CN115118559A - 一种稀疏信道的估计方法、装置、设备及可读存储介质 - Google Patents

一种稀疏信道的估计方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN115118559A
CN115118559A CN202211050744.5A CN202211050744A CN115118559A CN 115118559 A CN115118559 A CN 115118559A CN 202211050744 A CN202211050744 A CN 202211050744A CN 115118559 A CN115118559 A CN 115118559A
Authority
CN
China
Prior art keywords
initialized
dice coefficient
preset
received signal
observation matrix
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.)
Pending
Application number
CN202211050744.5A
Other languages
English (en)
Inventor
杨柳
白朝元
范平志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202211050744.5A priority Critical patent/CN115118559A/zh
Publication of CN115118559A publication Critical patent/CN115118559A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00Baseband systems
    • H04L25/02Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202Channel estimation
    • H04L25/024Channel estimation channel estimation algorithms
    • H04L25/0242Channel estimation channel estimation algorithms using matrix methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明提供了一种稀疏信道的估计方法、装置、设备及可读存储介质,涉及无线通信技术领域,包括将所述随机高斯矩阵作为观测矩阵;将所述观测矩阵、接收信号、预设步长和预设终止参数输入采用Dice系数的信号重构模型进行处理,得到重构后的原始信号,进而对稀疏信道进行估计,得到稀疏信道。本发明通过采用Dice系数代替传统的内积准则,可以有效解决原本的内积匹配准则在匹配过程中丢失原始信号的部分信息的问题。本发明引入一个门限阈值来预估计稀疏度L,从而得到和真实稀疏度较为靠近的初始稀疏度以减少迭代时间,本发明使用可变的步长来优化原算法中的固定步长,来对真实稀疏度进行较为准确的估计。

Description

一种稀疏信道的估计方法、装置、设备及可读存储介质
技术领域
本发明涉及无线通信技术领域,具体而言,涉及一种稀疏信道的估计方法、装置、设备及可读存储介质。
背景技术
现有的信道估计方法一般采用稀疏度自适应匹配追踪算法,而该算法中的内积匹配准则需要面临的信息丢失的问题,以及初始步长过小带来的迭代时间过长的不足,以及固定步长所带来的稀疏度估计不准确的缺点,现需要一种稀疏信道的估计方法和装置来解决这些问题。
发明内容
本发明的目的在于提供一种稀疏信道的估计方法、装置、设备及可读存储介质,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本申请提供了一种稀疏信道的估计方法,包括:
获取至少一个维度的原始信号和至少一个维度的接收信号;
基于所有维度的原始信号和所有维度的接收信号生成随机高斯矩阵,并将所述随机高斯矩阵作为观测矩阵;
将所述观测矩阵、所述接收信号、预设步长和预设终止参数输入信号重构模型进行处理,得到重构后的原始信号;
基于所述重构后的原始信号对稀疏信道进行估计处理,得到稀疏信道。
第二方面,本申请还提供了一种稀疏信道的估计装置,包括:
获取单元,用于获取至少一个维度的原始信号和至少一个维度的接收信号;
第一处理单元,用于基于所有维度的原始信号和所有维度的接收信号生成随机高斯矩阵,并将所述随机高斯矩阵作为观测矩阵;
第二处理单元,用于将所述观测矩阵、所述接收信号、预设步长和预设终止参数输入信号重构模型进行处理,得到重构后的原始信号;
