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.
| Identifer | oai:union.ndltd.org:upatras.gr/oai:nemertes:10889/4995 |
| Date | 25 January 2012 |
| Creators | Λιόνας, Ιωάννης |
| Contributors | Μπερμπερίδης, Κωνσταντίνος, Lionas, John, Τουμπακάρης, Δημήτριος, Ψαράκης, Εμμανουήλ |
| Source Sets | University of Patras |
| Language | gr |
| Detected Language | Greek |
| Type | Thesis |
| Rights | 0 |
| Relation | Η ΒΚΠ διαθέτει αντίτυπο της διατριβής σε έντυπη μορφή στο βιβλιοστάσιο διδακτορικών διατριβών που βρίσκεται στο ισόγειο του κτιρίου της. |
Page generated in 0.017 seconds