【摘 要】
：
大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）技术可以有效地提高无线通信系统性能,而信道状态信息（Channel Status Information,CSI）的特征对系统性能有至关重要的影响。利用导频信号进行信道估计获得信道状态信息是常用的信道估计方法之一,即在发送端将一定数量的导频序列加入到发射信号中一起发送,接收机通过适当的处理技术分别获得导频点
论文部分内容阅读
大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）技术可以有效地提高无线通信系统性能,而信道状态信息（Channel Status Information,CSI）的特征对系统性能有至关重要的影响。利用导频信号进行信道估计获得信道状态信息是常用的信道估计方法之一,即在发送端将一定数量的导频序列加入到发射信号中一起发送,接收机通过适当的处理技术分别获得导频点和数据点的信道参数,这是目前应用最广泛的方法。因此,如何设计性能优良的导频矩阵,是本文研究的第一个重点内容。大规模MIMO系统信道的信道矩阵具有稀疏特性,因而可以利用压缩感知（Compressed Sensing,CS）理论进行信道估计,即利用压缩感知重建算法来完成信道估计;压缩感知信道估计算法的导频优化准则是感知矩阵能否达到良好的重建效果的保证。在基于压缩感知理论OMP算法的信道估计基础上,如何设计使得重建效果良好的感知矩阵是本文研究的第二个重点内容。综前所述,本文分别研究了两种导频优化方案:（1）低复杂度的基于等角紧框架理论的导频优化设计方法。利用等角紧框架理论获得了大规模MIMO系统信道估计时导频矩阵列相关性的理论下界;并且在信道估计算法中采用了CSM（Cholesky and Sherman-Morrison）迭代算法,以减小信道估计的计算复杂度。仿真结果表明,所提算法相较于随机Gaussian矩阵、Elad方法和低幂平均列相关方法能获得自相关性更低的导频矩阵,且复杂度降低了一个数量级。（2）基于压缩感知OMP算法框架下以信道重建错误率最小为优化准则的导频优化设计方法,并从理论上证明了算法的可靠性,并推广到更一般的信号重建算法框架。首先从理论上分析导频矩阵自相关性和信道重构错误率之间的关系,进而推导出导频矩阵优化应遵循的两点准则:导频矩阵列相关性期望最小化和方差最小化。然后将导频矩阵优化准则进一步推广到了一般的稀疏恢复算法框架下,使优化准则具有了普适性。根据优化准则,设计了自适应自相关矩阵缩减参数导频优化算法。仿真结果表明,相较于随机Gaussian矩阵、Elad方法和低幂平均列相关方法,所提的导频优化算法获得的导频矩阵可达到更低的信道重构错误率。
其他文献
近年来,生物识别技术不断取得进步,其中自动说话人验证就是生物识别技术中的一种。而数据表明,自动说话人验证系统易受到恶意欺骗攻击。随着自动说话人验证技术的不断成熟,未来必将会在许多领域得到使用,因此需要为自动说话人验证系统提供可靠的技术来应对欺骗攻击。一般来说,说话人验证系统面临的主要攻击方式有人为模仿、录音重播、语音合成与语音转换等。本文主要针对语音合成与语音转换这两种类型欺骗攻击进行研究。伪装语
数字存储器电路的发展对集成电路产业尤为重要,触发器电路作为其中重要的一部分,其性能好坏、电路体积等对于存储器十分重要,但是随着半导体技术的不断发展,晶体管的尺寸与性能逐渐接近物理极限,传统触发器电路也因为所需器件数变多而开始遇到设计瓶颈。忆阻器作为一种新器件,其纳米级尺寸、非易失等特性足以改善目前触发器电路设计中存在的问题,而且由于其与CMOS完美兼容,使得CMOS-忆阻混合设计对于电路设计而言是