第三处理单元,用于基于所述重构后的原始信号对稀疏信道进行估计处理,得到稀疏信道。
第三方面,本申请还提供了一种稀疏信道的估计设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现所述稀疏信道的估计方法的步骤。
第四方面,本申请还提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于稀疏信道的估计方法的步骤。
本发明的有益效果为:
本发明通过采用Dice系数代替传统的内积准则,可以有效解决原本的内积匹配准则在匹配过程中丢失原始信号的部分信息的问题。
本发明引入一个门限阈值来预估计稀疏度L,从而得到和真实稀疏度较为靠近的初始稀疏度以减少迭代时间。
同时,本发明使用可变的步长来优化原算法中的固定步长,来对真实稀疏度进行较为准确的估计。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的稀疏信道的估计方法流程示意图;
图2为本发明实施例中所述的稀疏信道的估计装置结构示意图;
图3为本发明实施例中所述的信号重构模型内的算法流程示意图;
图4为本发明实施例中所述的稀疏信道的估计设备结构示意图。
图中标记:701、获取单元;702、第一处理单元;703、第二处理单元;704、第三处理单元;7031、第一处理子单元;7032、第一计算子单元;7033、第一判断子单元;7034、第二判断子单元;7035、第三判断子单元;7036、第四判断子单元;70311、第二计算子单元;70312、第一对比子单元;70313、第二处理子单元;70321、第三计算子单元;70322、第四计算子单元;70323、第五计算子单元;70324、第六计算子单元;70351、获取子单元;70352、第二对比子单元;70353、第三对比子单元;800、稀疏信道的估计设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1:
本实施例提供了一种稀疏信道的估计方法。
参见图1和图3,图中示出了本方法包括步骤S1、步骤S2、步骤S3和步骤S4。
步骤S1、获取至少一个维度的原始信号和至少一个维度的接收信号;
可以理解的是本步骤考虑到在实际的通信场景下,活跃用户天然具备稀疏性,使得压缩感知技术在信道估计中的应用成为可能。与传统的信道估计相比,稀疏信道估计减少了导频的使用,提高了信道频谱的利用率,从而获得更高的信道估计精度,因此通过获取稀疏信道中多个维度的原始信号和多个维度的接收信号,并进行存储,
步骤S2、基于所有维度的原始信号和所有维度的接收信号生成随机高斯矩阵,并将所述随机高斯矩阵作为观测矩阵;
可以理解的是本步骤通过生成随机高斯矩阵来作为观测矩阵,提高估计精度。
步骤S3、将所述观测矩阵、所述接收信号、预设步长和预设终止参数输入信号重构模型进行处理,得到重构后的原始信号;
可以理解的是本步骤通过本发明通过采用Dice系数代替传统的内积准则,可以有效解决原本的内积匹配准则在匹配过程中丢失原始信号的部分信息的问题,本发明引入一个门限阈值来预估计稀疏度L,从而得到和真实稀疏度较为靠近的初始稀疏度以减少迭代时间,同时,本发明使用可变的步长来优化原算法中的固定步长,来对真实稀疏度进行较为准确的估计。本步骤中,步骤S3包括步骤S31、步骤S32和步骤S33。
步骤S31、将所述观测矩阵和所述接收信号进行初始化处理,得到第一Dice系数集合内的元素数量信息、初始化的迭代次数、初始化的残差值和初始化的最终集,所述第一Dice系数集合为观测矩阵和接收信号之间的Dice系数集合,所述初始化的残差值为接收信号与所述观测矩阵之间的残差值;
可以理解的是本步骤中,步骤S31包括步骤S311、步骤S312和步骤S313。
步骤S311、将所述观测矩阵和接收信号按照第一Dice系数的计算公式进行计算,得到至少一个第一Dice系数;
可以理解的是所述第一Dice系数为观测矩阵与接收信号之间的Dice系数,第一Dice系数的计算公式为:
Figure DEST_PATH_IMAGE001
其中,
Figure 948544DEST_PATH_IMAGE002
为观测矩阵,y为接收信号,i为第i个原子,n为原子总个数。
步骤S312、将所有的所述第一Dice系数分别与预设的第一阈值进行对比,其中将大于预设的第一阈值的第一Dice系数建立集合,并确定所述第一Dice系数集合内的元素个数,得到所述第一Dice系数集合内的元素数量信息;
可以理解的是本步骤是为了预估稀疏度,为了稀疏度估计的精确度,初始的步长 总是被设置为很小,这就导致迭代的时间过长。本发明利用估计稀疏度的策略,得到接近真 实稀疏度的估计稀疏度,在本发明中,基于预设的第一阈值
Figure DEST_PATH_IMAGE003
得到估计的稀疏度。
