共查询到16条相似文献,搜索用时 203 毫秒
1.
2.
在分布式认知无线网络场景下,针对传统协作压缩频谱估计收敛速度慢、计算复杂
度高的问题,提出了一种差分协作压缩频谱估计算法用于宽带频谱感知。算法通过利用不同
认知用户感知的宽带信号所满足的相同频谱支撑集特征,实现了在邻居节点感知先验信息条
件下,本地认知用户基于压缩测量向量差值的宽带频谱迭代估计。仿真分析结果表明,所提
算法在频谱估计精度、检测性能与计算复杂度方面均获得了明显改善。 相似文献
3.
目前在单向双跳多输入多输出(MIMO)中继系统中,基于嵌套张量模型的接收算法主要采用单步交替最小二乘(ALS)和KRF(Khatri-Rao Factorization)算法。在时变信道且实时性要求较高场景下,计算复杂度高是制约其应用的主要因素。为此,在对单向双跳MIMO中继系统建模基础上,提出了基于嵌套张量模型的双步组合接收算法。该算法通过对接收的数据张量进行重建,将符号估计和信道估计分离,充分利用ALS和KRF的算法优势,有效降低了计算复杂度。同时,对算法的可辨识性进行了分析。仿真结果表明,该算法保持了与传统嵌套PARAFAC的最小二乘(Nested PARAFAC ALS)算法的相同估计性能,在源天线个数变化时,计算复杂度降低了80%以上;在中继天线个数变化时,计算复杂度降低了50%以上。 相似文献
4.
5.
分布式认知网络中,认知用户通过与相邻用户交换检测量信息,达到全网一致,实现对主用户信号的检测。为了提高网络检测量信息的收敛速度,提出了一种基于扩散策略的分布式协作检测算法。在该算法中,将最大最小特征值检测算法的检测量作为交换的初始信息,构造自适应矩阵和融合矩阵作为加权因子对认知节点状态值进行迭代更新,实现全网认知用户检测量信息一致,各认知用户独自根据融合的检测量信息,进行最终的检测判决,确定主用户是否存在。仿真结果表明,该算法在网络收敛速度和检测性能上较共识策略和非合作检测有不同程度的提升。 相似文献
6.
针对移动平台雷达同时探测到合作目标与非合作目标怎样进行空间配准的问题,提出了一种一体化的空间配准算法,将基于合作目标的雷达系统偏差估计结果作为附加条件输入到基于非合作目标建立的线性方程组中,一起采用递推最小二乘法(RLS)重新估计两平台的系统偏差大小。仿真结果表明该新方法切实可行,合理地利用了合作目标信息与共同量测的非合作目标信息,提高了雷达量测系统偏差估计的准确性和最终目标航迹的配准精度,相信在多机协同探测领域具有一定的应用价值。 相似文献
7.
8.
9.
件下具有测量误差和星历误差时定位精度不高的特点,提出了一种基于多次观测数据的最小
二乘融合估计定位算法,该算法无需增加观测条件即可有效提高辐射源定位精度。分析了测
量误差、星历误差对单参考站单次定位及融合定位精度的影响,推导了测量误差、星历误差
对定位误差的传递公式,提出了含星历误差影响的最小二乘融合估计加权算法。通过Monte-
Carlo仿真验证了误差分析结果和定位算法,并比较了加权最小二乘估计定位和单次定位的
性能。仿真试验表明:在相同观测精度条件下,加权最小二乘融合定位可极大地提高辐射
源定位精度,最大提高10倍以上。 相似文献
10.
11.
针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。 相似文献
12.
针对传统的自适应均衡算法在稀疏多径信道下性能表现不佳的问题,提出了一种基于基追踪降噪的自适应均衡算法。该算法利用稀疏多径信道下均衡器权值的稀疏性,将自适应均衡器的训练过程看作压缩感知理论中稀疏信号对字典的加权求和,并利用重构算法直接对稀疏权值进行求解,解决了迭代参数设置和收敛慢的问题。采用基追踪降噪作为重构算法并选用变量分离近似稀疏重构对该最优化问题进行求解,既提高了权值的重构精度又降低了计算的复杂度。仿真结果表明,所提算法能够以较低的计算量和较少的训练序列达到更优性能,这对提升系统的通信性能具有参考价值。 相似文献
13.
简要介绍了固定宽带无线接入标准IEEE 802.16以及一种用于信道均衡的自适应算法——指数加权RLS,对判决导引信道均衡技术的原理进行了具体描述。最后分别就两种自适应的均衡算法(LMS、RLS),结合一种具体IEEE 802.16单载波调制系统推荐测试信道进行了仿真,得出RLS算法优于LMS的结论。 相似文献
14.
针对单小区大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统上行链路,提出了一种基于平行因子(Parallel Factor,PARAFAC)模型的信道估计方法。在基站端,将接收信号构造成PARAFAC模型,利用大规模MIMO系统中信道的渐近正交的性质,提出了一种基于约束二线性迭代最小二乘算法(Constrained Blinear Alternating Least Squares,CBALS),从而实现了盲信道估计。理论分析及仿真结果表明,所提方法与传统最小二乘方法相比,不仅提高了频带利用率而且具有更高的估计精度;与已有的二线性交替最小二乘方法(BALS)相比,所提算法有更快的收敛速度。 相似文献
15.