【基于压缩感知的MIMO-OFDM信道估计分析案例3000字】_第1页
【基于压缩感知的MIMO-OFDM信道估计分析案例3000字】_第2页
【基于压缩感知的MIMO-OFDM信道估计分析案例3000字】_第3页
【基于压缩感知的MIMO-OFDM信道估计分析案例3000字】_第4页
【基于压缩感知的MIMO-OFDM信道估计分析案例3000字】_第5页
已阅读5页，还剩8页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1 1 2 2 2 3 3 3 5 8假设信号s为稀疏信号，通过得到的观测值y∈R和一个满足RIP条件的观s不一定满足稀疏条件，此时可以通过稀疏域ψ,将s变换到稀疏域上代入到式2.17中可以得到观测值：1.2.压缩感知重构算法针对信号的稀疏特性，将压缩感知引入到了MIMO-OFDM系统中。由于MIMO-OFDM系统信道具有稀疏特性，所以系统中的信道估计问题就变成了信ROMP、SAMP、CoSaMP算法。压缩感知算法与LS和MMSE算法相比，在导OMP算法需要首先输入M×N的传感矩阵A=①Y,N×1维的输入信号y,以及信号的稀疏度K。然后进行初始化残差、支撑索引集和迭代次数K。对迭代最后输出信号稀疏表示系数估计θ,N×1维残差rk=y-AkOR。该算法主要此传输信号数据比较大时计算量很大，OMP算法在处理大规模数据时重构速度ROMP算法在OMP算法的基础上，对传感矩阵A抽取列向量的原则进行了的K项。之后每次进行迭代时，从K列按照正则化的标准再次进行选项步骤。CoSaMP算法也是OMP算法的一种改进。首先输入信号完成初始化，随后最后输出输出信号和残差，完成重构。与OMP算法相比，CoSaMP算法引入了回溯思想，没有在支持集合上用最小二乘解求近似解，而是用A的伪逆乘1.3.压缩感知重构算法仿真原始信号是一个随机产生的长度为256的稀疏信号，观测矩阵Φ选用的是随OMP算法的重构情况如图所示。通过对比图中的原始信号和恢复后的信号，所测试ROMP算法时，信号稀疏度为12。当观测个数为128时，R明ROMP算法能够较好地将信号恢复出来。仿真的恢复残差为9.3285e-原始信号仍是长度为256的随机稀疏信号，稀疏矩阵和测量矩阵使用的仍是响。然后比较了稀疏度为20时，压缩感知算法在不同测量数下的重构性能，对在研究测量数与重构成功率的关系时，算法稀疏度分别选择了4、12、20、28和36的情况，仿真结果如图所示。测量数M与重构成功概率关系曲线(N=256)(高斯)0图4.6不同测量数下ROMP算法重构性能测量数(M)提高，当测量数达到一定数目后，重构成功率接近100%,表明此时算法能够很和ROMP算法性能更好。这是由于CoSaMP算法引入了回溯的思想，降低了导100、148、196和244的情况，仿真结果如图所示。信号稀疏度(K)在稀疏度为20时，对不同压缩感知算法的重构性能进行比较，其中SAMP算法步长S分别设置为1、5和10,仿真结果如图所示。虽然测试程序时设置了测量数分析：通过仿真结果可以看出，SAMP算法整体要比其他算法性能要好。其信道长度设置为8,信道稀疏度为2,信噪比为0:5:50db,子载波数为64。噪比的不断提高而逐渐地降低。其中MMSE算法的均方误差数值更小，性能更好，OMP

人人文库> 全部分类> 教育资料 > 中学教育

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论