可以理解的是本步骤中计算第一Dice系数集合内的元素数量信息的公式如下:
Figure 928001DEST_PATH_IMAGE004
Figure DEST_PATH_IMAGE005
Figure 255208DEST_PATH_IMAGE006
其中,u为第一Dice系数,所述
Figure DEST_PATH_IMAGE007
为求u的绝对值,A为观测矩阵,y为接收信 号,
Figure 712734DEST_PATH_IMAGE008
为大于预设的第一阈值的参数集合,
Figure 871314DEST_PATH_IMAGE003
为预设的第一阈值,L为第一Dice系数集合 内的元素数量信息,即预估得到的稀疏度值。
步骤S313、将所述迭代次数、所述残差值和所述最终集进行初始化处理,其中将所述迭代次数标记为第一次、所述接收信号作为初始化的残差值和将空集作为初始化的最终集,得到初始化的迭代次数、初始化的残差值和初始化的最终集。
可以理解的是本步骤通过对将所述观测矩阵和所述接收信号进行初始化处理,为之后的以Dice系数代替传统的内积匹配准则,解决存在丢失原始信号的部分信息的问题做准备。
步骤S32、将所述第一Dice系数集合内的元素数量信息、初始化的迭代次数、接收信号、初始化的残差值和初始化的最终集进行迭代计算和数据更新,得到迭代后的最终集数据和迭代后的残差值;
可以理解的是本步骤中,步骤S32包括步骤S321、步骤S322、步骤S323和步骤S324。
步骤S321、基于所述初始化的残差值和所述观测矩阵计算第二Dice系数,所述第二Dice系数为所述初始化的残差值和所述观测矩阵之间的Dice系数;
可以理解的是本步骤中的第二Dice系数的计算公式如下:
Figure DEST_PATH_IMAGE009
其中,u为第二Dice系数,
Figure 428198DEST_PATH_IMAGE010
为第n-1次迭代的残差值,其余参数含义参见本步骤 中已有说明。
步骤S322、基于预设的候选集计算公式对所述第一Dice系数集合内的元素数量信息、初始化的最终集和所述第二Dice系数进行计算和更新,得到迭代后的候选集数据;
可以理解的是本步骤中的候选集计算公式如下所示:
Figure DEST_PATH_IMAGE011
其中,
Figure 757548DEST_PATH_IMAGE012
为第n次迭代得到候选集集合数据,
Figure DEST_PATH_IMAGE013
第n-1次迭代得到的最终集 集合数据,其余参数含义参见本步骤中已有说明。
步骤S323、基于预设的最终集计算公式对所述第一Dice系数集合内的元素数量信息、所述接收信号和所述迭代后的候选集数据进行计算和更新,得到迭代后的最终集数据;
可以理解的是本步骤中的最终集的计算公式如下所示:
Figure 503918DEST_PATH_IMAGE014
其中,
Figure DEST_PATH_IMAGE015
为第n次迭代生成的最终集集合数据,
Figure 235114DEST_PATH_IMAGE016
表示集合Cn中的各个列的索 引号对应的矩阵A中各个列的集合,-1表示括号内矩阵的逆,
Figure DEST_PATH_IMAGE017
表示接收信号,其余参数含 义参见本步骤中已有说明。
步骤S324、基于预设的残差的计算公式对所述接收信号和所述迭代后的最终集数据进行计算和更新,得到迭代后的残差值。
可以理解的是本步骤的残差的计算公式如下所示:
Figure 835335DEST_PATH_IMAGE018
其中
Figure DEST_PATH_IMAGE019
表示第n次迭代后的残差值,
Figure 651981DEST_PATH_IMAGE020
表示集合F中的各个列的索引号对应的 矩阵A中各个列的集合,-1表示括号内矩阵的逆,
Figure 857835DEST_PATH_IMAGE017
表示接收信号,其余参数含义参见本步 骤中已有说明。
步骤S33、判断所述迭代后的残差值的二范数是否小于预设的终止参数,若所述迭代后的残差值的二范数小于预设的终止参数,则按照预设的重构信号的计算公式对接收信号和所述迭代后的最终集数据,得到重构后的原始信号。
可以理解的是本步骤的重构信号的计算公式如下所示:
Figure DEST_PATH_IMAGE021
其中,
Figure 928690DEST_PATH_IMAGE002
表示重构信号,
Figure 952010DEST_PATH_IMAGE017
表示接收信号,其余参数含义参见本步骤中已有说明。
可以理解的是本步骤中,步骤S33之后,还包括步骤S34、步骤S35和步骤S36。
步骤S34、若所述迭代后的残差值的二范数大于或等于预设的终止参数,则判断所述迭代后的残差值的二范数与迭代前的残差值的二范数进行对比,得到对比结果;
