【OFDM】Joint Communications and Sensing Design for Multi-Carrier MIMO Systems

1-模型

1.1-预编码矩阵

预编码矩阵的维度

  • k k k 子载波索引
  • F \mathbf{F} F 预编码矩阵,而非向量
  • 类比波束赋形,给第 k k k个用户发送的beamformer向量 w [ k ] ∈ C N t × 1 \mathbf{w}[k] \in \mathbb{C}^{N_\text{t} \times 1} w[k]CNt×1,每个天线是个复数
  • 也可以把 K K K个用户的矢量拼成矩阵 [ w [ 1 ] , ⋅ ⋅ ⋅ , w [ K ] ] ∈ C N t × K [\mathbf{w}[1], \cdot \cdot \cdot, \mathbf{w}[K]] \in \mathbb{C}^{N_\text{t} \times K} [w[1],,w[K]]CNt×K
  • N s N_\text{s} Ns 数据流(data streams)的数量. 单纯从beamformer发射端的角度来说,在OFDM中有多个子载波,所以增加子载波维度
  • k k k 子载波的预编码矩阵
  • k k k 子载波有 N s N_\text{s} Ns 数据流,需将其映射到 N t N_\text{t} Nt根天线上
  • 似乎是先DFT,再预编码

F [ k ] ∈ C N t × N s \mathbf{F}[k] \in \mathbb{C}^{N_\text{t} \times N_\text{s}} F[k]CNt×Ns

  • 对每个子载波进行功率约束
    ∥ F [ k ] ∥ F 2 = P B S \left\|\mathbf{F}[k]\right\|_{\mathcal{F}}^{2} = P_{\mathrm{BS}} F[k]F2=PBS

1.1-预编码矩阵

接收向量

  • 接收向量的维度应和发送向量 s [ k ] \mathbf{s}[k] s[k]一致,即 N t × 1 {N_\text{t} \times 1} Nt×1

y [ k ] = W [ k ] H H [ k ] F [ k ] s [ k ] + W [ k ] H n [ k ] \mathbf{y}[k] = \mathbf{W}[k]^{\mathsf{H}} \mathbf{H}[k] \mathbf{F}[k] \mathbf{s}[k] + \mathbf{W}[k]^{\mathsf{H}} \mathbf{n}[k] y[k]=W[k]HH[k]F[k]s[k]+W[k]Hn[k]

1.3-可达码率

R k = log ⁡ 2 ∣ I N r + P B S σ n 2 N s W [ k ] † H [ k ] F [ k ] F [ k ] H H [ k ] H W [ k ] ∣ \mathcal{R}_{k}=\log_{2}\left|\mathbf{I}_{N_{\mathrm{r}}}+\frac{P_{\mathrm{BS}}}{\sigma_{\mathrm{n}}^{2}N_{\mathrm{s}}}\mathbf{W}[k]^{\dagger}\mathbf{H}[k]\mathbf{F}[k]\mathbf{F}[k]^{\mathrm{H}}\mathbf{H}[k]^{\mathrm{H}}\mathbf{W}[k]\right| Rk=log2 INr+σn2NsPBSW[k]H[k]F[k]F[k]HH[k]HW[k]

2-模型

探测信号的协方差矩阵 R [ k ] \mathbf{R}[k] R[k]

minimize { R [ k ] } ∑ k ∈ J ∑ t = 1 T ∣ P d ( θ t , f k ) − a ( θ t , f k ) H R [ k ] a ( θ t , f k ) ∣  subject to  [ R [ k ] ] n , n = P B S / N t , n ∈ { 1 , … , N t } , R [ k ] ⪰ 0 , R [ k ] = R [ k ] H , \begin{aligned} & \underset{\substack{ \{ \mathbf{R}[k] \} }}{\textrm{minimize}} \sum_{k \in \mathcal{J}} \sum_{t=1}^T\left|\mathcal{P}_{\mathrm{d}}\left(\theta_t, f_k\right)-\mathbf{a}\left(\theta_t, f_k\right)^{\mathrm{H}} \mathbf{R}[k] \mathbf{a}\left(\theta_t, f_k\right)\right| \\ & \text { subject to }[\mathbf{R}[k]]_{n, n}=P_{\mathrm{BS}} / N_{\mathrm{t}}, \quad n \in\left\{1, \ldots, N_{\mathrm{t}}\right\}, \\ & \mathbf{R}[k] \succeq \mathbf{0}, \mathbf{R}[k]=\mathbf{R}[k]^{\mathrm{H}},\end{aligned} {R[k]}minimizekJt=1T Pd(θt,fk)a(θt,fk)HR[k]a(θt,fk)  subject to [R[k]]n,n=PBS/Nt,n{1,,Nt},R[k]0,R[k]=R[k]H,

复现

直接运行会报错,需要按照下面要求安装manopt

函数或变量 'obliquecomplexfactory' 无法识别

Matlab添加 Manopt toolbox

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

db_1024

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值