应用加权高斯模型的非理想稀疏信道估计

在高速通信系统中,由于多径信道通常存在一些小的散射体,使得抽头向量不满足理想的稀疏特性,导致经典的稀疏估计算法存在一定的性能损失.针对上述非理想稀疏特性问题,提出了一种基于酉变换近似消息传递(Unitary Transform Approximate Message Passing,UT-AMP)和加权高斯(Weigh...     

OTFS调制系统的低复杂度GAMP算法实现

针对正交时频空（Orthogonal Time Frequealy Space,OTFS）调制技术信号检测算法复杂度高的问题,结合OTFS信道矩阵特性构建匹配滤波器,在广义近似消息传递(Generalized Approximate Message Passing,GAMP)算法的基础上,提出了基于期望最大化(Empectation Maxinization,EM)的阻尼广义消息传递算法。相较于传统的消息传递（Message Passing,MP）、近似消息传递（Approximate Message Passing,AMP）和GAMP等检测方式,所提算法有更低复杂度。在500 km/h的高动态场景中对该算法进行仿真,其误码率性能优于最小均方差（Minimum Mean Squared Error,MMSE）和传统的GAMP检测算法,并且具有更好的收敛性。     

基于重加权近似消息传递算法的稀疏信道估计

基于近似消息传递(AMP)算法,提出了一种重加权近似消息传递(Rw AMP)算法用于稀疏信道估计,该算法增加了重加权过程与衰减机制。在信号重构时加入权重更新过程,待重构信号中较大的元素几乎不变,较小元素迅速降低为零,从而提高正确重构概率。其次,当稀疏信道估计的观测矩阵为Toeplitz矩阵时,为了提高AMP类算法收敛性,文中加入衰减机制。仿真结果表明,在相同复杂度的条件下,Rw AMP算法的信号重构性能优于基追踪(BP)算法和AMP算法。     

可重构智能表面辅助的无源波束成形和信号检测

针对基于空间调制的可重构智能表面(Reconfigurable Intelligent Surface,RIS)联合无源波束成形和信号检测系统中无源波束成形的非凸二次约束二次规划问题,提出了基于连续凸逼近(Successive Convex Approximation,SCA)和优化最小化(Majorization-inimization,MM)的低复杂度算法。针对用户信息的双线性检测问题,提出自适应阻尼因子双线性广义近似消息传递(Bilinear Generalized Approximate Message Passing,BiG睞MP)算法,在保证误码率性能的同时算法具有更快的收敛速度与更低的复杂度。针对仅有0和1组成的可重构智能表面信息检测,提出基于广义近似消息传递(Generalized Approximate Message Passing,GAMP)算法的改进算法,在计算从检查节点到变量节点的消息时算法不使用GAMP算法中近似值,而直接计算信息。仿真结果表明,在降低误码率性能方面改进的GAMP算法比GAMP实现了4 dB的信噪比增益。     

采用拉普拉斯尺度混合先验的结构化近似消息传递算法

为了准确有效地实现自然图像的压缩感知重构,提出一种使用拉普拉斯尺度混合（Laplacian Scale Mixture,LSM）先验的结构化近似消息传递（Approximate Message Passing,AMP）算法.利用LSM模型构建AMP算法的高阶统计约束,将压缩感知重构问题转化为先验信息估计问题和奇异值最小化问题.首先,用LSM分布刻画相似块矩阵奇异值的稀疏性,其中该稀疏性指示了图像块的相似性,因此LSM模型被用来描述图像的非局部相似结构;然后,通过期望最大化算法估计LSM模型的尺度参数,得到可靠的先验信息;最后,由AMP算法求解奇异值最小化问题,实现图像的精确重构.实验结果表明,提出的结构化AMP算法的图像重构质量优于多种主流的压缩感知图像重构算法.     

应用双线性模型的离格波达角估计方法

针对离格波达角估计(Direction of Arrival,DOA)问题,提出了一种基于双线性向量化近似消息传递(Bilinear Vectorization Approximate Message Passing,BAd-VAMP)的解决方法.该方法首先将DOA估计问题建模为双线性模型,利用BAd-VAMP算法进行...     

基于两步噪声学习网络的波束域毫米波大规模MIMO信道估计

针对波束域毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统,构建了一种新型两步噪声学习网络（Two-step Noise Learning Network,TNLNet）。基本原理是在接收信号反复经过卷积层和池化层提取噪声特征的基础上,利用波束域毫米波大规模MIMO信道矩阵稀疏性所引起的相邻元素相近的特点,采用下采样将信道矩阵重构成4个子矩阵,提高训练测试效率。该算法具有以比全卷积去噪近似消息传递(Fully Convolutional Denoising Approximate Message Passing,FCDAMP)算法和学习去噪的近似消息传递(Learned Denoising-based Approximate Message Passing,LDAMP)算法更低的复杂度,取得了比最小二乘算法、最小均方误差算法、FCDAMP和LDAMP更优的归一化均方误差（Normalized Mean Squared Error,NMSE）性能;与快速灵活去噪卷积神经网络(Fast and Flexible Denoising convolutional neural Network,FFDNet)相比虽然复杂度略高,但具有更优的NMSE性能,且在单一训练模型中获得了比FFDNet更宽的信噪比适用范围,增强了实用性。     