步骤S35、若所述对比结果为迭代后的残差值的二范数大于或等于迭代前的残差值的二范数,则基于预设的调整公式调整迭代的步长参数和第一Dice系数集合内的元素数量;
可以理解的本步骤中,步骤S35包括步骤S351、步骤S352和步骤S353。
步骤S351、获取第二阈值参数和第三阈值参数;
步骤S352、将所述第二阈值参数和所述第三阈值参数分别与接收信号的二范数值进行相乘,并将第二阈值参数与接收信号的二范数值的乘积、第三阈值参数与接收信号的二范数值和当前迭代次数的残差的二范数值进行对比,得到对比结果;
可以理解的是本步骤中使用可变的步长来优化原算法中的固定步长,当残差之间的能量差变小时,通过对步长自适应调整,提高了重构性能,对真实稀疏度的估计更加精确,并且在调整步长的同时,还基于调整后的步长来调整第一Dice系数集合内的元素数量,步骤S35中的调整公式如下所示:
Figure 662477DEST_PATH_IMAGE022
Figure DEST_PATH_IMAGE023
其中,S调整后的为步长,
Figure 547387DEST_PATH_IMAGE024
为第二阈值参数,
Figure DEST_PATH_IMAGE025
为第三阈值参数,
Figure 253175DEST_PATH_IMAGE026
为 当前迭代次数的残差值,
Figure DEST_PATH_IMAGE027
为预设的初始步长,
Figure 135811DEST_PATH_IMAGE028
表示将第一Dice系数 集合内的元素数量信息加上调整后的为步长作为新的第一Dice系数集合内的元素数量信 息,y为接收信号。
步骤S353、基于所述对比结果选择步长参数,并将调整后的步长参数和第一Dice系数集合内的元素数量信息进行相加,作为新的第一Dice系数集合内的元素数量信息进行迭代计算。
步骤S36、若所述对比结果为迭代后的残差值的二范数小于迭代前的残差值的二范数,则调整迭代次数的序号,将所述迭代后的最终集和迭代后的残差按照对应的转换公式进行转换,并将转换得到的最终集和转换得到的残差作为输入进行下一次迭代的输入数据。
步骤S4、基于所述重构后的原始信号对稀疏信道进行估计处理,得到稀疏信道。
可以理解的是本步骤通过对少量有价值的压缩处理过的数据进行传输,且最终能不失真重构出原始信息,这样一方面节约了大量硬件设备用于采样,同时也节约了大量的存储和传输资源。
实施例2:
如图2所示,本实施例提供了一种稀疏信道的估计装置,所述装置包括获取单元701、第一处理单元702、第二处理单元703和第三处理单元704。
获取单元701,用于获取至少一个维度的原始信号和至少一个维度的接收信号;
第一处理单元702,用于基于所有维度的原始信号和所有维度的接收信号生成随机高斯矩阵,并将所述随机高斯矩阵作为观测矩阵;
第二处理单元703,用于将所述观测矩阵、所述接收信号、预设步长和预设终止参数输入信号重构模型进行处理,得到重构后的原始信号;
第三处理单元704,用于基于所述重构后的原始信号对稀疏信道进行估计处理,得到稀疏信道。
在本公开的一种具体实施方式中,所述第二处理单元703包括第一处理子单元7031、第一计算子单元7032和第一判断子单元7033。
第一处理子单元7031,用于将所述观测矩阵和所述接收信号进行初始化处理,得到第一Dice系数集合内的元素数量信息、初始化的迭代次数、初始化的残差值和初始化的最终集,所述第一Dice系数集合为观测矩阵和接收信号之间的Dice系数集合,所述初始化的残差值为接收信号与所述观测矩阵之间的残差值;
第一计算子单元7032,用于将所述第一Dice系数集合内的元素数量信息、初始化的迭代次数、接收信号、初始化的残差值和初始化的最终集进行迭代计算和数据更新,得到迭代后的最终集数据和迭代后的残差值;
第一判断子单元7033,用于判断所述迭代后的残差值的二范数是否小于预设的终止参数,若所述迭代后的残差值的二范数小于预设的终止参数,则按照预设的重构信号的计算公式对接收信号和所述迭代后的最终集数据,得到重构后的原始信号。
在本公开的一种具体实施方式中,所述第一处理子单元7031包括第二计算子单元70311、第一对比子单元70312和第二处理子单元70313。
第二计算子单元70311,用于将所述观测矩阵和接收信号按照第一Dice系数的计算公式进行计算,得到至少一个第一Dice系数;
第一对比子单元70312,用于将所有的所述第一Dice系数分别与预设的第一阈值进行对比,其中将大于预设的第一阈值的第一Dice系数建立集合,并确定所述第一Dice系数集合内的元素个数,得到所述第一Dice系数集合内的元素数量信息;
第二处理子单元70313,用于将所述迭代次数、所述残差值和所述最终集进行初始化处理,其中将所述迭代次数标记为第一次、所述接收信号作为初始化的残差值和将空集作为初始化的最终集,得到初始化的迭代次数、初始化的残差值和初始化的最终集。