云制造模式下,各类制造资源和制造能力被虚拟化封装为制造服务,通过云平台实现全面共享和按需使用。企业可以通过服务组合的方式在线定制云制造服务系统,完成各类制造业务。由于云环境的动态性和不可预测性,制造服务具有不确定性,常出现服务失效、性能下降等问题,难以满足用户的实际定制和使用需求。因此,通常需要对制造服务进行在线监测,为保障云制造服务系统的正常运行提供依据。然而,在云平台中的制造服务数量庞大,对所
主动声呐工作在复杂的海洋环境中,多途、海深、声速梯度、温度等诸多因素都会影响水中目标散射声场,尤其是隐身目标和各种小目标的出现,导致目标特性微弱,很难提取出利于识别的稳定而可靠的目标固有特征。面对该问题,本论文重点关注海洋信道中有目标和没有目标时的声场变化,从理论仿真、特征提取、试验数据获取分析三个方面,研究海洋信道环境声场、主动声呐目标散射声场产生的干涉条纹特征,为目标的探测和识别提供一种有效的
近年来,在智能机器人领域,工业无人巡检机器人、矿山爆破机器人等的应用越来越广泛。SLAM技术作为机器人实现智能化、自主化的关键技术之一迅速成为智能机器人领域重点关注的技术。SLAM问题中一个需要解决的难题就是量测数据和诸多地图特征的数据关联问题。基于数据关联和卡尔曼滤波器的SLAM算法利用数据关联来解决这个问题,在关联场景简单时取得了良好的效果。但是在环境中杂波较多、传感器存在大量漏检的情况下,基
我国领海辽阔,海洋资源丰富。舰船作为海洋活动的主体,实现舰船目标的准确识别对于海洋强国建设至关重要。目前,舰船目标数据的采集方式多样,主要有星载、机载、无人机载、舰载、船载和岸基等,不同采集方式所获得的图像数据之间存在一定差异;利用某一平台图像数据得到的舰船目标深度识别网络无法直接应用到其他平台,这是由于平台之间存在观测视角和图片分辨率等多种差异。因此,本文重点开展了基于深度迁移学习的舰船目标识别
滤波器设计方法与技术一直是学术领域研究的热门课题之一,近些年来已得到了长足的发展。目前,虽然以线性卡尔曼滤波器设计为基础的理论和方法已形成一个较完整的体系结构,但现有面对非线性系统所设计出的卡尔曼滤波器,常随非线性程度的增强,而性能在逐步退化;以函数近似为主的扩展卡尔曼滤波和强跟踪滤波,无法在根本上解决由于舍掉泰勒展开式的高阶项带来的线性化误差;以采样近似为主的无迹卡尔曼滤波不关注具体的函数形式,
近年来,随着计算机算力的不断增长,计算机视觉领域依托深度学习的方法取得了显著的进展,车道线检测领域也乘着这阵东风飞速发展。虽然现有的基于深度学习的车道线检测算法在鲁棒性等方面远超传统算法,并在某些简单场景中的检测性已经能够很好的满足实际应用的需求,但是在光照分布不均、车流量大、车道线磨损、夜晚、地标箭头干扰等复杂道路场景中,算法性能不容乐观。因此本文尝试在现有的两种基于CNN的车道线检测算法上进行
对称α稳定（Symmetricα-Stable,SαS）测量噪声下鲁棒纯方位目标定位是被动目标定位领域的一个重要课题,被广泛应用于电子侦察、阵列网络、无线定位和机器人导航等领域。不同于高斯测量噪声,SαS测量噪声没有统一闭式概率密度函数且不存在二阶及以上统计量,鲁棒纯方位定位的优化准则变为最小散度准则,即最小Lp范数准则。典型的迭代重加权伪线性最小二乘（Iteratively Reweighted
近年来,风电场规模越来越大,如果对大型风电场的每台机组进行详细建模,会增加运算规模、耗费大量时间。因此,有必要对风电场等值建模方法进行深入研究。而随着风电场及电网复杂化,故障情况常常会导致无功功率不足,致使系统电压及功率因数降低。静止无功发生器（SVG）被越来越多地应用到电网及风电场中以补偿无功和稳定电压,但实际情况中SVG往往无法提供准确参数,仿真时大多使用典型参数,因此,亟需对SVG的控制器参