CN111049767B - 一种稀疏正交频分复用放大转发(ofdm-af)系统数据检测方法 - Google Patents
一种稀疏正交频分复用放大转发(ofdm-af)系统数据检测方法 Download PDFInfo
- Publication number
- CN111049767B CN111049767B CN201911293096.4A CN201911293096A CN111049767B CN 111049767 B CN111049767 B CN 111049767B CN 201911293096 A CN201911293096 A CN 201911293096A CN 111049767 B CN111049767 B CN 111049767B
- Authority
- CN
- China
- Prior art keywords
- sparse
- forwarding
- equivalent
- representing
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003199 nucleic acid amplification method Methods 0.000 title claims abstract description 37
- 230000003321 amplification Effects 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 title claims abstract description 11
- 238000009826 distribution Methods 0.000 claims abstract description 34
- 239000000203 mixture Substances 0.000 claims abstract description 13
- 238000005315 distribution function Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 31
- 230000004044 response Effects 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 1
- 238000011084 recovery Methods 0.000 abstract 1
- 230000006854 communication Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种稀疏正交频分复用放大转发(OFDM‑AF)系统数据检测方法,针对稀疏正交频分复用放大转发(OFDM‑AF)系统,建立等效链路模型,对等效链路中的等效信道噪声w建立一个由K阶混合高斯模型;利用三层稀疏贝叶斯学习方法,并根据等效链路模型画出系统因子图;为因子图中各变量设置合理的先验分布;根据设定的初始值推导的出各参数闭式解;对各参数先验分布设定初始值,并对各因子迭代求解,恢复发射信号,并输出发射信号估计值;本发明利用混合复高斯函数对系统噪声的概率分布函数进行近似,基于不完全信道状态信息(CSI)与变分消息传递算法推导出各因子的迭代闭式解,从而使接收端能够进行准确的信号恢复,方法复杂度低且性能较传统最小均方误差(MMSE)算法有极大的提升。
Description
技术领域
本发明涉及无线通信技术领域,特别涉及一种稀疏正交频分复用放大转发(OFDM-AF)系统数据检测方法。
背景技术
无线中继网络在蜂窝网络及自组织(ad-hoc)网络中应用广泛,具有巨大的优势。在协作无线中继网络中,中间节点充当源节点向目标节点发送信号的中继,这一步可以使用多种协议,目前使用最广泛的是放大转发(AF)和解码转发(DF)两种。相比较于解码转发(DF),放大转发(AF)具有更简单的实现方法,因此被广泛使用。在放大转发(AF)模式下,中继节点只需要对接收信号进行放大,这样的操作可以加大信号与噪声之间的差距。在宽带无线中继网络中,基于OFDM的放大转发(AF)中继可以有效对抗频率选择性衰落,提升系统性能。
在稀疏正交频分复用放大转发(OFDM-AF)系统中,传统算法通常需要先发送导频,进而得到信道的估计值,然而这样的操作对于算法本身并没有实际的意义,因此本发明提出的数据检测方法中基于不完全信道信息(CSI)对算法进行初始化。