在本公开的一种具体实施方式中,所述第一计算子单元7032包括第三计算子单元70321、第四计算子单元70322、第五计算子单元70323和第六计算子单元70324。
第三计算子单元70321,用于基于所述初始化的残差值和所述观测矩阵计算第二Dice系数,所述第二Dice系数为所述初始化的残差值和所述观测矩阵之间的Dice系数;
第四计算子单元70322,用于基于预设的候选集计算公式对所述第一Dice系数集合内的元素数量信息、初始化的最终集和所述第二Dice系数进行计算和更新,得到迭代后的候选集数据;
第五计算子单元70323,用于基于预设的最终集计算公式对所述第一Dice系数集合内的元素数量信息、所述接收信号和所述迭代后的候选集数据进行计算和更新,得到迭代后的最终集数据;
第六计算子单元70324,用于基于预设的残差的计算公式对所述接收信号和所述迭代后的最终集数据进行计算和更新,得到迭代后的残差值。
在本公开的一种具体实施方式中,所述第一判断子单元7033之后还包括第二判断子单元7034、第三判断子单元7035和第四判断子单元7036。
第二判断子单元7034,用于若所述迭代后的残差值的二范数大于或等于预设的终止参数,则判断所述迭代后的残差值的二范数与迭代前的残差值的二范数进行对比,得到对比结果;
第三判断子单元7035,用于若所述对比结果为迭代后的残差值的二范数大于或等于迭代前的残差值的二范数,则基于预设的调整公式调整迭代的步长参数和第一Dice系数集合内的元素数量;
第四判断子单元7036,用于若所述对比结果为迭代后的残差值的二范数小于迭代前的残差值的二范数,则调整迭代次数的序号,将所述迭代后的最终集和迭代后的残差按照对应的转换公式进行转换,并将转换得到的最终集和转换得到的残差作为输入进行下一次迭代的输入数据。
在本公开的一种具体实施方式中,所述第三判断子单元7035包括获取子单元70351、第二对比子单元70352和第三对比子单元70353。
获取子单元70351,用于获取第二阈值参数和第三阈值参数;
第二对比子单元70352,用于将所述第二阈值参数和所述第三阈值参数分别与接收信号的二范数值进行相乘,并将第二阈值参数与接收信号的二范数值的乘积、第三阈值参数与接收信号的二范数值和当前迭代次数的残差的二范数值进行对比,得到对比结果;
第三对比子单元70353,用于基于所述对比结果选择步长参数,并将调整后的步长参数和第一Dice系数集合内的元素数量信息进行相加,作为新的第一Dice系数集合内的元素数量信息进行迭代计算。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3:
相应于上面的方法实施例,本实施例中还提供了一种稀疏信道的估计设备,下文描述的一种稀疏信道的估计设备与上文描述的一种稀疏信道的估计方法可相互对应参照。
图4是根据示例性实施例示出的一种稀疏信道的估计设备800的框图。如图4所示,该稀疏信道的估计设备800可以包括:处理器801,存储器802。该稀疏信道的估计设备800还可以包括多媒体组件803, I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该稀疏信道的估计设备800的整体操作,以完成上述的稀疏信道的估计方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该稀疏信道的估计设备800的操作,这些数据例如可以包括用于在该稀疏信道的估计设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该稀疏信道的估计设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,稀疏信道的估计设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的稀疏信道的估计方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的稀疏信道的估计方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由稀疏信道的估计设备800的处理器801执行以完成上述的稀疏信道的估计方法。
实施例4:
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种稀疏信道的估计方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的稀疏信道的估计方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种稀疏信道的估计方法,其特征在于,包括:
获取至少一个维度的原始信号和至少一个维度的接收信号;
