Κανάλια με αραιή κρουστική απόκριση εμφανίζονται πάρα πολύ συχνά σε εφαρμογές ασύρματων κυρίως τηλεπικοινωνιακών συστημάτων. Παραδείγματα τέτοιων εφαρμογών είναι η εκπομπή HDTV (HighDefinitionΤelevision) ή εκπομπή μέσω υποθαλλάσιων ακουστικών καναλιών. Σε όλες αυτές τις εφαρμογές η μορφή του καναλιού διαμορφώνεται από το φαινόμενο της πολυδιόδευσης. Συνεπώς ο δέκτης λαμβάνει έναν περιορισμένο αριθμό από διαφορετικές εκδοχές του εκπεμπόμενου σήματος καθεμία με διαφορετική εξασθένιση και καθυστέρηση. Ως εκ τούτου η συνάρτηση της κρουστικής απόκρισης ενός τέτοιου καναλιού αποτελείται από ελάχιστα μη μηδενικά στοιχεία σε συγκριση με το μήκος της, καθένα από τα οποία αντιστοιχεί σε ένα από τα μονοπάτια πολυδιόδευσης. Για την ισοστάθμιση αυτών των καναλιών έχουν προταθεί διάφορες τεχνικές, πολλές από τις οποίες εκμεταλλεύονται την ιδιαίτερη αυτή μορφή της κρουστικής απόκρισης. Πολλοί από τους προτεινόμενους ισοσταθμιστές καναλιών απαιτούν την παρεμβολή ακολουθίων εκμάθησης ανάμεσα στην ακολουθία δεδομένων, οι οποίες είναι εκ των προτέρων γνωστές στον δέκτη. Χρησιμοποιούνται δε προκειμένου ο αλγόριθμος εκτίμησης του καναλιού να συγκλίνει όσο το δυνατόν ταχύτερα στην επιθυμητή τιμή. Μειονέκτημα αυτών των μεθόδων είναι η επιβάρυνση του ωφέλιμου εύρους ζώνης που συνεπάγεται. Ωστόσο η εκ των προτέρων γνώση της αραιής μορφής της κρουστικής απόκρισης εχει δώσει αφορμή για την σχεδίαση ισοσταθμιστών με περιορισμένο μήκος αλλά εξίσου καλή απόδοση. Οι συμβατικές τεχνικές εκτίμησης καναλιών, όπως η Least Square μέθοδος, δεν εκμεταλλεύονται αυτή την γνώση. Οι πρόσφατες δε εξελίξεις στην ανακατασκευή αραιών σημάτων μέσω τεχνικών συμπιεσμένης καταγραφής (compressed sensing) έχουν οδηγήσει στην μελέτη της εφαρμογής τέτοιων τεχνικών στο πρόβλημα της εκτίμησης καναλιού. Η μέθοδος της συμπιεσμένης καταγραφής στηρίζεται στη δυνατότητα ανακατασκευής αραιών σημάτων από πλήθος δειγμάτων αισθητά κατώτερο από αυτό που προβλέπει το θεωρητικό όριο του Nyquist. Έχει αποδειχθεί ότι η ανακατασκευή αυτή είναι δυνατή όταν το σήμα ή έστω κάποιος μετασχηματισμός του περιέχει λίγα μη μηδενικά στοιχεία σε σχέση με το μήκος του. Οι εφαρμογές αυτών των τεχνικών εκτείνονται και σε άλλα πεδία όπως η επεξεργασία εικόνας, η μαγνητική τομογραφία, η ανάλυση γεωφυσικών δεδομένων, η επεξεργασία εικόνας radar, η αστρονομία κ.α. Στα πλαίσια αυτής της εργασίας παρουσιάζονταιοι βασικές αρχές που διέπουν την ανακατασκευή αραιών σημάτων μέσω της επίλυσης υποορισμένων συστημάτων γραμμικών εξισώσεων. Παράλληλα παρουσιάζονται οι κυριότεροι αλγόριθμοι που έχουν προταθεί για την υλοποίηση της και εξετάζονται ως προς την απόδοση και την υπολογιστική πολυπλοκότητα τους. Εν συνεχεία εξετάζεται η εφαρμογή αυτών των αλγορίθμων στο πρόβλημα της εκτίμησης αραιών καναλιών. Προτείνονται δε ισοσταθμιστές αραιών καναλιών βασισμένοι σε εκτιμητές απόκρισης που χρησιμοποιούν τεχνικές συμπιεσμένης καταγραφής. / Channels with sparse impulse response are very common in wireless telecommunications systems applications. Example of such channel is HDTV channel where multipath distribution of the transmitted signal results in a sparse form of the channel impulse response. Several different versions of the same signal are received, each one with its own gain and delay. As a result, channel impulse response has a few non zero taps compared to its length, its one corresponding to a different distribution path. Several techniques for estimating and equalizing such channels have been proposed, most of them taking advantage of this sparse form of the impulse response. The transmission of a training sequence known to the receiver is required for this purpose. It is used so that the channel estimation algorithm at the receiver converges faster. The disadvantage of the use of a training sequence is the fact that the useful bandwidth is reduced. However the a priori knowledge of the sparse form of the training sequence has led to the design of equalizers that require short training sequences but have satisfactory performance. Channel estimation techniques based on least square method do not take advantage of this idea. On the other hand recent progress on sparse signal reconstruction using compressed sensing techniques has led scientists to research the potential use of such algorithms in channel estimation. Compressed sensing is based on the idea of reconstructing a sparse signal using less samples that those predicted by Nyquist theorem. It has been proved that such a reconstruction is feasible if the reconstructed signal is sparse enough. In this dissertation several sparse signal reconstruction algorithms are presented and their performance and complexity are evaluated. Then the application of these algorithms on channel estimation equalization problem is analyzed.