目前已有的研究中,普遍将系统噪声考虑为高斯分布,由于高斯分布符合大数定理且易于数学计算,因此这样的假设看似合理。但是已有文献指出实际的通信过程中,会受到各种各样的干扰,噪声也会随之发生变化,进而产生具有非高斯特性响应。此时若依然沿用传统的针对高斯噪声所设计的算法进行检测,将会导致接收端系统性能的明显下降。
发明内容
为了克服上述问题,本发明的目的在于提出了一种稀疏正交频分复用放大转发(OFDM-AF)系统数据检测方法,针对具有非高斯特性的信道噪声,使用混合高斯函数对其概率密度函数进行近似,对信道的时域稀疏性引用中间变量来控制其稀疏度,从而为算法引入更高的自由度,最后基于不完全信道状态信息(CSI)与变分消息传递(VMP)理论,推导出系统中各变量闭式解,并通过迭代计算对发射信号进行恢复;具有更接近实际的稀疏正交频分复用放大转发(OFDM-AF)系统通信过程,更强的实用性的特点。
为了达到上述目的,本发明采用下述技术方案来实现。
一种稀疏正交频分复用放大转发(OFDM-AF)系统数据检测方法,包括下述步骤:
步骤A、针对稀疏正交频分复用放大转发(OFDM-AF)系统,建立等效链路模型,对等效链路中的等效信道噪声w建立一个K阶混合复高斯模型;利用三层稀疏贝叶斯学习方法,并根据等效链路模型画出系统因子图;
步骤B、为系统因子图中各变量设置合理的先验分布;根据设定的初始值推导得出各参数闭式解;对各参数先验分布设定初始值,并对各因子迭代求解,恢复发射信号,并输出发射信号估计值。
所述步骤A具体为:
A1、稀疏正交频分复用放大转发(OFDM-AF)系统共包含两部分,对两部分时域信道进行级联,建立等效链路模型,对于等效信道噪声w=[w0,w1,...,wN-1]T,其混合复高斯模型的概率密度函数为:
其中,β=[β0,β1,...,βK-1]T,δ=[δ0,δ1,...,δK-1]T,α为放大转发系数,s=αx为放大转发后的信号,x为发送节点发送信号;u为等效稀疏多径信道响应;β表示混合复高斯的加权系数;δ表示混合复高斯逆方差;0N×1为元素全为0的N×1维向量;IN表示N×N维的单位矩阵,N为系统子载波数;CN表示复高斯分布函数;
A2、利用三层稀疏贝叶斯模型,为系统引入中间变量{γ,η},用于控制等效信道的时域稀疏度,此时因子图中变量集合为Λ={s,u,β,δ,γ,η}其中,β=[β0,β1,...,βK-1]T,δ=[δ0,δ1,...,δK-1]T,α为放大转发系数,s=αx为放大转发后的信号,x为发送节点发送信号;u为等效稀疏多径信道响应;β表示混合复高斯的加权系数;δ表示混合复高斯逆方差。
所述步骤B具体为:
B1、为系统因子图中设置合理的先验分布如下:
其中,s=αx为经放大转发后的信号向量,α为放大转发系数,x为发送信号,u为稀疏多径信道响应,β表示混合复高斯的加权系数,δ表示混合复高斯中逆方差,γ和η为控制稀疏信道稀疏度的中间变量,Lu为多径数,为离散傅里叶变换矩阵F的前Lu列,C0(s)为s的协方差矩阵,0N×1为元素全为0的N×1维向量,为元素全为0的Lu×1维向量,IN表示N×N维的单位矩阵,N为系统子载波数,CN表示复高斯分布函数,Ga表示伽马分布函数,ak,bk,ε,ηl,cl,dl等表示伽马分布的形状参数和尺度参数,U表示离散的均匀分布;
B2、根据先验分布推导各参数闭式解:
其中,< >表示取均值,tr( )表示求迹,diag( )表示向量对角化或矩阵取对角元素并对角化,R表示协方差矩阵,m表示期望;s=αx为经放大转发后的信号向量,α为放大转发系数,x为发送信号,u为稀疏多径信道响应,β表示混合复高斯的加权系数,δ表示混合复高斯中逆方差,γ和η为控制稀疏信道稀疏度的中间变量,Lu为多径数,为离散傅里叶变换矩阵F的前Lu列,C0(s)为s的协方差矩阵,K为混合高斯阶数,N为系统子载波数,ak,bk,ε,ηl,cl,dl等表示伽马分布的形状参数和尺度参数;
B3、对各先验分布设定的初始值如下:
ε=0,cl=1,dl=10-6
为忽略不完全CSI误差时,MMSE算法对发射信号的估计值,0N×N表示元素全为零的N×N维矩阵,IN表示N×N维的单位矩阵,N为系统子载波数,δk为混合复高斯中第k个复高斯方差的逆的初始值,βk为混合复高斯模型中第k个复高斯加权系数的初始值,ak,bk,ε,cl,dl等表示伽马分布的形状参数和尺度参数的初始值;
B4、对各因子迭代求解,恢复发射信号,并输出发射信号估计值。
本发明采用基于不完全信道状态信息(CSI)及非高斯噪声条件下,利用因子图及变分消息传递(VMP)算法推导出了各变量后验分布函数,并得到函数中各参数的闭式解;本发明采用三层稀疏贝叶斯学习方法,恢复出发射信号,解决了稀疏OFDM-AF系统中传统算法中无法有效对抗非高斯噪声的问题,具有较低的系统复杂度及较高的传输可靠性。
