一種改進(jìn)的動(dòng)態(tài)自適應(yīng)多用戶檢測(cè)算法
發(fā)布時(shí)間：2020-12-12 15:14
在大規(guī)模機(jī)器類通信(mMTC)上行免調(diào)度非正交多址接入(NOMA)系統(tǒng)中,活躍用戶通常以高概率在幾個(gè)連續(xù)時(shí)隙傳輸數(shù)據(jù)。為了充分利用相鄰時(shí)隙之間的時(shí)間相關(guān)性,文章提出了一種改進(jìn)的動(dòng)態(tài)自適應(yīng)(IDA)多用戶檢測(cè)算法,將壓縮感知的重構(gòu)思想結(jié)合時(shí)間相關(guān)性實(shí)現(xiàn)活躍用戶和數(shù)據(jù)的聯(lián)合檢測(cè)。在估計(jì)支撐集過(guò)程中加入自適應(yīng)閾值輔助策略選擇原子,利用冪函數(shù)變步長(zhǎng)方法提高稀疏度估計(jì)的準(zhǔn)確性,并優(yōu)化迭代終止條件。仿真結(jié)果表明,與貪婪重構(gòu)算法和基于動(dòng)態(tài)壓縮感知(DCS)的多用戶檢測(cè)算法相比,在缺乏先驗(yàn)稀疏度條件下,IDA多用戶檢測(cè)算法表現(xiàn)出更優(yōu)的信號(hào)檢測(cè)性能。
【文章來(lái)源】：光通信研究. 2020年06期 第49-53頁(yè) 北大核心
【文章頁(yè)數(shù)】：5 頁(yè)
【部分圖文】：
不同β下IDA算法重構(gòu)性能比較
為了更好地體現(xiàn)IDA算法的檢測(cè)性能,將所提算法與DCS、OMP、子空間追蹤[9](Subspace Pursuit,SP)和先驗(yàn)最小二乘(Least Square,LS)算法(理想性能算法)作比較。圖2所示為上述算法在不同信噪比(Signal-to-Noise Ratio,SNR)下的誤碼率(Bit Error Ratio,BER)性能。仿真中,設(shè)置步長(zhǎng)調(diào)整門(mén)限δ=1.2,初始步長(zhǎng)s=1,活躍用戶數(shù)為25。由圖可知,IDA算法的BER性能明顯優(yōu)于OMP和SP算法,原因是IDA算法充分利用了相鄰時(shí)隙的時(shí)間相關(guān)性,同時(shí)結(jié)合自適應(yīng)閾值輔助、迭代終止條件優(yōu)化和冪函數(shù)變步長(zhǎng)的思想,使檢測(cè)性能大幅度提升。在BER=1×10-3時(shí),IDA算法相較于DCS算法,其性能損失不到1 dB,這是因?yàn)镮DA算法缺乏真實(shí)的用戶稀疏度,然而在實(shí)際mMTC網(wǎng)絡(luò)中基站端是無(wú)法得知用戶稀疏度的,因此IDA算法更具有實(shí)用性。當(dāng)SNR<12 dB時(shí),IDA比DCS算法的BER性能更優(yōu),其原因是在低SNR時(shí),閾值輔助策略和冪函數(shù)變步長(zhǎng)方法使IDA算法更準(zhǔn)確地估計(jì)活躍用戶集。綜上所述,IDA算法在保證信號(hào)重構(gòu)性能的同時(shí)更適用于實(shí)際的mMTC場(chǎng)景。圖3對(duì)比了IDA、OMP、SP、DCS和先驗(yàn)LS算法在不同活躍用戶數(shù)下的BER性能。其中,設(shè)置步長(zhǎng)調(diào)整門(mén)限δ=1.2,初始步長(zhǎng)s=1,SNR=10 dB。由圖可知,隨著活躍用戶數(shù)的增長(zhǎng),不同檢測(cè)算法的BER都會(huì)逐漸上升,但I(xiàn)DA算法在整個(gè)活躍用戶區(qū)間內(nèi)均優(yōu)于其他幾種算法,其原因是閾值輔助策略提升了IDA算法選取用戶支撐集的準(zhǔn)確性,冪函數(shù)變步長(zhǎng)方法和優(yōu)化的迭代終止條件能避免活躍用戶數(shù)的過(guò)估計(jì)與欠估計(jì),確保算法及時(shí)終止迭代。
圖3對(duì)比了IDA、OMP、SP、DCS和先驗(yàn)LS算法在不同活躍用戶數(shù)下的BER性能。其中,設(shè)置步長(zhǎng)調(diào)整門(mén)限δ=1.2,初始步長(zhǎng)s=1,SNR=10 dB。由圖可知,隨著活躍用戶數(shù)的增長(zhǎng),不同檢測(cè)算法的BER都會(huì)逐漸上升,但I(xiàn)DA算法在整個(gè)活躍用戶區(qū)間內(nèi)均優(yōu)于其他幾種算法,其原因是閾值輔助策略提升了IDA算法選取用戶支撐集的準(zhǔn)確性,冪函數(shù)變步長(zhǎng)方法和優(yōu)化的迭代終止條件能避免活躍用戶數(shù)的過(guò)估計(jì)與欠估計(jì),確保算法及時(shí)終止迭代。圖4所示為IDA、OMP、SP和DCS算法在不同活躍用戶數(shù)下的迭代次數(shù)。其中,設(shè)置步長(zhǎng)調(diào)整門(mén)限δ=1.2,初始步長(zhǎng)s=1,SNR=10 dB。由圖可知,各檢測(cè)算法的迭代次數(shù)都會(huì)隨活躍用戶數(shù)的增加而增加,但在活躍用戶數(shù)相同的條件下,IDA算法完成重構(gòu)所需的迭代次數(shù)更少,其原因是閾值輔助和冪函數(shù)變步長(zhǎng)方法的共同作用加快了IDA算法的重構(gòu)速度。而DCS算法是基于OMP算法實(shí)現(xiàn)的,同OMP算法一樣,其迭代次數(shù)隨稀疏度的增長(zhǎng)線性增加且等于已知的稀疏度。此外,SP算法是基于OMP算法改進(jìn)的,在每次迭代過(guò)程中選取多個(gè)原子,因此其迭代次數(shù)略有減少,但仍高于IDA算法。