Τα τελευταία χρόνια χαρακτηρίζονται από μια αλματώδη ανάπτυξη των προϊόντων και υπηρεσιών που βασίζονται στα δίκτυα ασύρματης επικοινωνίας, ενώ προκύπτουν σημαντικές ερευνητικές προκλήσεις. Τα συστήματα πολλαπλών κεραιών στον πομπό και στο δέκτη, γνωστά και ως συστήματα MIMO (multi-input multi-output), καθώς και η τεχνολογία πολλαπλής προσπέλασης με χρήση κωδικών (code division multiple access, CDMA) αποτελούν δύο από τα βασικά μέτωπα ανάπτυξης των ασύρματων τηλεπικοινωνιών. Στα πλαίσια της παρούσας διδακτορικής διατριβής, ασχοληθήκαμε με την ανάπτυξη και μελέτη αλγορίθμων επεξεργασίας σήματος για τα δύο παραπάνω συστήματα, όπως περιγράφεται αναλυτικά παρακάτω. Σχετικά με τα συστήματα MIMO, η πρωτοποριακή έρευνα που πραγματοποιήθηκε στα Bell Labs γύρω στα 1996, όπου αναπτύχθηκε η αρχιτεκτονική BLAST (Bell Labs Layered Space-Time), απέδειξε ότι η χρήση πολλαπλών κεραιών μπορεί να οδηγήσει σε σημαντική αύξηση της χωρητικότητας των ασύρματων συστημάτων. Προκειμένου να αξιοποιηθούν οι παραπάνω δυνατότητες, απαιτείται η σχεδίαση σύνθετων δεκτών MIMO. Προς αυτήν την κατεύθυνση, έχει προταθεί ένας μεγάλος αριθμός μεθόδων ισοστάθμισης του καναλιού. Ωστόσο, οι περισσότερες από αυτές υποθέτουν ότι το ασύρματο κανάλι είναι: 1) χρονικά σταθερό, 2) συχνοτικά επίπεδο (δεν εισάγει διασυμβολική παρεμβολή), και κυρίως 3) ότι είναι γνωστό στο δέκτη. Δεδομένου ότι σε ευρυζωνικά συστήματα μονής φέρουσας οι παραπάνω υποθέσεις είναι δύσκολο να ικανοποιηθούν, στραφήκαμε προς τις προσαρμοστικές μεθόδους ισοστάθμισης. Συγκεκριμένα, αναπτύξαμε τρεις βασικούς αλγορίθμους. Ο πρώτος αλγόριθμος αποτελεί έναν προσαρμοστικό ισοσταθμιστή ανάδρασης αποφάσεων (decision feedback equalizer, DFE) για συχνοτικά επίπεδα κανάλια ΜΙΜΟ. Ο προτεινόμενος MIMO DFE ακολουθεί την αρχιτεκτονική BLAST, και ανανεώνεται με βάση τον αλγόριθμο αναδρομικών ελαχίστων τετραγώνων (RLS) τετραγωνικής ρίζας. Ο ισοσταθμιστής μπορεί να παρακολουθήσει ένα χρονικά μεταβαλλόμενο κανάλι, και, από όσο γνωρίζουμε, έχει τη χαμηλότερη πολυπλοκότητα από όλους τους δέκτες BLAST που έχουν προταθεί έως σήμερα. Ο δεύτερος αλγόριθμος αποτελεί την επέκταση του προηγούμενου σε συχνοτικά επιλεκτικά κανάλια. Μέσω κατάλληλης μοντελοποίησης του προβλήματος ισοστάθμισης, οδηγηθήκαμε σε έναν αποδοτικό DFE για ευρυζωνικά κανάλια MIMO. Τότε, η διαδικασία της ισοστάθμισης εμφανίζει προβλήματα αριθμητικής ευστάθειας, που λόγω της υλοποίησης RLS τετραγωνικής ρίζας αντιμετωπίστηκαν επιτυχώς. Κινούμενοι προς την κατεύθυνση περαιτέρω μείωσης της πολυπλοκότητας, προτείναμε έναν προσαρμοστικό MIMO DFE που ανανεώνεται με βάση τον αλγόριθμο ελαχίστων μέσων τετραγώνων (LMS) υλοποιημένο εξ ολοκλήρου στο πεδίο της συχνότητας. Με χρήση του ταχύ μετασχηματισμού Fourier (FFT), μειώνεται η απαιτούμενη πολυπλοκότητα. Παράλληλα, η μετάβαση στο πεδίο των συχνοτήτων έχει ως αποτέλεσμα την προσεγγιστική διαγωνοποίηση του συστήματος, προσφέροντας ανεξάρτητη ανανέωση των φίλτρων ανά συχνοτική συνιστώσα και επιτάχυνση της σύγκλισης του αλγορίθμου. Ο προτεινόμενος ισοσταθμιστής πετυχαίνει μια καλή ανταλλαγή μεταξύ απόδοσης και πολυπλοκότητας. Παράλληλα με τα παραπάνω, ασχοληθήκαμε με την εκτίμηση του ασύρματου καναλιού σε ένα ασύγχρονο σύστημα CDMA. Το βασικό σενάριο είναι ότι ο σταθμός βάσης γνωρίζει ήδη τους ενεργούς χρήστες, και καλείται να εκτιμήσει τις παραμέτρους του καναλιού ανερχόμενης ζεύξης ενός νέου χρήστη που εισέρχεται στο σύστημα. Το πρόβλημα περιγράφεται από μια συνάρτηση ελαχίστων τετραγώνων, η οποία είναι γραμμική ως προς τα κέρδη του καναλιού, και μη γραμμική ως προς τις καθυστερήσεις του. Αποδείξαμε ότι το πρόβλημα έχει μια προσεγγιστικά διαχωρίσιμη μορφή, και προτείναμε μια επαναληπτική μέθοδο υπολογισμού των παραμέτρων. Ο προτεινόμενος αλγόριθμος δεν απαιτεί κάποια ειδική ακολουθία διάχυσης και λειτουργεί αποδοτικά ακόμη και για περιορισμένη