附图说明
图1为稀疏正交频分复用放大转发(OFDM-AF)系统数据检测方法的流程图。
图2为系统因子图。
图3为本发明所述算法与其他算法的性能对比。
具体实施方式
以下结合附图及实施例对本发明作进一步详细说明,更加清晰地说明本发明的目的、技术方案及优点。应当理解,此处所述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本实施例考虑的场景是:一个单发单收的稀疏正交频分复用放大转发(OFDM-AF)系统,其包括一个基站节点S,一个中继节点R和一个用户节点D。系统中仅包含一条间接链路,有S-R、R-D子链路构成。
用户节点的接收信号:
y=αGr+z
其中,r=Hx+d表示中继节点接收到的信号,x=[x0,x1,...,xN-1]T为发射信号。放大系数Er为中继节点的平均发射功率,Ex为信号的平均功率。定义 和表示第n条子载波上的频域信道响应,因此其中为离散傅里叶变换矩阵F的前Lh、Lg列,h,g均为零均值循环对称复高斯(ZMCSCG)变量,方差上式中H=diag(vh),G=diag(vg)。d,z均为频域系统噪声,其分布未知,平均功率为及
此时目的节点接收信号可以被表示为:
y=Us+αGd+z
=Us+w
本发明稀疏正交频分复用放大转发(OFDM-AF)系统数据检测方法的一个实施例的流程图如图1所示。该方法包括步骤如下:
步骤A、针对稀疏正交频分复用放大转发(OFDM-AF)系统,建立等效链路模型,对等效链路中的等效信道噪声w建立一个由K阶混合复高斯模型;利用三层稀疏贝叶斯学习方法,并根据等效链路模型画出系统因子图;
(1)稀疏正交频分复用放大转发(OFDM-AF)系统共包含两部分,对两部分时域信道进行级联,建立等效链路模型,对于等效信道噪声w=[w0,w1,...,wN-1]T,其混合复高斯模型的概率密度函数为:
其中,β=[β0,β1,...,βK-1]T,δ=[δ0,δ1,...,δK-1]T,α为放大转发系数,s=αx为放大转发后的信号,x为发送节点发送信号;u为等效稀疏多径信道响应;β表示混合复高斯的加权系数;δ表示混合复高斯逆方差;0N×1为元素全为0的N×1维向量;IN表示N×N维的单位矩阵,N为系统子载波数;CN表示复高斯分布函数。
(2)利用三层稀疏贝叶斯模型,为系统引入中间变量{γ,η},用于控制等效信道的时域稀疏度。
根据最大后验准则,
可以将问题转化为寻找一个与P(s|y)最为相似的q分布,设Λ={s,u,β,δ,γ,η},β=[β0,β1,...,βK-1]T,δ=[δ0,δ1,...,δK-1]T,α为放大转发系数,s=αx为放大转发后的信号,x为发送节点发送信号;u为等效稀疏多径信道响应;β表示混合复高斯的加权系数;δ表示混合复高斯逆方差。根据贝叶斯先验模型可以得到,
p{s,u,β,δ,γ,η}=p(y|s,u,β,δ)p(s)p(u|γ)p(γ|η)p(η)p(β)p(δ)
q(s,u,β,δ,γ,η)=q(s)q(u)q(β)q(δ)q(γ)q(η)
引入KL(q(Λ)||p(Λ|y))量化近似q分布与真实p分布之间的差异,并推导出令KL(q(Λ)||p(Λ|y))最小化时,各参数的近似分布。
步骤B、为系统因子图中各变量设置合理的先验分布;根据设定的初始值推导得出各参数闭式解;对各参数先验分布设定初始值,并对各因子迭代求解,恢复发射信号,并输出发射信号估计值。
(1)如图2,为因子图中设置合理的先验分布如下:
对于接收信号y:
对于发射信号s:
对于信道响应u:
对于混合高斯噪声w:
其中,s=αx为经放大转发后的信号向量,α为放大转发系数,x为发送信号,u为稀疏多径信道响应,β表示混合复高斯的加权系数,δ表示混合复高斯中逆方差,γ和η为控制稀疏信道稀疏度的中间变量,Lu为多径数,为离散傅里叶变换矩阵F的前Lu列,C0(s)为s的协方差矩阵,0N×1为元素全为0的N×1维向量,为元素全为0的Lu×1维向量,IN表示N×N维的单位矩阵,N为系统子载波数,CN表示复高斯分布函数,Ga表示伽马分布函数,ak,bk,ε,ηl,cl,dl等表示伽马分布的形状参数和尺度参数,U表示离散的均匀分布。
(2)根据先验分布推导各参数闭式解:
对于发射信号s:
对于信道响应u:
其余参数:
其中,< >表示取均值,tr( )表示求迹,diag( )表示向量对角化或矩阵取对角元素并对角化,R表示协方差矩阵,m表示期望;s=αx为经放大转发后的信号向量,α为放大转发系数,x为发送信号,u为稀疏多径信道响应,β表示混合复高斯的加权系数,δ表示混合复高斯中逆方差,γ和η为控制稀疏信道稀疏度的中间变量,Lu为多径数,为离散傅里叶变换矩阵F的前Lu列,C0(s)为s的协方差矩阵,K为混合高斯阶数,N为系统子载波数,ak,bk,ε,ηl,cl,dl等表示伽马分布的形状参数和尺度参数。
