论文部分内容阅读
针对基于压缩感知的信道估计能高效获取信道状态信息,以及噪声对估计算法的影响,提出一种基于奇异值分解的压缩感知估计算法。无需已知信道稀疏度,采用自适应步长使其重构精度和效率达到折中。引入奇异值分解技术,并根据奇异熵确定有效重构阶次,达到降噪目的,同时避免迭代过程中选取相关性较低的原子。仿真结果表明,该算法具有较高的重构精度,特别在低信噪比环境下,如信噪比为5 dB时,均方误差相对传统稀疏度自适应匹配追踪算法降低了95%左右,同时,算法运行时间也降低了约15%,具有较高的重构效率。