基于Takenaka-Malmquist字典的无线信道稀疏表示方法与应用

发布时间：2022-07-29 13:15

　　采用压缩感知理论进行信道估计的前提是信道本身为稀疏的,或者可以通过少许几个基函数进行稀疏表示。目前,大部分应用于信道稀疏表示的字典由某组固定的正交基函数系列所构成,不能用少量的基函数对信道进行表示。为此,本文引入Takenaka-Malmquist（TM）函数系,研究与信道结构相匹配的TM字典的构造和学习方法,发展自适应匹配无线信道的稀疏表示方法。主要工作和创新点如下:首先,提出了一种基于修正解析TM字典的无线信道稀疏表示方法。将开单位圆内等间隔采样的点作为TM函数的极点,构成初始TM基函数,对其离散化后形成解析TM字典。使用正交匹配追踪算法对信道进行稀疏表示,根据该稀疏表示中所用TM基函数对应极点在开单位圆内的位置分布,重新设置极点用来替换之前由等间隔采样得到的极点,从而构成修正TM基函数,并形成修正解析TM字典。仿真结果表明,相较于基于解析TM字典,解析离散余弦变换等字典的稀疏表示方法,本方法对信道的表示结果更稀疏。其次,为了使修正解析TM字典能够进一步地匹配信道的内在结构,提出了一种基于修正学习TM字典的无线信道稀疏表示方法。通过使用K-SVD算法对修正解析TM字典进行训练,自适... 

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题来源
    1.2 无线信道的稀疏表示
        1.2.1 基于字典的信道稀疏表示
        1.2.2 字典的构造方式
        1.2.3 稀疏系数的求解方式
    1.3 国内外研究现状
    1.4 论文的主要研究问题
    1.5 论文的主要工作
第二章 TM字典的两种构造方法
    2.1 TM函数系简介
    2.2 基于解析式的TM字典构造方法
    2.3 基于学习算法的TM字典构造方法
        2.3.1 基于MOD算法的构造方法
        2.3.2 基于K-SVD算法的构造方法
    2.4 本章小结
第三章 基于修正解析TM字典的无线信道稀疏表示
    3.1 引言
    3.2 基于修正解析TM字典的稀疏表示方法
        3.2.1 修正解析TM字典的构造
        3.2.2 修正解析TM字典的完备性证明
        3.2.3 无线信道的稀疏表示方法
        3.2.4 基于稀疏表示的无线信道降噪处理方法
    3.3 仿真结果分析
        3.3.1 Jakes无线信道的稀疏表示
        3.3.2 Jakes无线信道的降噪处理
    3.4 本章小结
第四章 基于修正学习TM字典的无线信道稀疏表示
    4.1 引言
    4.2 基于修正学习TM字典的稀疏表示方法
        4.2.1 修正学习TM字典的构造
        4.2.2 无线信道的稀疏表示方法
        4.2.3 基于稀疏表示的无线信道降噪处理方法
    4.3 仿真结果分析
        4.3.1 Jakes无线信道的稀疏表示
        4.3.2 Jakes无线信道的降噪处理
    4.4 本章小结
第五章 基于修正加权学习TM字典的无线信道双重稀疏表示
    5.1 引言
    5.2 基于修正加权学习TM字典的双重稀疏表示方法
        5.2.1 加权K-SVD字典学习算法
        5.2.2 并行加权K-SVD字典学习算法
        5.2.3 无线信道的稀疏表示方法
    5.3 仿真结果分析
        5.3.1 Jakes无线信道的稀疏表示
        5.3.2 Jakes无线信道的降噪处理
        5.3.3 加权K-SVD算法与并行加权K-SVD算法的耗时和性能参数对比
    5.4 本章小结
第六章 结论与展望
    6.1 结论
    6.2 展望
参考文献
作者在攻读硕士学位期间公开发表的论文
作者在攻读硕士学位期间所作的项目
致谢



本文编号：3666531