(3)对各先验分布设定的初始值如下:
ε=0,cl=1,dl=10-6
为忽略不完全CSI误差时,MMSE算法对发射信号的估计值,0N×N表示元素全为零的N×N维矩阵,IN表示N×N维的单位矩阵,N为系统子载波数,δk为混合复高斯中第k个复高斯方差的逆的初始值,βk为混合复高斯中第k个复高斯加权系数的初始值,ak,bk,ε,cl,dl等表示伽马分布的形状参数和尺度参数的初始值。
(4)对各因子迭代求解,恢复发射信号,并输出发射信号估计值。
本实施例输出不同迭代次数下信号s的估计值ms,如图3为ρ=0.99时,基于不同信噪比,两种算法的BER比较;其中MMSE表示最小均方误差算法,GMM-VMP为目标算法;从图中可以看出与经典算法MMSE相比,目标算法的性能更优。
Claims (1)
1.一种稀疏正交频分复用放大转发(OFDM-AF)系统数据检测方法,其特征在于,包括下述步骤:
步骤A、针对稀疏正交频分复用放大转发(OFDM-AF)系统,建立等效链路模型,对等效链路中的等效信道噪声w建立一个由K阶混合复高斯模型;利用三层稀疏贝叶斯学习方法,并根据等效链路模型画出系统因子图;
步骤B、为系统因子图中各变量设置合理的先验分布;根据设定的初始值推导得出各参数闭式解;对各参数先验分布设定初始值,并对各因子迭代求解,恢复发射信号,并输出发射信号估计值;
所述步骤A具体为:
A1、稀疏正交频分复用放大转发(OFDM-AF)系统共包含两部分,对两部分时域信道进行级联,建立等效链路模型,对于等效信道噪声w=[w0,w1,...,wN-1]T,其混合复高斯模型的概率密度函数为
其中,β=[β0,β1,...,βK-1]T,δ=[δ0,δ1,...,δK-1]T,α为放大转发系数,s=αx为放大转发后的信号,x为发送节点发送信号;u为等效稀疏多径信道响应;β表示混合复高斯的加权系数;δ表示混合复高斯逆方差;0N×1为元素全为0的N×1维向量;IN表示N×N维的单位矩阵,N为系统子载波数;CN表示复高斯分布函数;
A2、利用三层稀疏贝叶斯模型,为系统引入中间变量{γ,η},用于控制等效信道的时域稀疏度,此时因子图中变量集合为Λ={s,u,β,δ,γ,η}其中,β=[β0,β1,...,βK-1]T,δ=[δ0,δ1,...,δK-1]T;u为等效稀疏多径信道响应;β表示混合复高斯的加权系数;δ表示混合复高斯逆方差;
所述步骤B具体为:
B1、为系统因子图中设置合理的先验分布如下:
其中,s=αx为经放大转发后的信号向量,α为放大转发系数,x为发送信号,u为稀疏多径信道响应,β表示混合复高斯的加权系数,δ表示混合复高斯中逆方差,γ和η为控制稀疏信道稀疏度的中间变量,Lu为多径数,为离散傅里叶变换矩阵F的前Lu列,C0(s)为s的协方差矩阵,0N×1为元素全为0的N×1维向量,为元素全为0的Lu×1维向量,IN表示N×N维的单位矩阵,N为系统子载波数,CN表示复高斯分布函数,Ga表示伽马分布函数,ak,bk,ε,ηl,cl,dl等表示伽马分布的形状参数和尺度参数,U表示离散的均匀分布;
B2、根据先验分布推导各参数闭式解:
其中,<>表示取均值,tr()表示求迹;diag()表示向量对角化或矩阵取对角元素并对角化;R表示协方差矩阵,m表示期望;s=αx为经放大转发后的信号向量,α为放大转发系数,x为发送信号,u为稀疏多径信道响应,β表示混合复高斯的加权系数,δ表示混合复高斯中逆方差,γ和η为控制稀疏信道稀疏度的中间变量,Lu为多径数,FLu为离散傅里叶变换矩阵F的前Lu列,C0(s)为s的协方差矩阵,K为混合复高斯阶数,N为系统子载波数,ak,bk,ε,ηl,cl,dl等表示伽马分布的形状参数和尺度参数;
B3、对各先验分布设定的初始值如下:
ε=0,cl=1,dl=10-6
为忽略不完全CSI误差时,最小均方误差(MMSE)算法对发射信号的估计值,0N×N表示元素全为零的N×N维矩阵,IN表示N×N维的单位矩阵,N为系统子载波数,δk为混合复高斯中第k个复高斯方差的逆的初始值,βk为混合复高斯中第k个复高斯加权系数的初始值,ak,bk,ε,cl,dl等表示伽马分布的形状参数和尺度参数的初始值;
