大规模MIMO-OFDM系统结构化压缩感知信道估计中导频优化方法研究

对于FDD模式的大规模MIMO-OFDM系统,本文研究了将结构化压缩感知理论用于该系统的稀疏信道估计。考虑在该系统中将每个发送天线上的导频重叠放置,即每个发送天线可以在相同的时频资源块上发送导频符号,那么此时的系统稀疏信道估计问题可以建模为结构化压缩感知重建问题。为了优化导频位置和导频符号来改进稀疏信道估计的质量,提出了一种最小化完全块间相关值的导频优化准则以及基于此准则的导频搜索算法,完全块间相关值是结构化压缩感知框架下衡量恢复矩阵子块间相关程度的量值。仿真结果表明,与其他导频相比,使用此优化方法获得的导频可以使信道估计误差明显减小,其性能增益大约为2~5 d B。另外,仿真结果还表明,在相同的导频数量前提下,使用优化导频获得的性能增益会随着发送天线数量的增加而变得更加明显。

基于结构化压缩感知的NOMA系统多用户检测

未来5G移动通信在频谱效率和用户连接数等方面的需求都有巨大的增长,非正交多址接入(NOMA)作为5G的一项关键技术以其突出的优势受到了广泛关注。上行免调度NOMA系统减少了传输时延,节约了信令开销,但在接收端要对用户活动进行检测。利用结构化压缩感知理论着重分析了在NOMA系统中进行多用户检测时活跃用户数量及过载率对系统检测性能的影响。结果表明,随着活跃用户数量和过载率的增加,常用的压缩感知检测算法检测性能逐渐变差,而结构化迭代支撑检测算法(SISD)的检测性能依旧较好。

一种结构化压缩感知中的稀疏度自适应算法

大规模多输入多输出(Large-scale MIMO)系统具有极高的频谱利用率和能量效率,是5G关键技术之一.结构化子空间追踪算法(SSP)采用一种非正交导频并结合无线信道的空时相关性,可以较精确地估计来自基站端大量发送天线的多个信道,针对该算法需要信道稀疏度作为先验条件的局限性,文章提出了一种分块稀疏度自适应匹配追踪算法(BAS-MP).仿真结果表明,所提出的算法不仅在性能上与SSP算法相当,而且同时还能准确地估计信道的稀疏度.

基于结构化观测矩阵的低复杂度视频编码

低复杂度视频编码越来越受到人们的关注。压缩感知理论具有同时采样和压缩信号的特点,可用于低复杂度视频编码设计。针对基于随机观测矩阵的传统压缩感知(Compressive sensing,CS)理论很难实际应用这一问题,提出采用结构化观测矩阵的CS算法对视频编解码。探讨了结构化观测矩阵的特点和构造方法,分析了不同类型结构化观测矩阵实现信号精确重构的理论,设计了基于结构化观测矩阵的CS视频编解码算法。实验证明了所提算法的有效性,同时由于结构化观测矩阵高效、易于硬件实现,因此该算法在低复杂度视频场合具有良好的应用前景。

基于块稀疏表达模式的高光谱图像压缩

针对高光谱图像压缩算法存在的解码端计算复杂度高,且没有充分考虑高光谱图像结构特征信息等问题,提出了一种基于块稀疏表达模式的高光谱图像压缩方法.主要通过在编码端利用结构字典对稀疏系数进行结构化压缩编码,避免解码端非线性重构,以达到缩短高光谱图像重构时间的目的.实验证明该方法在压缩比较低(0.015 9)时依然能获得较高的重构精度(峰值信噪比为22.240 3,结构相似度为0.511 4).