【信道估计】压缩感知双向中继信道估计【含Matlab源码 3710】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、压缩感知双向中继信道估计

近年来无线中继通信已经得到广泛关注。无线中 继技术作为现代蜂窝通信系统的一个核心技术，能够在不增加基站数目的前提下，有效提高系统的传输能 力和覆盖范围。同时，双向中继协议通过利用网络编 码可获得比单向中继协议更高的频谱效率，由于所有 双向中继协议中放大转发协议(AF-BAT)的传输效率最高，能更好地实现在频率选择性无线信道上的高速 率数据传输，因而倍受青睐。其主要难点在于如何在 一个不可知的频率选择性衰落信道中有效地恢复传输 数据。为了保持检测的可靠性，AF-BAT协议中需要各 个节点知道所有的 CSI信息。正交频分复用(OFDM)作为一种多载波调制技术，具有频谱利用率高、抗频率 选择性衰落等优点，是新一代无线通信的关键技术。 OFDM 系统的信道估计方法一般分为基于训练序列或 导频符号的估计方法、盲信道估计方法以及半盲信道 估计方法。本文涉及到的信道估计方法是基于训练序 列的方法。
多径效应是无线信道最显著的特征。多径信道往 往呈现出集群或稀疏结构，这种结构会随着信号空间 维数的变大而越加明显。双向中继信道21、浅海水声 信道³”、航空信道4)等都是典型的具有稀疏多经结构 的通信信道。传统的线性估计方法没有考虑到这种传 输信道的潜在稀疏性，因而导致了对关键通信资源的 过度使用，如能量和带宽。基于CS 的信道估计技术是 近些年来引起广泛关注并得到较快发展的一个研究领 域。压缩感知技术允许从非常有限的采样值中有效地 重构原始信号，将它应用于稀疏多径信道估计中，可以 有效地利用信道稀疏性以减少训练序列长度，提高频 谱和能量效率。

1 压缩感知
压缩感知技术是针对稀疏信号提出的信号采样 和压缩同时进行的技术。传统的基于Nyquist 采样定理的信号采样压缩过程会产生大量冗余信息，浪费了大量宝贵的资源，如带宽能量。而压缩感知理论 证明了只要信号在某一个正交基上具有稀疏性，就能以较低的采样速率进行采样，而且可以以高概率重构该信号。
压缩采样过程的具体步骤如下：
Step1:若有限长一维离散信号XɛR** 在某组基平上 的变换系数是稀疏的，Y是 X 的稀疏表示，则信号X可以表示成下式：

上式是一个凸最优化问题，可以转换成线性规划问题 加以求解，典型算法是基追踪算法。但这种算法在实 际应用中复杂度高，且由于无法区分稀疏尺度的位置， 所以尽管整体上重构信号在欧式距离上逼近原信号， 但存在能量从低尺度搬移到高尺度的现象，容易出现 一些人工效应。
另一类易于实现、运算量小的稀疏信号重构算法 是基于贪婪迭代的算法。贪婪算法的基本原理是通 过每次迭代时选择一个局部最优解来逐步逼近原始 信号。典型的有匹配追踪算法(MP) 及其改进算法正交匹配追踪算法(OMP), 本文涉及到的是 OMP 算法。

⛄二、部分源代码

function[pos_array,aug_y]=omp(sparse_degree,s,T)
m=2*sparse_degree;
M=size(T,1);
N=size(T,2);
Aug_t=[]; % 增量矩阵(初始值为空矩阵)
r_n=s; % 残差值
for times=1:m; % 迭代次数
for col=1:N; % 恢复矩阵的所有列向量
product(col)=abs(T(:,col)‘*r_n); % 恢复矩阵的列向量和残差的投影系数(内积值)
end
[val,pos]=max(product); % 最大投影系数对应的位置
Aug_t=[Aug_t,T(:,pos)]; % 矩阵扩充
T(:,pos)=zeros(M,1); % 选中的列置零（实质上应该去掉，为了简单我把它置零）
aug_y=(Aug_t’*Aug_t)^(-1)*Aug_t’s; % 最小二乘,使残差最小
r_n=s-Aug_taug_y; % 残差
pos_array(times)=pos; % 纪录最大投影系数的位置
end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 袁文文,郑宝玉,岳文静.基于压缩感知技术的双向中继信道估计[J].信号处理.2012年1月

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合