B4、对各因子迭代求解,恢复发射信号,并输出发射信号估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911293096.4A CN111049767B (zh) | 2019-12-16 | 2019-12-16 | 一种稀疏正交频分复用放大转发(ofdm-af)系统数据检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911293096.4A CN111049767B (zh) | 2019-12-16 | 2019-12-16 | 一种稀疏正交频分复用放大转发(ofdm-af)系统数据检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111049767A CN111049767A (zh) | 2020-04-21 |
CN111049767B true CN111049767B (zh) | 2021-01-15 |
Family
ID=70236705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911293096.4A Active CN111049767B (zh) | 2019-12-16 | 2019-12-16 | 一种稀疏正交频分复用放大转发(ofdm-af)系统数据检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111049767B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115412416B (zh) * | 2022-07-05 | 2023-06-30 | 重庆邮电大学 | 一种面向高速移动场景的低复杂度otfs信号检测方法 |
CN115695105B (zh) * | 2023-01-03 | 2023-03-17 | 南昌大学 | 基于深度迭代智能超表面辅助通信的信道估计方法及装置 |
CN117312837B (zh) * | 2023-10-31 | 2024-03-29 | 广州龙建达电子股份有限公司 | 一种面向最小全变分的信号重构方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104703216A (zh) * | 2015-02-04 | 2015-06-10 | 杭州电子科技大学 | 基于能量有效的多任务贝叶斯压缩感知宽带频谱检测方法 |
CN106254284A (zh) * | 2016-08-01 | 2016-12-21 | 西安电子科技大学昆山创新研究院 | 一种基于低轨卫星系统的快变信道估计方法 |
CN109005133A (zh) * | 2018-07-12 | 2018-12-14 | 南京邮电大学 | 双稀疏多径信道模型及基于此模型的信道估计方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9078138B2 (en) * | 2008-11-20 | 2015-07-07 | Board Of Regents, The University Of Texas System | Interference management and decentralized channel access schemes in hotspot-aided cellular networks |
CN102739383B (zh) * | 2012-05-28 | 2015-04-22 | 上海交通大学 | 基于有限反馈的ofdm-af系统联合资源分配方法 |
KR102533829B1 (ko) * | 2016-03-04 | 2023-05-19 | 삼성전자주식회사 | 하이브리드 자동 반복 요구 방식을 지원하는 무선 통신 시스템에서 신호를 송신 및 수신하는 장치 및 방법 |
CN106453163A (zh) * | 2016-10-11 | 2017-02-22 | 电子科技大学 | 一种Masssive MIMO信道估计方法 |
CN108880713B (zh) * | 2018-05-21 | 2021-01-19 | 西安交通大学 | 一种基于块稀疏特性的混合高斯频谱感知方法 |
CN110113283B (zh) * | 2019-04-25 | 2020-06-26 | 西安交通大学 | 一种ofdm-af系统数据检测方法 |
-
2019
- 2019-12-16 CN CN201911293096.4A patent/CN111049767B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104703216A (zh) * | 2015-02-04 | 2015-06-10 | 杭州电子科技大学 | 基于能量有效的多任务贝叶斯压缩感知宽带频谱检测方法 |
