在高斯噪声背景下,针对互耦条件下的均匀线阵(Uniform Linear Array,ULA),该文提出了一种联合多用户波达方向(Direction Of Arrival,DOA)估计与互耦误差自校正算法。该算法首先利用特征矩阵联合相似对角化(Joint Approximative Diagonal...
详细信息
在高斯噪声背景下,针对互耦条件下的均匀线阵(Uniform Linear Array,ULA),该文提出了一种联合多用户波达方向(Direction Of Arrival,DOA)估计与互耦误差自校正算法。该算法首先利用特征矩阵联合相似对角化(Joint Approximative Diagonalization of Eigen matrix,JADE)方法估计出各用户广义空间特征矢量,然后定义了一个将各用户广义空间特征矢量转换为只与部分阵元相关的转换矩阵,进而在斜投影及前后向空间平滑的基础上,实现了多用户相干信源DOA估计,最后以多用户相干信源DOA及广义空间特征矢量估计值为基础,给出一种互耦自校正方法。仿真结果表明:该算法具有较高的DOA估计精度及DOA估计成功率,而且对高斯白噪声/色噪声背景,阵列互耦误差已知/未知情形,均具有普适性。
基于最大信道增益的中继选择方法,分析了在不完全信道状态信息(CSI,channel stateinformation)和受主用户干扰情况下认知中继网络的中断概率;进一步提出了在主用户干扰约束和保证认知用户服务质量(QoS,quality of service)条件下最大化...
详细信息
基于最大信道增益的中继选择方法,分析了在不完全信道状态信息(CSI,channel stateinformation)和受主用户干扰情况下认知中继网络的中断概率;进一步提出了在主用户干扰约束和保证认知用户服务质量(QoS,quality of service)条件下最大化认知中继网络频谱效率的数学优化模型,利用拉格朗日对偶松弛法获得了该优化问题的解,在保证主用户传输性能不受影响的前提下,提高了认知中继网络的频谱效率。仿真结果表明该文提出的功率分配方案与等功率分配方案相比提高了性能增益。同时表明在非完全信道条件下获得的频谱效率与完全信道条件下的频谱效率近似,但减少了系统信息的反馈量和实现的复杂度,有利于该方案的工程应用。
暂无评论