一种稀疏度自适应的压缩感知信道估计算法

2016-09-22 02:19:24林思铭彭卫东李明阳林志国
合肥工业大学学报(自然科学版) 2016年8期
关键词:信号

林思铭, 彭卫东, 李明阳, 林志国, 李 瑞



一种稀疏度自适应的压缩感知信道估计算法

林思铭1,2,彭卫东2,李明阳3,林志国1,2,李瑞1,2

(1.空军工程大学 装备管理与安全工程学院,陕西 西安710051; 2.空军工程大学 装备发展与运用研究中心,陕西 西安710051; 3.中国人民解放军95972部队,甘肃 酒泉735018)

针对目前稀疏度自适应的压缩感知(compressed sensing,CS)信道估计算法计算量过大的问题,文章提出了基于关联度分析的稀疏度自适应归档正则化迭代硬阈值(sparsity adaptive archiving normalized iterative hard thresholding,SAANIHT)算法。ANIHT算法可以解决传统压缩感知理论计算量大、计算时间过长的问题,但需要预知信道的稀疏度。引入高斯核函数对一种稀疏度估计算法进行了改进,并与ANIHT算法结合,使其可以在盲稀疏情况下对信道进行估计。仿真结果表明,在同等稀疏度条件下,该算法比其他算法节约了计算时间,在低信噪比下性能更优,具有较好的重构性能与稳定性。

压缩感知;稀疏多径信道估计;归档正则化迭代硬阀值算法;高斯核函数;稀疏度自适应

压缩感知(compressed sensing,CS)理论被提出以来,已产生了大量的相关研究与应用。该理论主要涉及3个方面的内容,即信号的稀疏表示、观测矩阵的构建与重构算法[1-2]。信号能够被稀疏表示是压缩感知的前提,如果信号在某个变换基上是稀疏的,设计一个与变换基不相关的观测矩阵对信号进行观测,从观测集合中可以重构出原始稀疏信号。

在无线通信中,准确的信道估计是通信系统的信号检测、均衡等步骤的基础和关键。已有的信道估计算法分为基于导频或训练序列的估计算法和盲估计算法,前者主要包括最小二乘(least square,LS)估计算法,但需要较大的导频开销,而后者不适用于较低信噪比情况。……

登录APP查看全文

猜你喜欢
信号
信号
鸭绿江(2021年35期)2021-04-19 12:24:18
完形填空二则
7个信号,警惕宝宝要感冒
妈妈宝宝(2019年10期)2019-10-26 02:45:34
孩子停止长个的信号
《铁道通信信号》订阅单
基于FPGA的多功能信号发生器的设计
电子制作(2018年11期)2018-08-04 03:25:42
基于Arduino的联锁信号控制接口研究
《铁道通信信号》订阅单
基于LabVIEW的力加载信号采集与PID控制
Kisspeptin/GPR54信号通路促使性早熟形成的作用观察