CN106254284A (zh) * | 2016-08-01 | 2016-12-21 | 西安电子科技大学昆山创新研究院 | 一种基于低轨卫星系统的快变信道估计方法 |
CN109005133A (zh) * | 2018-07-12 | 2018-12-14 | 南京邮电大学 | 双稀疏多径信道模型及基于此模型的信道估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111049767A (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110719239B (zh) | 一种数据模型双驱动的联合mimo信道估计和信号检测方法 | |
CN111049767B (zh) | 一种稀疏正交频分复用放大转发(ofdm-af)系统数据检测方法 | |
CN102144377B (zh) | 用于硬限信号的信道估计与均衡 | |
CN106254284B (zh) | 一种基于低轨卫星系统的快变信道估计方法 | |
CN107276646B (zh) | 大规模mimo-ofdm上行链路迭代检测方法 | |
CN111865843B (zh) | 大规模mimo-ofdm系统混合消息传递信道估计方法 | |
CN106506415B (zh) | 一种多用户mimo-ofdm系统信道估计的方法 | |
CN108768473B (zh) | 一种存在天线相关与信道估计误差的mimo多中继系统的预编码方法 | |
CN110808764B (zh) | 一种大规模mimo中继系统联合信息估计方法 | |
CN103297111A (zh) | Mimo上行多用户信号检测方法、检测装置及接收系统 | |
CN104639490A (zh) | 一种频率相关iq不平衡与信道的联合估计与补偿方法 | |
CN110113283B (zh) | 一种ofdm-af系统数据检测方法 | |
CN106788641B (zh) | 一种信息与能量联合传输系统的预编码传输方法 | |
Jespersen et al. | Deep learning for synchronization and channel estimation in NB-IoT random access channel | |
Fang et al. | Least Square Channel Estimation for Two‐Way Relay MIMO OFDM Systems | |
CN105610484B (zh) | 大规模mimo低复杂度迭代接收方法 | |
Mollen et al. | Performance of linear receivers for wideband massive MIMO with one-bit ADCs | |
CN105812043B (zh) | 一种基于信道协方差反馈的预编码方法 | |
CN104702540A (zh) | 一种用于小区边缘终端的信号接收优化方法 | |
Sun et al. | Joint user identification and channel estimation in massive connectivity with transmission control | |
CN107302386B (zh) | 一种基于矩阵多项式的大规模mimo系统下行预编码方法 | |
CN110868244B (zh) | 一种基于信道穿刺的低复杂度通信信号检测方法 | |
CN105207701B (zh) | 用于在多小区多用户多天线系统中基于ica的解码方法 | |
Yuan et al. | Joint data and active user detection for grant-free FTN-NOMA in dynamic networks | |
Seidel et al. | A novel approach for combining local estimates for fully decentralized feedforward massive MIMO equalization: The multistep fusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |