始信号估计值;
残差计算模块,用于根据重构原始信号估计值获得支持集,通过支持集计算残差值;
判断模块,用于判断残差值与第一阈值的大小,当残差值大于第一阈值时,更新估计参数后,进行下一轮迭代,否则输出获取的原始信号的自适应信道估计值。