一種改進的動態(tài)自適應多用戶檢測算法
發(fā)布時間：2020-12-12 15:14
在大規(guī)模機器類通信(mMTC)上行免調度非正交多址接入(NOMA)系統(tǒng)中,活躍用戶通常以高概率在幾個連續(xù)時隙傳輸數(shù)據(jù)。為了充分利用相鄰時隙之間的時間相關性,文章提出了一種改進的動態(tài)自適應(IDA)多用戶檢測算法,將壓縮感知的重構思想結合時間相關性實現(xiàn)活躍用戶和數(shù)據(jù)的聯(lián)合檢測。在估計支撐集過程中加入自適應閾值輔助策略選擇原子,利用冪函數(shù)變步長方法提高稀疏度估計的準確性,并優(yōu)化迭代終止條件。仿真結果表明,與貪婪重構算法和基于動態(tài)壓縮感知(DCS)的多用戶檢測算法相比,在缺乏先驗稀疏度條件下,IDA多用戶檢測算法表現(xiàn)出更優(yōu)的信號檢測性能。
【文章來源】：光通信研究. 2020年06期 第49-53頁 北大核心
【文章頁數(shù)】：5 頁
【部分圖文】：
不同β下IDA算法重構性能比較
為了更好地體現(xiàn)IDA算法的檢測性能,將所提算法與DCS、OMP、子空間追蹤[9](Subspace Pursuit,SP)和先驗最小二乘(Least Square,LS)算法(理想性能算法)作比較。圖2所示為上述算法在不同信噪比(Signal-to-Noise Ratio,SNR)下的誤碼率(Bit Error Ratio,BER)性能。仿真中,設置步長調整門限δ=1.2,初始步長s=1,活躍用戶數(shù)為25。由圖可知,IDA算法的BER性能明顯優(yōu)于OMP和SP算法,原因是IDA算法充分利用了相鄰時隙的時間相關性,同時結合自適應閾值輔助、迭代終止條件優(yōu)化和冪函數(shù)變步長的思想,使檢測性能大幅度提升。在BER=1×10-3時,IDA算法相較于DCS算法,其性能損失不到1 dB,這是因為IDA算法缺乏真實的用戶稀疏度,然而在實際mMTC網(wǎng)絡中基站端是無法得知用戶稀疏度的,因此IDA算法更具有實用性。當SNR<12 dB時,IDA比DCS算法的BER性能更優(yōu),其原因是在低SNR時,閾值輔助策略和冪函數(shù)變步長方法使IDA算法更準確地估計活躍用戶集。綜上所述,IDA算法在保證信號重構性能的同時更適用于實際的mMTC場景。圖3對比了IDA、OMP、SP、DCS和先驗LS算法在不同活躍用戶數(shù)下的BER性能。其中,設置步長調整門限δ=1.2,初始步長s=1,SNR=10 dB。由圖可知,隨著活躍用戶數(shù)的增長,不同檢測算法的BER都會逐漸上升,但IDA算法在整個活躍用戶區(qū)間內均優(yōu)于其他幾種算法,其原因是閾值輔助策略提升了IDA算法選取用戶支撐集的準確性,冪函數(shù)變步長方法和優(yōu)化的迭代終止條件能避免活躍用戶數(shù)的過估計與欠估計,確保算法及時終止迭代。
圖3對比了IDA、OMP、SP、DCS和先驗LS算法在不同活躍用戶數(shù)下的BER性能。其中,設置步長調整門限δ=1.2,初始步長s=1,SNR=10 dB。由圖可知,隨著活躍用戶數(shù)的增長,不同檢測算法的BER都會逐漸上升,但IDA算法在整個活躍用戶區(qū)間內均優(yōu)于其他幾種算法,其原因是閾值輔助策略提升了IDA算法選取用戶支撐集的準確性,冪函數(shù)變步長方法和優(yōu)化的迭代終止條件能避免活躍用戶數(shù)的過估計與欠估計,確保算法及時終止迭代。圖4所示為IDA、OMP、SP和DCS算法在不同活躍用戶數(shù)下的迭代次數(shù)。其中,設置步長調整門限δ=1.2,初始步長s=1,SNR=10 dB。由圖可知,各檢測算法的迭代次數(shù)都會隨活躍用戶數(shù)的增加而增加,但在活躍用戶數(shù)相同的條件下,IDA算法完成重構所需的迭代次數(shù)更少,其原因是閾值輔助和冪函數(shù)變步長方法的共同作用加快了IDA算法的重構速度。而DCS算法是基于OMP算法實現(xiàn)的,同OMP算法一樣,其迭代次數(shù)隨稀疏度的增長線性增加且等于已知的稀疏度。此外,SP算法是基于OMP算法改進的,在每次迭代過程中選取多個原子,因此其迭代次數(shù)略有減少,但仍高于IDA算法。