基于GA-MP的低复杂度OTFS检测算法

针对正交时频空(Orthogonal Time Frequency Space, OTFS)通信系统信号检测复杂度高的问题,提出一种改进的高斯近似消息传递(Gaussian Approximate Message Passing, GA-MP)检测算法。依据最大后验概率检测准则,对发送信号及隐变量进行逐符号高斯近似,基于置信传播算法与联合因子图进行消息传递,用边缘后验概率替代GA-MP中的外部信息以减少运算量,结合阻尼因子提升收敛速度,同时引入概率阈值减少后续更新的节点数,从而使运算复杂度得到有效降低。实验结果表明,改进后的GA-MP算法在保证误码率性能的前提下具有更低的复杂度。     

基于矢量近似消息传递的智能反射面辅助毫米波信道估计

毫米波属于一种典型的视距传输方式,其受大气吸收影响严重。针对毫米波的非视距传播受限,该文通过智能反射面(IRS)辅助毫米波通信,提出结合Khatri-Rao积的矢量近似消息传递(KR-VAMP)算法来提高毫米波通信系统的信道估计质量。该算法基于Khatri-Rao积将级联信道问题转换为稀疏信号恢复问题,并结合VAMP的矢量和迭代阈值算法的优势,使得整个IRS辅助毫米波系统在减少训练迭代次数的同时,降低了整个系统的信道估计误差。最后通过仿真结果对比,分析了各变量对信道估计的均方误差(MMSE)的影响,以及MMSE随着迭代次数的收敛情况,验证了此算法对比其他近似消息传递(AMP)算法具有更好的性能。     

应用酉变换近似消息传递的大规模MIMO接收机设计

由于天线间距较近和一些非白高斯干扰,大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统的信道矩阵存在如列相关、低秩和非零均值等“病态”特征,给基于近似消息传递的迭代接收机算法造成了严重的性能损失。为此,提出了一种基于酉变换近似消息传递(Unitary Transformation Approximate Message Passing,Ut-AMP)的接收机算法。首先针对均值非零、列相关和条件数过大三种常见的病态特征,分析了酉变换的必要性;其次,利用变量间的马尔科夫特性将大规模MIMO系统进行因式分解和因子图建模,推导了联合置信传播、平均场和Ut-AMP的消息传递算法,并与现有算法的复杂度进行了对比;最后建立大规模MIMO接收机模型,对所有相关算法进行数值仿真。仿真结果表明,所提接收机算法能够以复杂度略有提升为代价,在病态信道矩阵环境中大幅提升接收机的鲁棒性,具有很高的研究和应用价值。     

一种压缩感知信道估计中降低信道稀疏度的算法

针对基于压缩感知的稀疏多径信道估计,提出了一种利用智能天线波束赋形改造多径信道,从而改选信道稀疏度的方法。与MIMO系统压缩感知相比,在利用OMP重构算法、获得同样估计性能的前提下,需要的导频数大大减少,这样就可以节省更大的空间来传送用户数据,提高了系统的吞吐量。仿真结果也证实了本文提出方法的优越性。     

NOMA系统基于自适应匹配追踪算法的联合信道估计与多用户检测新方法

在免调度非正交多址接入（Non-Orthogonal Multiple Access,NOMA）系统中,针对基于帧的多用户传输场景的信道估计（Channel Estimation,CE）与用户的活跃和数据检测（Multiuser Detection,MUD）问题,本文在多重测量矢量压缩感知（Multiple Measurement Vector-Compressive Sensing,MMV-CS）框架下,提出了一种门限辅助的分布式弱选择分段自适应匹配追踪（Thresholod Aided- Distributed Weak Selection Stagewise Adaptive Matching Pursuit,TA-DWSStAMP）算法来联合解决CE和MUD问题。该算法在精确的迭代终止准则下,引入阶段标识,在大步长阶段设计了一种幂函数型的变步长方法。仿真结果表明,本文提出的算法能够在复杂度仅为现有算法10%的条件下,获得与现有算法相近的信道估计性能、用户成功活跃检测率和用户数据的误符号率。      

采用残差变化控制的自适应稀疏信道估计

针对传统压缩感知信道估计对稀疏度信息依赖和稀疏度自适应信道估计在低信噪比时抗噪能力较差的问题,提出了一种采用残差变化控制的稀疏度自适应的压缩感知信道估计算法。该算法在传统的压缩感知信道估计的基础上引入残差变化控制,通过比较每次迭代下的残差变化的幅度来控制信道估计的迭代次数,提高信道估计的自适应性和鲁棒性。同时,为解决传统稀疏度自适应压缩感知信道估计抗噪能力较差的问题,利用正交匹配追踪提高算法的抗噪声性能。相比于传统的稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit, SAMP)算法,所提算法约有4 dB的性能优势,且算法复杂度更低。     

