基于压缩感知的期望最大化贝努利非对称高斯近似信息传递算法

期望最大化贝努利高斯（BG）近似信息传递（EM-BG-AMP）算法中的BG模型因为具有对称性,在逼近实际信号先验分布时会受到限制;而期望最大化高斯混合近似信息传递（EM-GM-AMP）算法中的GM模型是BG模型的高阶形式,复杂度较高。为了解决以上问题,提出贝努利不对称高斯模型（BAG）,进而推导得到期望最大化贝努利不对称高斯近似信息传递（EM-BAG-AMP）算法。该算法的主要思路是假设输入信号服从BAG模型,然后使用广义近似信息传递（GAMP）重构信号并在算法迭代中同时更新模型参数。实验证明,在处理不同图像数据时,EM-BAG-AMP和EM-BG-AMP相比,时间增加了1.2%,峰值信噪比（PSNR）值提升了0.1~0.5 d B,尤其在处理纹理较少以及色差变化明显的图像时峰值信噪比（PSNR）值提升了0.4~0.5 d B。EM-BAG-AMP是对EM-BG-AMP算法的扩展和延伸,更适合实际信号的处理。

基于近似信息传递算法的大规模MIMO信号检测

大规模多输入多输出(MIMO)技术通过增加天线的数目可以有效降低发送功率,提高能量效率,被认为是5G移动通信的一项关键技术。随着天线数目的大幅增加,信号检测的复杂度随之增加。分析了大规模MIMO信号检测的研究现状,提出了近似信息传递(AMP)算法,并比较了AMP算法、Richarson算法以及Neumann级数迭代近似算法的复杂度。仿真结果表明,该算法使用较少的迭代次数即可达到和MMSE近似的系统差错性能。

单载波宽带MIMO系统广义近似消息传递Turbo频域均衡

针对编码单载波循环前缀(SC-CP)多输入多输出(MIMO)系统,该文采用消息传递算法研究软输入软输出MIMO频域均衡器(FDE)的设计问题。基于广义近似消息传递(GAMP)算法,该文提出一种新的低复杂度MIMO频域均衡方法。这种消息传递MIMO均衡方法的显著特点是既保留了SC-CP传输所产生的频域均衡的优点,同时又避免了传统MIMO FDE中逐频点MIMO矩阵求逆运算,所以具有随MIMO系统接收天线数增加而线性增长的计算复杂度。计算机仿真结果表明,与传统方案相比,该文提出的MIMO频域均衡算法具有明显的误码率(BER)性能优势。

自适应广义酉变换近似消息传递算法

信号/参数经过线性变换,再经过逐位非线性变换得到测量值的过程可以抽象为广义线性模型。广义近似消息传递算法是处理广义线性模型的一种Bayes方法,通过引入信号的稀疏先验分布,利用似然函数和先验分布得到后验均值和后验方差。然而,当测量矩阵的元素不服从次Gauss分布时,广义近似消息传递算法性能会急剧恶化。通过奇异值分解,广义酉变换近似消息传递算法消除了测量矩阵的相关性,在包括相关测量矩阵的各类测量矩阵中表现出更强的鲁棒性。然而,经过足够多次迭代后,广义酉变换近似消息传递算法的信号重构误差在平衡点附近振荡;且随着测量矩阵相关性的增加,广义酉变换近似消息传递算法性能开始恶化。为了进一步提高广义酉变换近似消息传递算法的稳健性、改善算法准确性,该文提出自适应广义酉变换近似消息传递算法。该算法通过构造目标函数并自适应选择合适的步长,使得广义酉变换近似消息传递算法能够收敛到平衡点,从而获得更好的性能。大量的数值仿真实验结果验证了自适应广义酉变换近似消息传递算法的有效性。

基于近似消息传递的超宽带压缩频谱感知方法

现有的宽带压缩频谱感知方法无法高效地处理高维信号。针对该情况,提出了一种改进的基于近似消息传递的超宽带压缩频谱感知方法。考虑在频谱感知时未知稀疏率和方差的先验信息,首先,设置稀疏率上界并估计出方差的先验参数;然后,利用广义近似消息传递算法得到稀疏向量中元素的估计值;最后,将稀疏向量较小值对应的频谱判决为频谱空洞。仿真结果表明,与已有方法相比,所提方法在处理中低维和高维问题时都具有较高的性能。

基于CAMP稀疏重建算法的并行实现

高分辨率合成孔径雷达(SAR)数据量大,导致稀疏重建过程计算量大。复数近似信息传递(CAMP)是一种收敛速度快的稀疏重建算法,经常被用于稀疏信号重建。为了解决计算量大的问题,提出了一种基于CAMP的并行算法,在计算统一设备架构(CUDA)上对CAMP算法中Chirp Scaling算子和排序算法进行优化。在Chirp Scaling算子中,主要对矩阵转置、FFT和IFFT进行并行优化,并引入并行版本的双调排序。最后,利用串行的CAMP算法和并行的CAMP算法分别重构点目标图像。实验结果表明,在正确重建的前提下,并行的CAMP算法的比串行CAMP算法快29.55倍。

基于K学习的Sub-6GHz辅助毫米波信道信息获取

毫米波通信是下一代蜂窝通信之类的大数据通信的可行方案。然而,因为毫米波频率具有极大的路径损耗,所以为了减轻毫米波路径损耗,混合模拟/数字波束成形可以作为一种技术来降低路径损耗。对于获得高波束源增益至关重要的是在发射机处获得准确的毫米波信道信息。该文着重讨论具有大规模MIMO阵列的毫米波通信系统中的信道状态信息获取问题。由于信道信息获取是一种开销很大的方法,因此该文考虑了一种开销低的精确信道估计方案。通过在子-6GHz处提取的支持信息来辅助毫米波信道信息的获取,将毫米波信道信息获取公式化为压缩感测问题,并使用广义近似消息传递(GAMP)算法获得信道信息。使用子-6GHz信道的支持分布信息扩展了GAMP算法。此外,基于K最近邻的思想,根据子-6GHz的支持分布信息重新设计GAMP算法。仿真结果表明,与现有的信道估计算法相比,该算法不仅可以提高估计精度还能降低导频开销。