本文編號：2912802
【文章來源】：光通信研究. 2020年06期 第49-53頁 北大核心
【文章頁數(shù)】：5 頁
【部分圖文】：
不同β下IDA算法重構性能比較
為了更好地體現(xiàn)IDA算法的檢測性能,將所提算法與DCS、OMP、子空間追蹤[9](Subspace Pursuit,SP)和先驗最小二乘(Least Square,LS)算法(理想性能算法)作比較。圖2所示為上述算法在不同信噪比(Signal-to-Noise Ratio,SNR)下的誤碼率(Bit Error Ratio,BER)性能。仿真中,設置步長調整門限δ=1.2,初始步長s=1,活躍用戶數(shù)為25。由圖可知,IDA算法的BER性能明顯優(yōu)于OMP和SP算法,原因是IDA算法充分利用了相鄰時隙的時間相關性,同時結合自適應閾值輔助、迭代終止條件優(yōu)化和冪函數(shù)變步長的思想,使檢測性能大幅度提升。在BER=1×10-3時,IDA算法相較于DCS算法,其性能損失不到1 dB,這是因為IDA算法缺乏真實的用戶稀疏度,然而在實際mMTC網(wǎng)絡中基站端是無法得知用戶稀疏度的,因此IDA算法更具有實用性。當SNR<12 dB時,IDA比DCS算法的BER性能更優(yōu),其原因是在低SNR時,閾值輔助策略和冪函數(shù)變步長方法使IDA算法更準確地估計活躍用戶集。綜上所述,IDA算法在保證信號重構性能的同時更適用于實際的mMTC場景。圖3對比了IDA、OMP、SP、DCS和先驗LS算法在不同活躍用戶數(shù)下的BER性能。其中,設置步長調整門限δ=1.2,初始步長s=1,SNR=10 dB。由圖可知,隨著活躍用戶數(shù)的增長,不同檢測算法的BER都會逐漸上升,但IDA算法在整個活躍用戶區(qū)間內均優(yōu)于其他幾種算法,其原因是閾值輔助策略提升了IDA算法選取用戶支撐集的準確性,冪函數(shù)變步長方法和優(yōu)化的迭代終止條件能避免活躍用戶數(shù)的過估計與欠估計,確保算法及時終止迭代。
圖3對比了IDA、OMP、SP、DCS和先驗LS算法在不同活躍用戶數(shù)下的BER性能。其中,設置步長調整門限δ=1.2,初始步長s=1,SNR=10 dB。由圖可知,隨著活躍用戶數(shù)的增長,不同檢測算法的BER都會逐漸上升,但IDA算法在整個活躍用戶區(qū)間內均優(yōu)于其他幾種算法,其原因是閾值輔助策略提升了IDA算法選取用戶支撐集的準確性,冪函數(shù)變步長方法和優(yōu)化的迭代終止條件能避免活躍用戶數(shù)的過估計與欠估計,確保算法及時終止迭代。圖4所示為IDA、OMP、SP和DCS算法在不同活躍用戶數(shù)下的迭代次數(shù)。其中,設置步長調整門限δ=1.2,初始步長s=1,SNR=10 dB。由圖可知,各檢測算法的迭代次數(shù)都會隨活躍用戶數(shù)的增加而增加,但在活躍用戶數(shù)相同的條件下,IDA算法完成重構所需的迭代次數(shù)更少,其原因是閾值輔助和冪函數(shù)變步長方法的共同作用加快了IDA算法的重構速度。而DCS算法是基于OMP算法實現(xiàn)的,同OMP算法一樣,其迭代次數(shù)隨稀疏度的增長線性增加且等于已知的稀疏度。此外,SP算法是基于OMP算法改進的,在每次迭代過程中選取多個原子,因此其迭代次數(shù)略有減少,但仍高于IDA算法。
本文編號：2912802
本文鏈接：http://sikaile.net/kejilunwen/xinxigongchenglunwen/2912802.html
