Journal of Satellite, Information and Communications (한국위성정보통신학회논문지)

Korea Society of Satellite Technology (한국위성정보통신학회)
권호 표지

Performance evaluation of estimation methods based on analysis of mean square error bounds for the sparse channel

Sparse 채널에서 최소평균오차 경계값 분석을 통한 채널 추정 기법의 성능 비교

  • 김현수 (인하대학교 전자공학과 무선이동통신연구실) ;
  • 김재영 (인하대학교 전자공학과 무선이동통신연구실) ;
  • 박건우 (인하대학교 전자공학과 무선이동통신연구실) ;
  • 최영관 (한국수자원공사) ;
  • 정재학 (인하대학교 전자공학과 무선이동통신연구실)
  • Received : 2012.04.20
  • Accepted : 2012.06.19
  • Published : 2012.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we evaluate and analyze representative estimation methods for the sparse channel. In order to evaluate error performance of matching pursuit(MP) and minimum mean square error(MMSE) algorithm, lower bound of MMSE is determined by Cramer-Rao bound and compared with upper bound of MP. Based on analysis of those bounds, mean square error of MP which is effective in the estimation of sparse channel can be larger than that of MMSE according to the number of estimated tap and signal-to-noise ratio. Simulation results show that the performances of both algorithm are reversed on the sparse channel with Rayleigh fading according to signal-to-noise ratio.

본 논문에서는 sparse 채널에서 대표적인 채널 추정 기법들의 오차 성능을 비교 및 분석한다. 오차 성능을 비교하기 위해 크라머-라오 경계를 이용하여 최소평균자승오차 추정기법의 하한 경계를 구하고 이를 정합 추적 기법의 상한 경계와 분석한다. 분석 결과로부터 추정 탭 개수와 신호 대 잡음비에 따라 기존에 sparse 채널에서 효율적인 추정기법으로 알려진 정합 추적 기법보다 최소평균 자승오차 추정기법의 오차가 적을 수 있음을 보인다. 레일리이 페이딩 분포를 갖는 두 개의 sparse 채널에 대한 전산모의실험 결과 신호 대 잡음비에 따라 두 추정 기법의 오차 성능이 반전되는 경우를 보였다.

Keywords

References

  1. S. M. Kay, Fundamentals of statistical signal processing, vol.1, estimation theory, Prentice Hall, 1993, pp.379-476.
  2. Z. Tang, R. C. Cannizzaro, G. Leus, and P. Banelli,"Pilot-assisted time-varying channel estimation for OFDM systems," IEEE Transactions on signal processing, vol. 55, no. 5, pp.2226-2238, 2007. https://doi.org/10.1109/TSP.2007.893198
  3. B. su, and P. P. Vaidyanathan, "A semi-blind pilot-assisted channel estimation algorithm in OFDM sysmtes," Signals, Systems and Computers, 2007., pp.1763-1767.
  4. C. R. Berger, Z. Wang, J. Huang, and S. Zhou, "Application of compressive sensing to sparse channel estimation," IEEE communications magazine, pp.164-174, Nov. 2010.
  5. C. R. Berger, S. Zhou, J. C. Preisig, and P. Willett, "Sparse channel estimation for multicarrier underwater acoustic communication: from subspace methods to compressed sensing," IEEE transactions on signal processing, vol. 58, no. 3, pp.1708-1721, 2010. https://doi.org/10.1109/TSP.2009.2038424
  6. C. Carbonelli, and U. Mitra, "A simple sparse channel estimator for underwater acoustic channels," OCEANS 2007, pp.1-6.
  7. G. Z. Karabulut, and A. Yongacoglu, "Sparse channel estimation using orthogonal matching pursuit algorithm," Vehicular Technology conference, 2004., vol. 6, pp.3880- 3884.
  8. H. C. Song, "Time reversal communication in a time-varying sparse channel," JASA express letters, vol. 130, no. 4, pp.161-166, 2011.
  9. G. Hufford, "A characterization of the multipath in the HDTV channel," IEEE transactions on broadcasting, vol. 38, no. 4, pp.252-255, 1992. https://doi.org/10.1109/11.184728
  10. B. Sklar, Digital communications, 2nd ed., Prentice Hall, 2001, pp.155-156.
  11. Y. Liu, and K. K. Borah, "Estimation of fading channels with large possible delay spreads," Electronic Letters, vol. 39, no. 1, pp.130-131, 2003. https://doi.org/10.1049/el:20030073
  12. L. Berriche, K. Abed-Meraim, and J. Belfiore, "Cramer-Rao bounds for mimo channel estimation," ICASSP 2004, vol. 4, pp.iv397-iv400.