💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
⛳️赠与读者
👨💻做科研,涉及到一个深在的思想系统,需要科研者逻辑缜密,踏实认真,但是不能只是努力,很多时候借力比努力更重要,然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学,什么是电的时候,不要觉得这些问题搞笑。哲学是科学之母,哲学就是追究终极问题,寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览,免得骤然跌入幽暗的迷宫找不到来时的路,它不足为你揭示全部问题的答案,但若能让人胸中升起一朵朵疑云,也未尝不会酿成晚霞斑斓的别一番景致,万一它居然给你带来了一场精神世界的苦雨,那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。
或许,雨过云收,神驰的天地更清朗.......🔎🔎🔎
💥1 概述
摘要-向量扰动(VP)预编码是下行链路中多用户通信系统的一种有前景的技术。在这项工作中,我们引入了一个混合框架,以提高晶格缩减(LR)辅助预编码中VP的性能。首先,我们使用零强制(ZF)或基于简化晶格基的逐步干扰取消(SIC)进行简单的预编码。由于LR-ZF或LR-SIC预编码后的信号空间可以被证明被限制在一个小范围内,然后加上LR保证的足够正交性,它们共同为随后的近似消息传递(AMP)算法的应用铺平了道路,进一步提升了任何次优预编码器的性能。我们的工作表明,AMP算法对于晶格解码问题是有益的,其数据符号位于整数Z中,且晶格基的条目可能不是独立同分布的高斯分布。数值结果证实,低复杂度的AMP算法可以显著改善LR辅助预编码的符号误差率(SER)性能。最后,混合方案在解决大规模MIMO系统的数据检测问题时,即使不使用LR,也被证明是有效的。关键词-向量扰动,晶格缩减,近似消息传递,大规模MIMO
📚2 运行结果
部分代码:
n=32;% # of users
m=64;% # of received antennas; m is much larger than n in massive mimo
SNR_range=[0:4:16]; % the tested range of SNR
count=0;
algorithms=[1:1:3];
for SNR=SNR_range
for monte=1:4e3 % the number of MonteCarlo simulations
H=randn(m,n); %channel matrix
A=7;% size of constellations
u=1*randi([-A,A],n,1);% symbols in users
sigmas2=A*(A+1)/3; % theoretical signal power;
sigma2=sigmas2/((10^(SNR/10))); % noise power
y=H*u+sqrt(sigma2)*randn(m,1); %the received signal
for j=algorithms
switch j
case 1 % MMSE
xhat=round(pinv([H;sigma2/sigmas2*eye(n)])*[y;zeros(n,1)]);
x_mmse=xhat;
case 2 % MMSE-AMPT
yp=y-H*x_mmse; %yp is the difference vector
xhat=x_mmse+AMPT(yp,H,.5,.5); % AMP with ternery priors
case 3 % MMSE-AMPG
yp=y-H*x_mmse;
xhat=x_mmse+AMPG(yp,H,sigmas2/20,.5);% AMP with Gaussian priors;the signal power is unknown
end
uhat=max(min(xhat,A*ones(n,1)),-A*ones(n,1));%estimated symbols
ser(j,monte)=sum(u~=uhat)/n; % symbol error rate
end
end
count=count+1;
SER(:,count)=mean(ser,2);
end
figure(1)
for j=algorithms
semilogy(SNR_range,SER(j,:),[linestyles{j} Markers(j)],'Color',SetColors(j,:),'Linewidth',2);
hold on;
🎉3 参考文献
文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。
🌈4 Matlab代码、文章
资料获取,更多粉丝福利,MATLAB|Simulink|Python资源获取