基于高階奇異值分解(High Order Singular Value Decomposition, HOSVD)降噪的信道預(yù)測算法對天線數(shù)較少引起的秩不足問題比較敏感,同時也難以應(yīng)付較大多普勒頻移的情況,從而引起信道估計性能和預(yù)測性能的急劇下降、損失信道容量.針對這一問題,提出了一種改進(jìn)的使用HOSVD降噪的信道預(yù)測算法.該算法先利用多輸入多輸出(Multiple-input Multiple-Output, MIMO)信道固有的空時相關(guān)性對采樣得到的信道狀態(tài)信息(Channel State Information, CSI)進(jìn)行矩陣重排和數(shù)據(jù)平滑處理,隨后基于信道的多維結(jié)構(gòu)特性,使用HOSVD降低噪聲的影響,繼而重構(gòu)信道矩陣,最后利用遞歸最小二乘濾波器對未來時刻的信道狀態(tài)進(jìn)行預(yù)測.仿真表明,所提算法的估計誤差和預(yù)測誤差性能均明顯優(yōu)于對比算法,這是因為所提算法通過矩陣重排和空時平滑,虛擬地增加了天線數(shù),降低了秩缺失問題對估計和預(yù)測精度的影響,從而有效補(bǔ)償了因誤差所致的信道容量的損失.同時,對比天線數(shù)和多普勒頻移對不同算法性能的影響可見,所提算法也能在大多普勒頻移和天線數(shù)較少等不利條件...

【文章頁數(shù)】：5 頁

【文章目錄】：
1 信道模型
2 信道預(yù)測算法
    2.1 數(shù)據(jù)處理
    2.2 HOSVD降噪
    2.3 信道預(yù)測
3 仿真結(jié)果
    3.1 復(fù)雜度分析
    3.2 仿真分析
4 結(jié) 論



本文編號：3785387