一种适用于MIMO系统中的可逆分布式压缩感知方法技术方案

本发明专利技术公开了一种适用于MIMO系统中的可逆分布式压缩感知方法，步骤依次为：采集数据集S；使用数据集S，通过投影学习算法训练出近似可逆观测矩阵集Φ；使用近似可逆观测矩阵集Φ对多输入用户信号集X进行观测降维，获得低维采样矩阵Y；对低维采样矩阵Y进行重构，获得重构信号矩阵H。本发明专利技术提高了大规模MIMO系统的实时性，并降低了重构过程的资源消耗。并降低了重构过程的资源消耗。并降低了重构过程的资源消耗。

【技术实现步骤摘要】
一种适用于MIMO系统中的可逆分布式压缩感知方法


[0001]本专利技术属于分布式压缩感知领域，特别涉及了一种可逆分布式压缩感知方法。

技术介绍

[0002]随着科学技术的发展，信息量正在爆炸式地增长，压缩感知的单测量模型已经远远不能满足实际需求。大规模MIMO技术凭借其可以在发送天线与用户端构建多个并行的信号传输通道，充分利用空间资源，有效地提高了通信系统的频谱利用率和信息传输速率与容量，已经成为了5G的关键技术之一。MIMO系统具有时间相关性，在路径时延保持不变，信道的状态信息具有相同的稀疏位置，即使它们拥有相同的稀疏基支撑集。相比于独立天线系统，MIMO系统天线间信号具有更大的相关性和稀疏性。

技术实现思路

[0003]为了解决上述
技术介绍
提到的技术问题，本专利技术提出了一种适用于MIMO系统中的可逆分布式压缩感知方法。
[0004]为了实现上述技术目的，本专利技术的技术方案为：
[0005]一种适用于MIMO系统中的可逆分布式压缩感知方法，包括以下步骤：
[0006](1)采集数据集其中S
...

【技术保护点】

【技术特征摘要】
1.一种适用于MIMO系统中的可逆分布式压缩感知方法，其特征在于，包括以下步骤：(1)采集数据集其中S
i
为数据集S中的第i个元素，i＝1,2,
…
,N，N为数据集长度；所述数据集S为块稀疏的，将数据集S分割为m块，其中S[k]是第k块数据集，k＝1,2,
…
,m，m为MIMO系统中的用户数量，c为单用户的天线数；(2)使用数据集S，通过投影学习算法训练出近似可逆观测矩阵集Φ；(3)使用近似可逆观测矩阵集Φ对多输入用户信号集X进行观测降维，获得低维采样矩阵Y；(4)对低维采样矩阵Y进行重构，获得重构信号矩阵H。2.根据权利要求1所述适用于MIMO系统中的可逆分布式压缩感知方法，其特征在于，步骤(2)的具体过程如下：(2a)输入分块数据集S[k]，k＝1,2,
…
,m，将字典D＝[d1,d2,...,d
n
]初始化为单位矩阵，d
j
为字典D中的第j个元素，j＝1,2,
…
,n，n为字典D的长度；(2b)对字典D进行奇异值更新：D＝DΘ，其中：r表示奇异值调节参数；(2c)计算低维字典P：D＝UΛV
T
P＝U
hT
D其中，V为右奇异矩阵，Λ为奇异矩阵，U为左奇异矩阵，U＝[U
h U
l
]，U
h
为U的主成分向量，U
l
...

【专利技术属性】
技术研发人员：代少飞，刘文波，王郑毅，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：