为提高传统压缩感知(CS)恢复算法的抗噪性能,结合观测矩阵优化和自适应观测的思想,提出一种自适应压缩感知(ACS)算法。该算法将观测能量全部分配在由传统CS恢复算法估计的支撑位置,由于估计支撑集中包含支撑位置,这样可有效提高观测信噪比(SNR);再从优化观测矩阵的角度推导出最优的新观测向量,即其非零部分设计为Gram矩阵的特征向量。仿真结果表明,随着观测数增大,Gram矩阵非对角元素的能量增速小于传统CS算法,并且分别在观测次数、稀疏度和SNR相同的条件下,所提算法的重构归一化均方误差低于传统CS恢复算法10 d B以上,低于典型的贝叶斯方法 5 d B以上。分析表明,所提自适应观测机制可有效提高传统CS恢复算法的能量利用效率和抗噪性能。
在D2D(Device-to-Device)通信中引入中继节点可以延伸蜂窝覆盖范围,提高系统性能。在中继辅助的D2D通信中,中继节点的选择是关键。提出了一种中继辅助的资源分配算法,讨论了中继节点的选择问题,同时根据社交关系因素和距离因素来选择最优中继。该方案保证了通信链路的QoS(Quality of Service),并且使得系统吞吐量达到最大。仿真结果表明,距离和社交关系因素都对D2D通信产生很大影响,同时考虑两个因素比单纯考虑社交关系因素或者距离因素性能提高很多。
LDPC码是一种具有稀疏性且接近香农极限的线性分组码。目前被广泛应用的LDPC简化算法的译码性能损失较多,译码性能和复杂度折中的算法具有重要价值。对几种已知的译码算法进行了深入研究,提出一种基于变量节点更新改进的最小和算法,该算法与最小和算法、归一化最小和算法复杂度相当,但译码性能得到约0.5 d B和0.2 d B的提高,在中高信噪比区,更加接近LLR-BP算法的性能。
暂无评论