提出了一种基于压缩感知理论的正交频分复用( OFDM)系统稀疏信道估计的新方法,并具体采用正交匹 配追踪( OMP)压缩感知算法对 OFDM时域信道脉冲响应进行估计。与传统的最小二乘算法比较,它可以在使用较 少导频的条件下获得很好的信道估计性能,从而可以提高系统频谱有效性。根据仿真和压缩感知理论分析确定了 OMP信道估计中最佳导频数和最佳导频位置。

参考： SF Cotter和BD Rao，“通过匹配追踪和均衡应用的稀疏信道估计”，在IEEE Transactions on Communications，第1卷。 50，不。 3，第374-377页，2002年3月。

提出了一种基于压缩感知理论的正交频分复用(OFDM)系统稀疏信道估计的新方法,并具体采用正交匹配追踪(OMP)压缩感知算法对OFDM时域信道脉冲响应进行估计。与传统的最小二乘算法比较,它可以在使用较少导频的条件下获得很好的信道估计性能,从而可以提高系统频谱有效性。根据仿真和压缩感知理论分析确定了OMP信道估计中最佳导频数和最佳导频位置。

OFDM 稀疏信道估计 代码类 其中是以压缩感知为基础的OFDM稀疏信道估计 这篇里面主要是BP算法

参考： GZ Karabulut 和 A. Yongacoglu，“使用正交匹配追踪算法进行稀疏信道估计”，IEEE 第 60 届车辆技术会议，2004 年。VTC2004-Fall。 2004 年，加利福尼亚州洛杉矶，2004 年，第 3880-3884 卷。 6.

大规模MIMO系统中基于压缩感知的稀疏信道估计

现有的信道估计算法大多是基于高斯噪声模型假设。然而在实际无线通信环境中，常常出现脉冲噪声使得噪声不再满足高斯模型，而是满足一种广义高斯分布（GGD）噪声模型。采用传统的自适应信道估计算法（如递归最小二乘（RLS）算法）无法抑制这种非高斯噪声的干扰。对此提出一种可抑制非高斯噪声干扰的RLS信道估计算法。该算法通过在标准RLS算法中引入两种稀疏约束函数（L1-范数和L0-范数）来有效地挖掘稀疏结构信息。通过蒙特卡罗仿真，验证了提出的信道估计算法的估计性能比标准RLS算法更好。