采用壓縮感知理論進行信道估計的前提是信道本身為稀疏的,或者可以通過少許幾個基函數進行稀疏表示。目前,大部分應用于信道稀疏表示的字典由某組固定的正交基函數系列所構成,不能用少量的基函數對信道進行表示。為此,本文引入Takenaka-Malmquist（TM）函數系,研究與信道結構相匹配的TM字典的構造和學習方法,發(fā)展自適應匹配無線信道的稀疏表示方法。主要工作和創(chuàng)新點如下:首先,提出了一種基于修正解析TM字典的無線信道稀疏表示方法。將開單位圓內等間隔采樣的點作為TM函數的極點,構成初始TM基函數,對其離散化后形成解析TM字典。使用正交匹配追蹤算法對信道進行稀疏表示,根據該稀疏表示中所用TM基函數對應極點在開單位圓內的位置分布,重新設置極點用來替換之前由等間隔采樣得到的極點,從而構成修正TM基函數,并形成修正解析TM字典。仿真結果表明,相較于基于解析TM字典,解析離散余弦變換等字典的稀疏表示方法,本方法對信道的表示結果更稀疏。其次,為了使修正解析TM字典能夠進一步地匹配信道的內在結構,提出了一種基于修正學習TM字典的無線信道稀疏表示方法。通過使用K-SVD算法對修正解析TM字典進行訓練,自適... 

【文章頁數】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題來源
    1.2 無線信道的稀疏表示
        1.2.1 基于字典的信道稀疏表示
        1.2.2 字典的構造方式
        1.2.3 稀疏系數的求解方式
    1.3 國內外研究現(xiàn)狀
    1.4 論文的主要研究問題
    1.5 論文的主要工作
第二章 TM字典的兩種構造方法
    2.1 TM函數系簡介
    2.2 基于解析式的TM字典構造方法
    2.3 基于學習算法的TM字典構造方法
        2.3.1 基于MOD算法的構造方法
        2.3.2 基于K-SVD算法的構造方法
    2.4 本章小結
第三章 基于修正解析TM字典的無線信道稀疏表示
    3.1 引言
    3.2 基于修正解析TM字典的稀疏表示方法
        3.2.1 修正解析TM字典的構造
        3.2.2 修正解析TM字典的完備性證明
        3.2.3 無線信道的稀疏表示方法
        3.2.4 基于稀疏表示的無線信道降噪處理方法
    3.3 仿真結果分析
        3.3.1 Jakes無線信道的稀疏表示
        3.3.2 Jakes無線信道的降噪處理
    3.4 本章小結
第四章 基于修正學習TM字典的無線信道稀疏表示
    4.1 引言
    4.2 基于修正學習TM字典的稀疏表示方法
        4.2.1 修正學習TM字典的構造
        4.2.2 無線信道的稀疏表示方法
        4.2.3 基于稀疏表示的無線信道降噪處理方法
    4.3 仿真結果分析
        4.3.1 Jakes無線信道的稀疏表示
        4.3.2 Jakes無線信道的降噪處理
    4.4 本章小結
第五章 基于修正加權學習TM字典的無線信道雙重稀疏表示
    5.1 引言
    5.2 基于修正加權學習TM字典的雙重稀疏表示方法
        5.2.1 加權K-SVD字典學習算法
        5.2.2 并行加權K-SVD字典學習算法
        5.2.3 無線信道的稀疏表示方法
    5.3 仿真結果分析
        5.3.1 Jakes無線信道的稀疏表示
        5.3.2 Jakes無線信道的降噪處理
        5.3.3 加權K-SVD算法與并行加權K-SVD算法的耗時和性能參數對比
    5.4 本章小結
第六章 結論與展望
    6.1 結論
    6.2 展望
參考文獻
作者在攻讀碩士學位期間公開發(fā)表的論文
作者在攻讀碩士學位期間所作的項目
致謝



本文編號：3666531