[發(fā)明專利]一種基于自適應(yīng)感知矩陣的壓縮感知信道估計(jì)算法及實(shí)現(xiàn)裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010590481.1
• 申請(qǐng)日: 2020-06-24
• 公開（公告）號(hào): CN112202481A
• 公開（公告）日: 2021-01-08
• 發(fā)明（設(shè)計(jì)）人: 王亞峰;肖宇
• 申請(qǐng)（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號(hào): H04B7/0452
• 分類號(hào): H04B7/0452;H04B7/0456
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于自適應(yīng)感知矩陣的壓縮感知信道估計(jì)算法及實(shí)現(xiàn)裝置，其特征在于，首先根據(jù)接收導(dǎo)頻信號(hào)自適應(yīng)構(gòu)造感知矩陣；在此基礎(chǔ)上，基于壓縮采樣匹配追蹤算法重構(gòu)稀疏信道矩陣，最大程度恢復(fù)實(shí)際信道。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，對(duì)基站接收信號(hào)進(jìn)行了自適應(yīng)設(shè)計(jì)，具體包括：

對(duì)于單用戶上行場(chǎng)景，用戶發(fā)送到基站的導(dǎo)頻信號(hào)可以表示為其中X_L是每根天線發(fā)送的信號(hào)的長(zhǎng)度，則上行基站接收信號(hào)可表示為

其中U_HBF和W_HBF分別是模擬預(yù)編碼矩陣和接收矩陣，它們都可以通過對(duì)信道做SVD分解或其他方法得到，Z是均值為零方差為1的加性高斯白噪聲；

對(duì)有效接收信號(hào)進(jìn)行向量化，即

其中，h_S是H_V的向量化，包含了虛擬信道系數(shù)矩陣H_V的稀疏信息，因此向量化的接收信號(hào)可表示為

由于矩陣不滿足壓縮感知的有限等距性質(zhì)，因此，對(duì)G做SVD分解，則接收信號(hào)(3)可改寫為

vec(Y)＝UDV^Hh_S (4)

等式兩邊左乘U^H和來抵消等式右側(cè)的UD，使得正交基V^H暴露出來，可以通過構(gòu)造矩陣Φ使得感知矩陣滿足有限等距性質(zhì)。

3.根據(jù)權(quán)利要求1和2所述的方法，其特征在于，根據(jù)壓縮感知的有限等距準(zhǔn)則，設(shè)計(jì)一個(gè)矩陣Φ使得感知矩陣Θ^HΘ≈I，其中Θ＝ΦV，

Θ^HΘ＝V^HΦ^HΦV≈I (5)

左右兩端分別乘以基矩陣V^H和V，并對(duì)VV^H進(jìn)行特征值分解，即可得

令Γ＝ΦU₂，經(jīng)過數(shù)學(xué)轉(zhuǎn)換，問題轉(zhuǎn)化為求解Γ的最優(yōu)化問題

其中Λ由VV^H進(jìn)行特征值分解得到，即V V^H＝UΛU^H，得到最優(yōu)的后，感知矩陣的設(shè)計(jì)公式為

4.根據(jù)權(quán)利要求1，2和3中所述的方法，其特征在于，構(gòu)造自適應(yīng)感知矩陣后，根據(jù)壓縮感知的“l(fā)₀范數(shù)最小化”求解稀疏信道，具體包括：

壓縮感知算法的相關(guān)表達(dá)式

其中，通過利用壓縮采樣匹配追蹤算法(Compressive Sampling Match Pursuit，CoSaMP)來重構(gòu)(9)，可以得到稀疏向量h_S，因此實(shí)際的估計(jì)信道可表示為

其中，是稀疏向量h_S去向量化得到的。

5.一種具有自適應(yīng)感知矩陣構(gòu)造功能的壓縮感知信道估計(jì)實(shí)現(xiàn)裝置，其特征在于包括：

向量化模塊，將輸入的接收信號(hào)向量化；

G矩陣計(jì)算模塊，根據(jù)輸入信號(hào)自適應(yīng)計(jì)算G矩陣；

感知矩陣構(gòu)造模塊，根據(jù)權(quán)利要求1，2，3所述方法構(gòu)造自適應(yīng)感知矩陣；

壓縮感知信號(hào)恢復(fù)模塊，根據(jù)權(quán)利要求4重構(gòu)稀疏信道向量；

去向量化模塊，將估計(jì)的稀疏信道向量去向量化，然后與V_R,相乘后得到估計(jì)信道