针对多径环境下异步长短码直扩码分多址信号(long and short code direct sequence code division multiple access,LSC-DS-CDMA)伪码估计难的问题,提出一种基于张量分解和联合估计的伪码估计方法,采用重叠窗对接收信号进行分段并构建...
详细信息
针对多径环境下异步长短码直扩码分多址信号(long and short code direct sequence code division multiple access,LSC-DS-CDMA)伪码估计难的问题,提出一种基于张量分解和联合估计的伪码估计方法,采用重叠窗对接收信号进行分段并构建张量模型。为改善传统线性步长搜索算法结合梯度下降的方法分解因子矩阵收敛较慢的问题,提出改进的线性步长搜索算法,结合使用动量梯度下降法对各子张量进行Tucker分解得到各因子矩阵,所需的迭代次数大大减少;利用接收增益矩阵和移位相乘解决复合码的排序模糊和幅度模糊问题;利用最大似然准则联合估计复合码和多径信道后,使用梅西算法和相关运算估计每个用户的长码和短码。仿真结果表明,该方法能够有效估计多径异步LSC-DS-CDMA信号的伪码。
针对在低信噪比、观测点数较少情况下稀疏度的欠估计问题,提出了一种基于贝叶斯预测密度的弱匹配追踪频谱检测算法。该算法利用贝叶斯预测密度理论推导出罚函数,然后引入弱匹配策略于Co Sa MP算法,提高频谱支撑集估计性能,且减弱受稀疏...
详细信息
针对在低信噪比、观测点数较少情况下稀疏度的欠估计问题,提出了一种基于贝叶斯预测密度的弱匹配追踪频谱检测算法。该算法利用贝叶斯预测密度理论推导出罚函数,然后引入弱匹配策略于Co Sa MP算法,提高频谱支撑集估计性能,且减弱受稀疏度估计准确度的影响。仿真结果表明,当信噪比高于3 d B时,利用400个观测样本该算法就能获得90%以上的频谱检测概率,宽带频谱感知性能优于已有算法。
针对在低信噪比(SNR)情况下稀疏度欠估计和高信噪比情况下稀疏度过估计的问题,提出了一种基于Gerschgorin理论稀疏度估计的宽带频谱感知算法。首先,该算法利用Gerschgorin理论分离信号圆盘与噪声圆盘得到稀疏度估计值;然后,利用正交匹配追踪(OMP)算法得到频谱支撑集;最后,完成宽带频谱感知。仿真结果表明,所提算法、AIC-OMP算法和MDL-OMP算法频谱感知的检测概率达到95%信噪比分别需要4.6 d B、8.5 d B和9.7 d B;所提算法频谱感知的虚警概率在信噪比大于13 d B时趋近于0,明显低于BPD-OMP和GDRI-OMP算法的虚警概率,因此,所提算法对于压缩感知(CS)的信号稀疏度估计兼顾了低信噪比和高信噪比时的稀疏度估计性能,频谱感知性能优于AIC-OMP算法、MDL-OMP算法、BPD-OMP算法和GDRI-OMP算法。
暂无评论