本文編號(hào)：2912802
【文章來(lái)源】：光通信研究. 2020年06期 第49-53頁(yè) 北大核心
【文章頁(yè)數(shù)】：5 頁(yè)
【部分圖文】：
不同β下IDA算法重構(gòu)性能比較
為了更好地體現(xiàn)IDA算法的檢測(cè)性能,將所提算法與DCS、OMP、子空間追蹤[9](Subspace Pursuit,SP)和先驗(yàn)最小二乘(Least Square,LS)算法(理想性能算法)作比較。圖2所示為上述算法在不同信噪比(Signal-to-Noise Ratio,SNR)下的誤碼率(Bit Error Ratio,BER)性能。仿真中,設(shè)置步長(zhǎng)調(diào)整門(mén)限δ=1.2,初始步長(zhǎng)s=1,活躍用戶數(shù)為25。由圖可知,IDA算法的BER性能明顯優(yōu)于OMP和SP算法,原因是IDA算法充分利用了相鄰時(shí)隙的時(shí)間相關(guān)性,同時(shí)結(jié)合自適應(yīng)閾值輔助、迭代終止條件優(yōu)化和冪函數(shù)變步長(zhǎng)的思想,使檢測(cè)性能大幅度提升。在BER=1×10-3時(shí),IDA算法相較于DCS算法,其性能損失不到1 dB,這是因?yàn)镮DA算法缺乏真實(shí)的用戶稀疏度,然而在實(shí)際mMTC網(wǎng)絡(luò)中基站端是無(wú)法得知用戶稀疏度的,因此IDA算法更具有實(shí)用性。當(dāng)SNR<12 dB時(shí),IDA比DCS算法的BER性能更優(yōu),其原因是在低SNR時(shí),閾值輔助策略和冪函數(shù)變步長(zhǎng)方法使IDA算法更準(zhǔn)確地估計(jì)活躍用戶集。綜上所述,IDA算法在保證信號(hào)重構(gòu)性能的同時(shí)更適用于實(shí)際的mMTC場(chǎng)景。圖3對(duì)比了IDA、OMP、SP、DCS和先驗(yàn)LS算法在不同活躍用戶數(shù)下的BER性能。其中,設(shè)置步長(zhǎng)調(diào)整門(mén)限δ=1.2,初始步長(zhǎng)s=1,SNR=10 dB。由圖可知,隨著活躍用戶數(shù)的增長(zhǎng),不同檢測(cè)算法的BER都會(huì)逐漸上升,但I(xiàn)DA算法在整個(gè)活躍用戶區(qū)間內(nèi)均優(yōu)于其他幾種算法,其原因是閾值輔助策略提升了IDA算法選取用戶支撐集的準(zhǔn)確性,冪函數(shù)變步長(zhǎng)方法和優(yōu)化的迭代終止條件能避免活躍用戶數(shù)的過(guò)估計(jì)與欠估計(jì),確保算法及時(shí)終止迭代。
圖3對(duì)比了IDA、OMP、SP、DCS和先驗(yàn)LS算法在不同活躍用戶數(shù)下的BER性能。其中,設(shè)置步長(zhǎng)調(diào)整門(mén)限δ=1.2,初始步長(zhǎng)s=1,SNR=10 dB。由圖可知,隨著活躍用戶數(shù)的增長(zhǎng),不同檢測(cè)算法的BER都會(huì)逐漸上升,但I(xiàn)DA算法在整個(gè)活躍用戶區(qū)間內(nèi)均優(yōu)于其他幾種算法,其原因是閾值輔助策略提升了IDA算法選取用戶支撐集的準(zhǔn)確性,冪函數(shù)變步長(zhǎng)方法和優(yōu)化的迭代終止條件能避免活躍用戶數(shù)的過(guò)估計(jì)與欠估計(jì),確保算法及時(shí)終止迭代。圖4所示為IDA、OMP、SP和DCS算法在不同活躍用戶數(shù)下的迭代次數(shù)。其中,設(shè)置步長(zhǎng)調(diào)整門(mén)限δ=1.2,初始步長(zhǎng)s=1,SNR=10 dB。由圖可知,各檢測(cè)算法的迭代次數(shù)都會(huì)隨活躍用戶數(shù)的增加而增加,但在活躍用戶數(shù)相同的條件下,IDA算法完成重構(gòu)所需的迭代次數(shù)更少,其原因是閾值輔助和冪函數(shù)變步長(zhǎng)方法的共同作用加快了IDA算法的重構(gòu)速度。而DCS算法是基于OMP算法實(shí)現(xiàn)的,同OMP算法一樣,其迭代次數(shù)隨稀疏度的增長(zhǎng)線性增加且等于已知的稀疏度。此外,SP算法是基于OMP算法改進(jìn)的,在每次迭代過(guò)程中選取多個(gè)原子,因此其迭代次數(shù)略有減少,但仍高于IDA算法。
本文編號(hào)：2912802
本文鏈接：http://www.lk138.cn/kejilunwen/xinxigongchenglunwen/2912802.html
最近更新
教材專著