ακολουθία εκπαίδευσης. Είναι εύρωστος στην παρεμβολή πολλαπλών χρηστών και περισσότερο ακριβής από μια υπάρχουσα μέθοδο εις βάρος μιας ασήμαντης αύξησης στην υπολογιστική πολυπλοκότητα. / Over the last decades, a dramatic progress in the products and services based on wireless communication networks has been observed, while, at the same time, new research challenges arise. The systems employing multiple antennas at the transmitter and the receiver, known as MIMO (multi-input multi-output) systems, as well as code division multiple access (CDMA) systems, are two of the main technologies employed for the evolution of wireless communications. During this PhD thesis, we worked on the design and analysis of signal processing algorithms for the two above systems, as it is described in detail next. Concerning the MIMO systems, the pioneering work performed at Bell Labs around 1996, where the BLAST (Bell Labs Layered Space-Time) architecture has been developed, proved that by using multiple antennas can lead to a significant increase in wireless systems capacity. To exploit this potential, sophisticated MIMO receivers should be designed. To this end, a large amount of channel equalizers has been proposed. However, most of these methods assume that the wireless channel is: 1) static, 2) frequency flat (no intersymbol interference is introduced), and mainly 3) it is perfectly known at the receiver. Provided that in high rate single carrier systems these assumptions are difficult to be met, we focused our attention on adaptive equalization methods. More specifically, three basic algorithms have been developed. The first algorithm is an adaptive decision feedback equalizer (DFE) for frequency flat MIMO channels. The proposed MIMO DFE implements the BLAST architecture, and it is updated by the recursive least squares (RLS) algorithm in its square root form. The new equalizer can track time varying channels, and, to the best of our knowledge, it has the lowest computational complexity among the BLAST receivers that have been proposed up to now. The second algorithm is an extension of the previous one to the frequency selective channel case. By proper modeling of the equalization problem, we arrived at an efficient DFE for wideband MIMO channels. In this case, the equalization process encounters numerical instability problems, which were successfully treated by the square root RLS implementation employed. To further reduce complexity, we proposed an adaptive MIMO DFE that is updated by the least mean square (LMS) algorithm, fully implemented in the frequency domain. By using the fast Fourier transform (FFT), the complexity required is considerably reduced. Moreover, the frequency domain implementation leads to an approximate decoupling of the equalization problem at each frequency bin. Thus, an independent update of the filters at each frequency bin allows for a faster convergence of the algorithm. The proposed equalizer offers a good performance - complexity tradeoff. Furthermore, we worked on channel estimation for an asynchronous CDMA system. The assumed scenario is that the base station has already acquired all the active users, while the uplink channel parameters of a new user entering the system should be estimated. The problem can be described via a least squares cost function, which is linear with respect to the channel gains, and non linear to its delays. We proved that the problem is approximately decoupled, and a new iterative parameter estimation method has been proposed. The suggested method does not require any specific pilot sequence and performs well even for a short training interval. It is robust to multiple access interference and more accurate compared to an existing method, at the expense of an insignificant increase in computational complexity.