基于所有维度的原始信号和所有维度的接收信号生成随机高斯矩阵,并将所述随机高斯矩阵作为观测矩阵;
将所述观测矩阵、所述接收信号、预设步长和预设终止参数输入信号重构模型进行处理,得到重构后的原始信号;
基于所述重构后的原始信号对稀疏信道进行估计处理,得到稀疏信道。
2.根据权利要求1所述的稀疏信道的估计方法,其特征在于,将所述观测矩阵、所述接收信号、预设步长和预设终止参数输入信号重构模型进行处理,得到重构后的原始信号,包括:
将所述观测矩阵和所述接收信号进行初始化处理,得到第一Dice系数集合内的元素数量信息、初始化的迭代次数、初始化的残差值和初始化的最终集,所述第一Dice系数集合为观测矩阵和接收信号之间的Dice系数集合,所述初始化的残差值为接收信号与所述观测矩阵之间的残差值;
将所述第一Dice系数集合内的元素数量信息、初始化的迭代次数、接收信号、初始化的残差值和初始化的最终集进行迭代计算和数据更新,得到迭代后的最终集数据和迭代后的残差值;
判断所述迭代后的残差值的二范数是否小于预设的终止参数,若所述迭代后的残差值的二范数小于预设的终止参数,则按照预设的重构信号的计算公式对接收信号和所述迭代后的最终集数据,得到重构后的原始信号。
3.根据权利要求2所述的稀疏信道的估计方法,其特征在于,将所述观测矩阵和所述接收信号进行初始化处理,得到第一Dice系数集合内的元素数量信息、初始化的迭代次数、初始化的残差值和初始化的最终集,包括:
将所述观测矩阵和接收信号按照第一Dice系数的计算公式进行计算,得到至少一个第一Dice系数;
将所有的所述第一Dice系数分别与预设的第一阈值进行对比,其中将大于预设的第一阈值的第一Dice系数建立集合,并确定所述第一Dice系数集合内的元素个数,得到所述第一Dice系数集合内的元素数量信息;
将所述迭代次数、所述残差值和所述最终集进行初始化处理,其中将所述迭代次数标记为第一次、所述接收信号作为初始化的残差值和将空集作为初始化的最终集,得到初始化的迭代次数、初始化的残差值和初始化的最终集。
4.根据权利要求2所述的稀疏信道的估计方法,其特征在于,将所述第一Dice系数集合内的元素数量信息、初始化的迭代次数、接收信号、初始化的残差值和初始化的最终集进行迭代计算和数据更新;
基于所述初始化的残差值和所述观测矩阵计算第二Dice系数,所述第二Dice系数为所述初始化的残差值和所述观测矩阵之间的Dice系数;
基于预设的候选集计算公式对所述第一Dice系数集合内的元素数量信息、初始化的最终集和所述第二Dice系数进行计算和更新,得到迭代后的候选集数据;
基于预设的最终集计算公式对所述第一Dice系数集合内的元素数量信息、所述接收信号和所述迭代后的候选集数据进行计算和更新,得到迭代后的最终集数据;
基于预设的残差的计算公式对所述接收信号和所述迭代后的最终集数据进行计算和更新,得到迭代后的残差值。
5.一种稀疏信道的估计装置,其特征在于,包括:
获取单元,用于获取至少一个维度的原始信号和至少一个维度的接收信号;
第一处理单元,用于基于所有维度的原始信号和所有维度的接收信号生成随机高斯矩阵,并将所述随机高斯矩阵作为观测矩阵;
第二处理单元,用于将所述观测矩阵、所述接收信号、预设步长和预设终止参数输入信号重构模型进行处理,得到重构后的原始信号;
第三处理单元,用于基于所述重构后的原始信号对稀疏信道进行估计处理,得到稀疏信道。
6.根据权利要求5所述的稀疏信道的估计装置,其特征在于,所述装置包括:
第一处理子单元,用于将所述观测矩阵和所述接收信号进行初始化处理,得到第一Dice系数集合内的元素数量信息、初始化的迭代次数、初始化的残差值和初始化的最终集,所述第一Dice系数集合为观测矩阵和接收信号之间的Dice系数集合,所述初始化的残差值为接收信号与所述观测矩阵之间的残差值;
第一计算子单元,用于将所述第一Dice系数集合内的元素数量信息、初始化的迭代次数、接收信号、初始化的残差值和初始化的最终集进行迭代计算和数据更新,得到迭代后的最终集数据和迭代后的残差值;
第一判断子单元,用于判断所述迭代后的残差值的二范数是否小于预设的终止参数,若所述迭代后的残差值的二范数小于预设的终止参数,则按照预设的重构信号的计算公式对接收信号和所述迭代后的最终集数据,得到重构后的原始信号。
7.根据权利要求6所述的稀疏信道的估计装置,其特征在于,所述装置包括:
第二计算子单元,用于将所述观测矩阵和接收信号按照第一Dice系数的计算公式进行计算,得到至少一个第一Dice系数;
第一对比子单元,用于将所有的所述第一Dice系数分别与预设的第一阈值进行对比,其中将大于预设的第一阈值的第一Dice系数建立集合,并确定所述第一Dice系数集合内的元素个数,得到所述第一Dice系数集合内的元素数量信息;
第二处理子单元,用于将所述迭代次数、所述残差值和所述最终集进行初始化处理,其中将所述迭代次数标记为第一次、所述接收信号作为初始化的残差值和将空集作为初始化的最终集,得到初始化的迭代次数、初始化的残差值和初始化的最终集。
