超宽带系统的HDP-HMM-MTCS稀疏信道估计算法.pdfVIP

ＳＳＮ１００３—３２５４，ＣＯＤＥＮＣＳＡＯＢＮＥ－ｍａｉｌ：ｃｓａ＠ｉｓｃａｓ．ａｃ．ｃｎ

ＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓ＆Ａｐｐｌｉｃａｔｉｏｎｓ，２０１８，２７（３）：１９１～１９７【ｄｏｉ：１０．１５８８８ｄ．ｃｎｋｉ．ｃｓａ．００６２９０】ｈｔｔｐ：ｌｌｗｗｗ．Ｃ—Ｓ—ａ．ｏｒｇｃａ

＠中国科学院软件研究所版权所有．Ｔｅｌ：＋８６．１０．６２６６ｌＯ４１

超宽带系统的ＨＤＰ．ＨＭＭ．ＭＴＣＳ稀疏信道估计算法①

李晓飞

武夷学院数学与计算机学院，武夷山３５４３００）（

武夷学院认知计算与智能信息处理福建省高校重点实验室，武夷山３５４３００）（

华东师范大学上海可信研究重点实验室，上海２０００６２）（

通讯作者：李晓飞，Ｅ—ｍａｉｌ：ｌｉｘｉａｏｆｅｉ７３＠１６３．ｃｏｒｎ

＿

摘要：给定超宽带（ＵｌｔｒａＷｉｄｅＢａｎｄ，ＵＷＢ）信道的稀疏结构，利用压缩感知（ＣｏｍｐｒｅｓｓｉｖｅＳｅｎｓｉｎｇ，ＣＳ）进行

ＵＷＢ信道估计．作为ＣＳ实现的多任务ＣＳ（Ｍｕｔ—ｉＴａｓｋＣｏｍｐｒｅｓｓｉｖｅＳｅｎｓｉｎｇ，ＭＴＣＳ）算法进行信号重建．信号参数

和数据共享可以使用伽马一高斯先验来求解．在本文中，层次结构Ｄｉｒｉｃｈｌｅ进程Ｈｉ（ｅｒａｒｃｈｙＤｉｒｉｃｈｌｅＰｒｏｃｅｓｓｉｎｇ，ＨＤＰ）

提供了ＨＤＰ的树结构，用于解决跨多个任务的数据共享问题．我们研究ＵＷＢ通信的隐马尔可夫模型Ｈｉ（ｄｄｅｎ

ＭａｒｋｏｖＭｏｄｅｌ，ＨＭＭ）ＨＤＰ多任务ＣＳ（ＨｉｅｒａｒｃｈｙＤｉｒｉｃｈｌｅｔＰｒｏｃｅｓｓｉｎｇＨｉｄｄｅｎＭａｒｋｏｖＭｏｄｅｌｂａｓｅｄＭｕｔｉ－Ｔａｓｋ

ＣｏｍｐｒｅｓｓｉｖｅＳｅｎｓｉｎｇ，ＨＤＰ．ＨＭＭ．ＭＴＣＳ）的信道估计性能．首先，在视距Ｌ（ｉｎｅ—Ｏｆ－Ｓｉｇｈｔ，ＬＯＳ）和非视距Ｎｏｎ．（Ｌｉｎｅ．

Ｏｆ－Ｓｉｇｈｔ，ＮＬＯＳ）环境下的标准化ＩＥＥＥ８０２．１５．４ａ信道的稀疏信道结构估计．其次，Ｃｓ比率ｆＣＳＲａｔｅ，ＣＳＲ）对ＨＤＰ—

ＨＭＭ．ＭＴＣＳ信道估计性能的影响．最后，利用ＳＮＲ（Ｓｉｇｎａｌ—ｔｏ—ＮｏｉｓｅＲａｔｉｏ），并将其与ＭＴＣＳ，ＳＴＣＳ（Ｓｉｍｐｌｅ．Ｔａｓｋ

Ｃｏｍｐｒｅｓｓｉｖｅｓｅｎｓｉｎｇ），ＯＭＰ（ＯｒｔｈｏｇｏｎａｌＭａｔｃｈｉｎｇＰｕｒｓｕｉｔ），Ｌｌｍａｇｉｃ算法以及新的算法如改进的贝叶斯压缩感知

ｆＢａｙｅｓｉａｎＣｏｍｐｒｅｓｓｉｖｅＳｅｎｓｉｎｇ，ＢＣＳ）算法，多经字典自适应算法ＢＣＳ和特征字典自适应算法ＢＣＳ的信道估计比

较时间复杂性．仿真结果表明，无论ＬＯＳ和ＮＬＯＳ环境如何，ＨＤＰ—ＨＭＭ．ＭＴＣＳ具有最小可执行时间，其信道估计

性能优于ＭＴＣＳ和其他算法．因此，ＨＤＰ．ＨＭＭ．ＭＴＣＳ是用于稀疏信道模式的有效且高效的ＵＷＢ信道估计方法．

关键词：层次结构Ｄｉｒｉｃｈｌｅ进程；多任务压缩感知；ＩＥＥＥ８０２．１５．４ａ信道模式；稀疏信道