一种改进的HOSVD降噪的信道预测算法

发布时间：2023-04-07 21:50

　　基于高阶奇异值分解(High Order Singular Value Decomposition, HOSVD)降噪的信道预测算法对天线数较少引起的秩不足问题比较敏感,同时也难以应付较大多普勒频移的情况,从而引起信道估计性能和预测性能的急剧下降、损失信道容量.针对这一问题,提出了一种改进的使用HOSVD降噪的信道预测算法.该算法先利用多输入多输出(Multiple-input Multiple-Output, MIMO)信道固有的空时相关性对采样得到的信道状态信息(Channel State Information, CSI)进行矩阵重排和数据平滑处理,随后基于信道的多维结构特性,使用HOSVD降低噪声的影响,继而重构信道矩阵,最后利用递归最小二乘滤波器对未来时刻的信道状态进行预测.仿真表明,所提算法的估计误差和预测误差性能均明显优于对比算法,这是因为所提算法通过矩阵重排和空时平滑,虚拟地增加了天线数,降低了秩缺失问题对估计和预测精度的影响,从而有效补偿了因误差所致的信道容量的损失.同时,对比天线数和多普勒频移对不同算法性能的影响可见,所提算法也能在大多普勒频移和天线数较少等不利条件...

【文章页数】：5 页

【文章目录】：
1 信道模型
2 信道预测算法
    2.1 数据处理
    2.2 HOSVD降噪
    2.3 信道预测
3 仿真结果
    3.1 复杂度分析
    3.2 仿真分析
4 结 论



本文编号：3785387