8.根据权利要求6所述的稀疏信道的估计装置,其特征在于,所述装置包括:
第三计算子单元,用于基于所述初始化的残差值和所述观测矩阵计算第二Dice系数,所述第二Dice系数为所述初始化的残差值和所述观测矩阵之间的Dice系数;
第四计算子单元,用于基于预设的候选集计算公式对所述第一Dice系数集合内的元素数量信息、初始化的最终集和所述第二Dice系数进行计算和更新,得到迭代后的候选集数据;
第五计算子单元,用于基于预设的最终集计算公式对所述第一Dice系数集合内的元素数量信息、所述接收信号和所述迭代后的候选集数据进行计算和更新,得到迭代后的最终集数据;
第六计算子单元,用于基于预设的残差的计算公式对所述接收信号和所述迭代后的最终集数据进行计算和更新,得到迭代后的残差值。
9.一种稀疏信道的估计设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述稀疏信道的估计方法的步骤。
10.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述稀疏信道的估计方法的步骤。
CN202211050744.5A 2022-08-30 2022-08-30 一种稀疏信道的估计方法、装置、设备及可读存储介质 Pending CN115118559A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211050744.5A CN115118559A (zh) 2022-08-30 2022-08-30 一种稀疏信道的估计方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211050744.5A CN115118559A (zh) 2022-08-30 2022-08-30 一种稀疏信道的估计方法、装置、设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN115118559A true CN115118559A (zh) 2022-09-27

Family

ID=83335234

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211050744.5A Pending CN115118559A (zh) 2022-08-30 2022-08-30 一种稀疏信道的估计方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN115118559A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116055264A (zh) * 2023-04-03 2023-05-02 西南交通大学 稀疏信道的信号估计方法、装置、设备及可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014194482A1 (zh) * 2013-06-05 2014-12-11 中国科学院微电子研究所 基于压缩感知理论的气体识别方法
CN107147397A (zh) * 2017-04-24 2017-09-08 电子科技大学 面向可穿戴设备的快速压缩感知重构方法
CN107330946A (zh) * 2017-06-05 2017-11-07 中国农业大学 一种基于压缩感知的图像处理方法及装置
CN109670465A (zh) * 2018-12-25 2019-04-23 重庆师范大学 基于压缩感知的自适应确定稀疏度的信号重构方法
US11190377B1 (en) * 2020-05-26 2021-11-30 Wuhan University Time-frequency block-sparse channel estimation method based on compressed sensing
CN114567525A (zh) * 2022-01-14 2022-05-31 北京邮电大学 一种信道估计方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014194482A1 (zh) * 2013-06-05 2014-12-11 中国科学院微电子研究所 基于压缩感知理论的气体识别方法
CN107147397A (zh) * 2017-04-24 2017-09-08 电子科技大学 面向可穿戴设备的快速压缩感知重构方法
CN107330946A (zh) * 2017-06-05 2017-11-07 中国农业大学 一种基于压缩感知的图像处理方法及装置