RIS辅助卫星物联网中基于压缩感知的SCMA信号重构

卫星物联网是未来6G网络重要组成部分,在地面部署可重构智能反射面（Reconfigurable Intelligence Surface, RIS）则能进一步增强天地之间信号的传输能力;然而海量设备的接入和检测,以及RIS的引入带来的较高复杂度,给系统设计与实现带来挑战。针对卫星物联网设备和业务稀疏特性,本文提出了一种基于压缩感知的信号重构算法,旨在提高系统的接入用户数和检测成功率,同时降低检测的复杂度。首先,介绍了RIS辅助的卫星物联网系统架构,构建了天地信道模型和星上接收信号模型。然后考虑到卫星物联网地面终端的稀疏性和业务的稀疏性,结合稀疏码分多址（Sparse Code Multiple Access,SCMA）和压缩感知的信号处理方法,通过合理设计SCMA中的稀疏码字,将多用户检测转化为压缩感知理论中的信号重构。最后提出了一种演进的近似消息传播算法（Evolved Approximate Message-Passing,EAMP）来实现压缩感知中的信号重构。仿真结果表明,RIS辅助的SCMA系统与功率域的非正交多址接入技术相比可以提高系统的吞吐量性能,同时EAMP算法相比传统的SIC算法具有更高的正确检测概率和更低的算法复杂度。      

基于加权平均一致算法的宽带压缩频谱感知

在认知无线电(CR)网络中进行频谱共享接入,首要的任务是进行频谱感知,并发现频谱空洞。基于认知无线网络中信号频域的固有稀疏性,本文结合了压缩感知(CS)技术与加权平均一致(weighted average consensus)算法,建立了分布式宽带压缩频谱感知模型。频谱感知分为两个阶段,在感知阶段,各个CR节点对接收到的主用户信号进行压缩采样以减少对宽带信号采样的开销和复杂度,并做出本地频谱估计;在信息融合阶段,各CR节点的本地频谱估计结果以分布式的方式进行信息融合,并得到最终的频谱估计结果,获得分集增益。仿真结果表明,结合压缩感知与加权平均一致算法增强了频谱感知的性能,比在相同的CR网络中使用平均一致算法时有了性能上的提升。      

复杂地形环境下基于GAMP-STAP的低空风切变风速估计方法

针对机载气象雷达在复杂的地形环境下探测低空风切变时,地杂波呈现非均匀特征和难以获取足够的独立同分布(IID)样本,导致空时自适应处理(STAP)杂波抑制性能变差,使得风切变风速估计不准的问题。该文基于杂波信号稀疏特性,提出一种广义近似消息传递(GAMP)STAP方法,GAMP-STAP仅利用少量的样本在复杂地形环境下实现了风速较准确的估计。该方法首先利用杂波脊的先验信息构造稀疏字典,然后在贝叶斯框架下利用GAMP算法估计杂波幅度,恢复杂波功率谱,进而计算杂波协方差矩阵,最后构造STAP滤波器实现杂波抑制以及风切变风速估计。后续实验仿真结果证明了该方法的有效性。     

基于提前终止迭代的概率近似消息传递检测算法

大规模多输入多输出技术作为第5代通信系统的关键技术,可有效提高频谱利用率。基站端采用消息传递检测(MPD)算法可以实现良好的检测性能。但是由于MPD算法的计算复杂度随调制阶数和用户天线数的增加而增加,而概率近似消息传递检测(PA-MPD)算法可以减少MPD算法的计算复杂度。为了进一步降低PA-MPD算法的复杂度,该文在PA-MPD算法的基础上引入了提前终止迭代策略,提出了一种改进的概率近似消息传递检测算法(IPA-MPD)。首先确定不同用户的符号概率在迭代过程中的收敛速率,然后根据收敛率来判断用户的符号概率是否达到最佳收敛,最后对符号概率到达最佳收敛的用户终止算法迭代。仿真结果表明,在不同单天线用户配置下IPA-MPD算法的计算复杂度可降低为PA-MPD算法的52%～77%,且不损失算法的检测性能。     

基于最优观测矩阵的压缩信道感知

信道估计技术作为获得信道衰落信息的方法,是提高无线信道传输接收性能的关键技术。而物理多径信道固有的稀疏性,使得将压缩感知（CS）理论用于稀疏多径信道的估计成为可能。由于传统的线性估计方法没有考虑信道的固有稀疏性,因而在训练序列数目较少的情况下,压缩信道估计的重构效果要明显优于传统的最小二乘估计方法,在获得同样估计性能的情况下,需要的训练序列长度也大大减少,提高了频谱资源利用率,体现了压缩信道估计出色的估计性能。本文在应用CS理论进行稀疏信道估计的过程中,通过减小观测矩阵的列向量相关性,产生最优观测矩阵的方法,从而让压缩信道估计的性能得到进一步的改善。