专利汇可以提供在大规模MIMO中基于光滑范数的压缩感知信道估计方法专利检索,专利查询,专利分析的服务。并且在大规模MIMO中基于光滑范数的 压缩 感知 信道估计方法,包括如下步骤,步骤S1、构建多天线多用户的大规模MIMO系统模型,基站配备M根天线,包含K个用户,用户向基站发送导频 信号 ,基站接收 导频信号 Y。步骤S2、建立MIMO系统模型的物理模型与压缩感知模型的联系,并将物理模型转换为求范数的数学问题;步骤S3、结合凸优化思想,采用平滑函数近似范数,在 迭代 过程中采用梯度上升法和梯度投影原理逐步逼近最优解。该方法无需获取信道的稀疏度,采用平滑函数近似范数,并与凸优化思想相结合,迭代过程采用最速上升法和梯度投影原理,逐步逼近最优解。,下面是在大规模MIMO中基于光滑范数的压缩感知信道估计方法专利的具体信息内容。
1.在大规模MIMO中基于光滑l0范数的压缩感知信道估计方法,其特征在于,包括如下步骤,
步骤S1、构建多天线多用户的大规模MIMO系统模型,基站配备M根天线,包含K个用户,用户向基站发送导频信号φ,基站接收导频信号Y。
步骤S2、建立MIMO系统模型的物理模型与压缩感知模型的联系,并将物理模型转换为
求l0范数的数学问题;
步骤S3、结合凸优化思想,采用平滑函数近似l0范数,在迭代过程中采用梯度上升法和梯度投影原理逐步逼近最优解。
2.根据权利要求1所述的在大规模MIMO中基于光滑l0范数的压缩感知信道估计方法,其特征在于,所述步骤S1中,构建的多天线多用户的大规模MIMO系统模型的具体为,运行在TDD下的MU-MIMO系统,其中,基站配备有M根天线,在上行链路中,基站接收K个自主单天线用户端发送的信号;在T个可用的下行链路中获取信道链路状态,基站在第t个信道中发送导频信号 t=1,2,…,T;则第K个用户接收到的T个信道内的导频观测值为yk=hk
Φ+nk;其中, 为T个信道内的发送导频矩阵,nt∈C1×T为独立同分
布的加性高斯白噪声,服从 概率分布,hk∈C1×M为基站到第k个用户间的信道状态
向量,其表达式为 其中,P为可解析路径的个数,gk,p为第P条路径的
传输增益,θp为第p条路径的发射角,a(θp)为均匀线性天线模型下的导向矢量,定义表达式为 其中,D为基站与天线之间的间距,λ为基
站和天线之间载波波长。
3.根据权利要求1所述的在大规模MIMO中基于光滑l0范数的压缩感知信道估计方法,其特征在于,所述步骤S2的具体步骤为,
步骤S21、将MIMO系统模型等价表示为Y=HΦ+N,其中, 为K个用户的
导频联合观测值, 为待估计的信道矩阵, 为
信道噪声矩阵,若用户间有共同的散射体簇,用户间的天线矢量相同,则信道矩阵可以表示为H=GA;其中,矩阵G∈Ck×p,第(k,p)个元素为gk,p,A=[a(θ1)T,α(θ2)T,...,a(θp)T]T∈CP×M;
由秩的性质可得rank(H)≤min{rank(G),rank(A)},即rank(H)≤min{M,K,P};由于大规模MIMO系统中,基站天线数量M和用户数K远大于可分解路径P的数量,可得rank(H)≤P;由此可知,带估计的信道矩阵H是低秩的;
步骤S22、由于Y和Φ均为可观测的矩阵,带估计的信道矩阵H为低秩的,从而可通过压缩感知的模型求解H,令h=vec(H),通过最小化l0范数可以求得未知向量h的最稀疏解,公式为
4.根据权利要求1所述的在大规模MIMO中基于光滑l0范数的压缩感知信道估计方法,其特征在于,所述步骤S3的具体步骤为,
步骤S31、根据步骤S2可知,物理模型转换为求l0范数的数学问题,即为
由l0范数的定义可知,h=[h1...hN]T的l0范数为非零向量
的个数,即定义为: 因此 采用平滑连续函数代替v来近似逼
近l0范数,则平滑连续函数的最优解为l0范数的最优解,从而得到信道矩阵向量;
步骤S32、平滑连续函数选用高斯函数,即 则有, 从而
推导出, 其中,σ为参数,hi为向量h的一个分量;定义 则
因此l0范数近似表示为||h||0=N-Fσ(h)。
步骤S33、求解最小l0范数等价于在仿射集S={h|Φh=Y}求最大Fσ值,则近似模型为max Fσ(h) s.t. Φh=Y,模型中σ决定了Fσ函数的光滑程度,σ值越大,Fσ函数越光滑,越不接近l0范数;σ值越小,Fσ函数越不光滑,越接近l0范数;但是,当σ值很小时,Fσ函数存在很多局部最大值,且不容易求出全局最大值;当σ值较大时,Fσ比较光滑且存在少量的局部最大值,在σ→∞时其最大值为LS算法估计值;所以选择一个递减序列σ,对它的每一个值通过最速上升法求解Fσ的最大值,每次迭代Fσ的初始值是前一个σ对应的Fσ的最大值,最终达到去除局部最大值的影响,求得全局最大值,从而得到最佳信道矩阵估计值。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种机载发动机健康管理系统及方法 | 2020-05-08 | 331 |
基于压缩感知的叶片振动特征辨识方法及系统 | 2020-05-08 | 601 |
多源无标签数据学习建模的传动系统性能退化评估方法 | 2020-05-11 | 539 |
基于实时决策-实时控制模式的安全稳定控制系统及方法 | 2020-05-11 | 91 |
一种加权多尺度字典学习框架的行星轮轴承故障辨识方法 | 2020-05-08 | 11 |
基于SAE和K-means聚类算法的电池筛选方法 | 2020-05-11 | 978 |
直升机协同定位方法 | 2020-05-12 | 11 |
数据采集方法、系统、设备及存储介质 | 2020-05-12 | 468 |
一种基于压缩感知的波前探测系统 | 2020-05-08 | 42 |
目标特征提取方法、装置及计算机存储介质、电子设备 | 2020-05-11 | 774 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。