發(fā)布時(shí)間：2021-10-29 18:00

　　免調(diào)度非正交多址接入技術(shù)可以減少信令開銷、以過載的方式容納更多用戶而受到人們的廣泛關(guān)注。針對(duì)該技術(shù)需解決的信道估計(jì)、活躍用戶檢測(cè)和信號(hào)檢測(cè)3個(gè)主要應(yīng)用難題,文中提出一種聯(lián)合信道估計(jì)的稀疏多用戶檢測(cè)方法同時(shí)解決上述3個(gè)問題。該方法通過聯(lián)合考慮包含導(dǎo)頻信號(hào)和用戶數(shù)據(jù)信號(hào)的幀結(jié)構(gòu),重組用戶信號(hào)為塊稀疏單測(cè)量向量的壓縮感知模型,將問題轉(zhuǎn)化為塊稀疏信號(hào)恢復(fù)。所提算法通過驗(yàn)證誤差的方式自適應(yīng)地結(jié)束迭代,相比于根據(jù)不同的信噪比而設(shè)置對(duì)應(yīng)迭代停止閾值的塊稀疏子空間追蹤算法靈活性更好。仿真結(jié)果表明,所提算法能夠高可靠地完成聯(lián)合信道估計(jì)和多用戶檢測(cè),相比于獨(dú)立的信道估計(jì)和多用戶檢測(cè)誤碼率性能得到了很大的提升,且算法靈活性好,更適用于實(shí)際的通信系統(tǒng)。 

【文章來源】：南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,40(03)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

用戶數(shù)據(jù)幀結(jié)構(gòu)及塊稀疏結(jié)構(gòu)示意圖

圖2為OMP算法在稀疏度未知情況下,不同迭代次數(shù)下的殘差范數(shù)與誤差范數(shù)的變化曲線,仿真參數(shù)總用戶個(gè)數(shù)K=20,活躍用戶數(shù)M=4,擴(kuò)展序列長(zhǎng)度N=15,SNR=15 dB。從圖2可以看出,殘差范數(shù)隨迭代次數(shù)的增加逐漸下降,在迭代次數(shù)等于稀疏度時(shí),有一明顯下降趨勢(shì),之后穩(wěn)步下降,在迭代次數(shù)大于稀疏度之后,實(shí)際上是將噪聲誤判為了其他信號(hào)導(dǎo)致殘差仍在下降。故殘差會(huì)隨支撐集個(gè)數(shù)的增加而下降,并不能找到殘差的一個(gè)閾值作為迭代停止條件,但殘差可以保證加入支撐集的原子不重復(fù),它又是不可或缺的。而觀察誤差的變化趨勢(shì),很容易得到當(dāng)?shù)螖?shù)等于稀疏度時(shí),誤差達(dá)到最小值,故可利用這一特點(diǎn)作為迭代停止的條件。圖3為不同信噪比下,殘差范數(shù)與誤差范數(shù)隨迭代次數(shù)變化的曲線。此時(shí)仿真參數(shù)同圖2,將SNR分別選定為5、10、15 dB�？梢钥闯�:3種信噪比下的誤差變化曲線,均在迭代次數(shù)等于用戶稀疏度時(shí)達(dá)到最小值。所不同的是,在迭代次數(shù)等于稀疏度時(shí),SNR越大,誤差下降趨勢(shì)越明顯,越能準(zhǔn)確地確定誤差最小值,從而更準(zhǔn)確地確定稀疏度。

圖3為不同信噪比下,殘差范數(shù)與誤差范數(shù)隨迭代次數(shù)變化的曲線。此時(shí)仿真參數(shù)同圖2,將SNR分別選定為5、10、15 dB�？梢钥闯�:3種信噪比下的誤差變化曲線,均在迭代次數(shù)等于用戶稀疏度時(shí)達(dá)到最小值。所不同的是,在迭代次數(shù)等于稀疏度時(shí),SNR越大,誤差下降趨勢(shì)越明顯,越能準(zhǔn)確地確定誤差最小值,從而更準(zhǔn)確地確定稀疏度。本節(jié)提出的VE-OMP算法基于SMV模型,該模型下的接收信號(hào)y為式(2)。下面給出VE-OMP算法的具體步驟:

【參考文獻(xiàn)】：
期刊論文
[1]M2M通信系統(tǒng)下基于壓縮感知的多用戶檢測(cè)技術(shù)[J]. 張男,龔磊,翟旭平.  電子測(cè)量技術(shù). 2018(15)
[2]On Uplink Non-Orthogonal Multiple Access for 5G:Opportunities and Challenges[J]. Li Tian,Chunlin Yan,Weimin Li,Zhifeng Yuan,Wei Cao,Yifei Yuan.  中國通信. 2017(12)



本文編號(hào)：3465129