💥💥💞💞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
💥1 概述
文献来源:
摘要:常模算法家族在无线通信系统和雷达中被广泛使用。然而,经典的常模自适应(CMA)算法在与天线阵列结合使用时无法锁定单一模式,而是均衡整个空间频谱。本文详细描述了我们最近提出的一种方法,用于在具有频率复用的无线电系统(如蜂窝网络)中分离多个用户,利用了CMA算法。基于观察到的差分滤波器权重类似于阵列波束指向向量的叠加,我们将原始任务转化为到达方向估计问题。通过基于离散空间傅立叶变换的严格理论分析阵列响应,我们详细阐述了通过找到多项式方程的根来解决问题的解决方案。我们提供了一个数值示例来证明在高信噪比条件下该方法的有效性。此外,我们提出了一个更通用的CMA阵列预处理器,允许调制信号的幅度不同。作为副产品,该预处理器通过简单计算具有最强响应的根来提供并发用户数量的低成本估计,即模型阶数。
📚2 运行结果
部分代码:
%% Input parameters
% Array geometry
M = 8; % number of antenna elements
delta = 0.5; % inter-element spacing relative to carrier wavelength
% Data
N = 1e5; % number of samples (temporal snapshots)
P = 4; % alphabet size (modulation order)
Q = log2(P); % number of bits per symbol
% Noise
snr = 20; % signal-to-noise ratio
%% Control valriables
use_psk = 1; % PSK/QAM modulation switch
add_noise = 1; % noise switch
show_array_response = 1; % shows array response
show_scatter_plot = 1; % shows scatter plot
show_statistics = 1; % shows SER and BER statistics
show_learning_curve = 1; % shows learning curve
%% Inclination angles and amplification
thetad = [-53.2101, 3.2278, 20]; % angles of departure/arrival (in degrees)
D = length(thetad); % number of modes
amp = ones(1, D); % amplification in each mode
%% Generate data with constant modulus
data = randi([0, P - 1], D, N);
bits = de2bi(data, 'left-msb');
bits = reshape(bits, 1, numel(bits));
switch use_psk
case false
S = qammod(data, P, pi / P);
otherwise
S = pskmod(data, P, pi / P);
end
%% Generate antenna snapshots
mu = delta * sind(thetad); % spatial frequencies
A = exp(2i * pi * (0 : M - 1).' * mu) * diag(amp); % array response matrix
🎉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。