Resumen

La precisión de la respuesta al impulso del canal (CIR) es necesaria para la ecualización y puede ayudar a mejorar la calidad del servicio de comunicación en los sistemas de comunicación inalámbrica de próxima generación. Un ejemplo de sistema avanzado es la red de retransmisión bidireccional de entrada múltiple y reenvío, que se modula mediante multiplexación por división de frecuencia ortogonal. Anteriormente se han propuesto métodos de estimación lineal del canal, por ejemplo, los mínimos cuadrados y la maximización condicional de la expectativa, para el sistema. Sin embargo, estos métodos no aprovechan la dispersión del canal y disminuyen el rendimiento de la estimación. Proponemos un esquema de estimación de canal disperso, que es diferente de los métodos lineales, en los usuarios finales bajo el canal de retransmisión para permitirnos explotar la dispersidad. En primer lugar, formulamos el problema de estimación del canal disperso como un problema de detección comprimida utilizando la teoría de descomposición dispersa. En segundo lugar, se reconstruye el CIR mediante los algoritmos CoSaMP y OMP. Por último, se realizan simulaciones por ordenador para confirmar la superioridad de los métodos propuestos sobre los métodos tradicionales de estimación lineal del canal.

• Materias:Electromagnetismo Redes de telecomunicaciones Radiofrecuencia Teoría de Antenas Redes Inalámbricas Ondas de radiofrecuencia
• Subjects:Electromagnetism Telecommunications networks Radio frequency Antenna theory Wireless Networks Radio frequency waves
• Palabras claves:métodos de estimación del canal, estimación del canal disperso, ventaja del canal, teoría de la descomposición dispersa, sistema de comunicaciones inalámbricas, red de repetidores, calidad de los servicios de comunicaciones, estimación lineal del canal, mínimos cuadrados, métodos lineales
• Keywords:channel estimation methods, sparse channel estimation, advantage of channel, sparse decomposition theory, wireless communications system, way relay network, communications services quality, linear channel estimation, least square, linear methods