一种改进的动态自适应多用户检测算法
发布时间：2020-12-12 15:14
在大规模机器类通信(mMTC)上行免调度非正交多址接入(NOMA)系统中,活跃用户通常以高概率在几个连续时隙传输数据。为了充分利用相邻时隙之间的时间相关性,文章提出了一种改进的动态自适应(IDA)多用户检测算法,将压缩感知的重构思想结合时间相关性实现活跃用户和数据的联合检测。在估计支撑集过程中加入自适应阈值辅助策略选择原子,利用幂函数变步长方法提高稀疏度估计的准确性,并优化迭代终止条件。仿真结果表明,与贪婪重构算法和基于动态压缩感知(DCS)的多用户检测算法相比,在缺乏先验稀疏度条件下,IDA多用户检测算法表现出更优的信号检测性能。
【文章来源】：光通信研究. 2020年06期 第49-53页 北大核心
【文章页数】：5 页
【部分图文】：
不同β下IDA算法重构性能比较
为了更好地体现IDA算法的检测性能,将所提算法与DCS、OMP、子空间追踪[9](Subspace Pursuit,SP)和先验最小二乘(Least Square,LS)算法(理想性能算法)作比较。图2所示为上述算法在不同信噪比(Signal-to-Noise Ratio,SNR)下的误码率(Bit Error Ratio,BER)性能。仿真中,设置步长调整门限δ=1.2,初始步长s=1,活跃用户数为25。由图可知,IDA算法的BER性能明显优于OMP和SP算法,原因是IDA算法充分利用了相邻时隙的时间相关性,同时结合自适应阈值辅助、迭代终止条件优化和幂函数变步长的思想,使检测性能大幅度提升。在BER=1×10-3时,IDA算法相较于DCS算法,其性能损失不到1 dB,这是因为IDA算法缺乏真实的用户稀疏度,然而在实际mMTC网络中基站端是无法得知用户稀疏度的,因此IDA算法更具有实用性。当SNR<12 dB时,IDA比DCS算法的BER性能更优,其原因是在低SNR时,阈值辅助策略和幂函数变步长方法使IDA算法更准确地估计活跃用户集。综上所述,IDA算法在保证信号重构性能的同时更适用于实际的mMTC场景。图3对比了IDA、OMP、SP、DCS和先验LS算法在不同活跃用户数下的BER性能。其中,设置步长调整门限δ=1.2,初始步长s=1,SNR=10 dB。由图可知,随着活跃用户数的增长,不同检测算法的BER都会逐渐上升,但IDA算法在整个活跃用户区间内均优于其他几种算法,其原因是阈值辅助策略提升了IDA算法选取用户支撑集的准确性,幂函数变步长方法和优化的迭代终止条件能避免活跃用户数的过估计与欠估计,确保算法及时终止迭代。
图3对比了IDA、OMP、SP、DCS和先验LS算法在不同活跃用户数下的BER性能。其中,设置步长调整门限δ=1.2,初始步长s=1,SNR=10 dB。由图可知,随着活跃用户数的增长,不同检测算法的BER都会逐渐上升,但IDA算法在整个活跃用户区间内均优于其他几种算法,其原因是阈值辅助策略提升了IDA算法选取用户支撑集的准确性,幂函数变步长方法和优化的迭代终止条件能避免活跃用户数的过估计与欠估计,确保算法及时终止迭代。图4所示为IDA、OMP、SP和DCS算法在不同活跃用户数下的迭代次数。其中,设置步长调整门限δ=1.2,初始步长s=1,SNR=10 dB。由图可知,各检测算法的迭代次数都会随活跃用户数的增加而增加,但在活跃用户数相同的条件下,IDA算法完成重构所需的迭代次数更少,其原因是阈值辅助和幂函数变步长方法的共同作用加快了IDA算法的重构速度。而DCS算法是基于OMP算法实现的,同OMP算法一样,其迭代次数随稀疏度的增长线性增加且等于已知的稀疏度。此外,SP算法是基于OMP算法改进的,在每次迭代过程中选取多个原子,因此其迭代次数略有减少,但仍高于IDA算法。
本文编号：2912802
【文章来源】：光通信研究. 2020年06期 第49-53页 北大核心
【文章页数】：5 页
【部分图文】：
不同β下IDA算法重构性能比较
为了更好地体现IDA算法的检测性能,将所提算法与DCS、OMP、子空间追踪[9](Subspace Pursuit,SP)和先验最小二乘(Least Square,LS)算法(理想性能算法)作比较。图2所示为上述算法在不同信噪比(Signal-to-Noise Ratio,SNR)下的误码率(Bit Error Ratio,BER)性能。仿真中,设置步长调整门限δ=1.2,初始步长s=1,活跃用户数为25。由图可知,IDA算法的BER性能明显优于OMP和SP算法,原因是IDA算法充分利用了相邻时隙的时间相关性,同时结合自适应阈值辅助、迭代终止条件优化和幂函数变步长的思想,使检测性能大幅度提升。在BER=1×10-3时,IDA算法相较于DCS算法,其性能损失不到1 dB,这是因为IDA算法缺乏真实的用户稀疏度,然而在实际mMTC网络中基站端是无法得知用户稀疏度的,因此IDA算法更具有实用性。当SNR<12 dB时,IDA比DCS算法的BER性能更优,其原因是在低SNR时,阈值辅助策略和幂函数变步长方法使IDA算法更准确地估计活跃用户集。综上所述,IDA算法在保证信号重构性能的同时更适用于实际的mMTC场景。图3对比了IDA、OMP、SP、DCS和先验LS算法在不同活跃用户数下的BER性能。其中,设置步长调整门限δ=1.2,初始步长s=1,SNR=10 dB。由图可知,随着活跃用户数的增长,不同检测算法的BER都会逐渐上升,但IDA算法在整个活跃用户区间内均优于其他几种算法,其原因是阈值辅助策略提升了IDA算法选取用户支撑集的准确性,幂函数变步长方法和优化的迭代终止条件能避免活跃用户数的过估计与欠估计,确保算法及时终止迭代。
图3对比了IDA、OMP、SP、DCS和先验LS算法在不同活跃用户数下的BER性能。其中,设置步长调整门限δ=1.2,初始步长s=1,SNR=10 dB。由图可知,随着活跃用户数的增长,不同检测算法的BER都会逐渐上升,但IDA算法在整个活跃用户区间内均优于其他几种算法,其原因是阈值辅助策略提升了IDA算法选取用户支撑集的准确性,幂函数变步长方法和优化的迭代终止条件能避免活跃用户数的过估计与欠估计,确保算法及时终止迭代。图4所示为IDA、OMP、SP和DCS算法在不同活跃用户数下的迭代次数。其中,设置步长调整门限δ=1.2,初始步长s=1,SNR=10 dB。由图可知,各检测算法的迭代次数都会随活跃用户数的增加而增加,但在活跃用户数相同的条件下,IDA算法完成重构所需的迭代次数更少,其原因是阈值辅助和幂函数变步长方法的共同作用加快了IDA算法的重构速度。而DCS算法是基于OMP算法实现的,同OMP算法一样,其迭代次数随稀疏度的增长线性增加且等于已知的稀疏度。此外,SP算法是基于OMP算法改进的,在每次迭代过程中选取多个原子,因此其迭代次数略有减少,但仍高于IDA算法。
本文编号：2912802
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2912802.html