CN109670465A (zh) * 2018-12-25 2019-04-23 重庆师范大学 基于压缩感知的自适应确定稀疏度的信号重构方法
US11190377B1 (en) * 2020-05-26 2021-11-30 Wuhan University Time-frequency block-sparse channel estimation method based on compressed sensing
CN114567525A (zh) * 2022-01-14 2022-05-31 北京邮电大学 一种信道估计方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHAOYUAN BAI ET.AL: "An Improved Sparsity Adaptive Matching Pursuit Algorithm for Sparse Channel Estimation", 《2022 10TH INTERNATIONAL WORKSHOP ON SIGNAL DESIGN AND ITS APPLICATIONS IN COMMUNICATIONS (IWSDA)》 *
侯成艳: "基于Dice系数的压缩感知重构算法研究及其应用", 《中国优秀硕士学位论文全文数据库(电子期刊)》 *
贺新民等: "一种稀疏度自适应OFDM系统信道估计算法", 《信息通信》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116055264A (zh) * 2023-04-03 2023-05-02 西南交通大学 稀疏信道的信号估计方法、装置、设备及可读存储介质

Similar Documents

Publication Publication Date Title
KR102602195B1 (ko) 트레이닝된 장단기 메모리 신경망 양자화
CN111488986A (zh) 一种模型压缩方法、图像处理方法以及装置
CN111144457B (zh) 图像处理方法、装置、设备及存储介质
WO2014105260A1 (en) Method and system for fast tensor-vector multiplication
CN113132723B (zh) 一种图像压缩方法及装置
CN110705625A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN113067653B (zh) 一种频谱感知方法、装置、电子设备及介质
CN112883227B (zh) 一种基于多尺度时序特征的视频摘要生成方法和装置
CN114239840A (zh) 量子信道噪声系数估计方法及装置、电子设备和介质
CN115118559A (zh) 一种稀疏信道的估计方法、装置、设备及可读存储介质
CN112381233A (zh) 数据压缩方法、装置、电子设备和存储介质
CN114580648A (zh) 消除广义振幅阻尼噪声的方法及装置、电子设备和介质
CN108694232B (zh) 一种基于信任关系特征学习的社会化推荐方法
CN112200299B (zh) 神经网络计算装置、数据处理方法及装置
Yunfeng et al. A fuzzy selection compressive sampling matching pursuit algorithm for its practical application
JP7414357B2 (ja) テキスト処理方法、装置、デバイス及びコンピュータ読み取り可能な記憶媒体
CN115618187B (zh) 一种观测矩阵的优化方法、装置、设备及可读存储介质
CN117292237A (zh) 基于局部Transformer网络的联合重构方法、装置及介质
Liquan et al. Improved generalized sparsity adaptive matching pursuit algorithm based on compressive sensing
CN114580649A (zh) 消除量子泡利噪声的方法及装置、电子设备和介质
CN112765936B (zh) 一种基于语言模型进行运算的训练方法及装置
CN112506423B (zh) 一种云储存系统中动态接入存储设备的方法及装置
CN115037340A (zh) 信号检测方法、装置、电子设备及存储介质
CN114817513A (zh) 一种文本答案的确定方法、装置、设备和介质
CN115021759A (zh) 一种基于二值最小二乘法的二值稀疏信号恢复方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220927