大规模MIMO系统的自适应阈值信道估计算法.pdf

第41卷第4期 杭州电子科技大学学报(自然科学版) Vol. 41 No. 4
2021 年 7 月 原子挑选的方式。文献+1
采用二次筛选和变步长选择方式进行原子的挑选。文献［12］在每次迭代时选取或删除合适数量的原
子。文献［13］改进了压缩采样匹配追踪(CompressiveSampling MP,CoSaMP)算法中衡量向量系数相
关性的判定方式，提高了估计精度。文献+ 4］将相邻迭代感知矩阵和残差之间的相关度变化量作为迭
收稿日期 2020-10-09
作者简介：孙文胜(1966 —)，男，副教授，研究方向：无线通信与网络、嵌入式系统。E-mail ： sunws@ hdu. edu. cn(8 杭州电子科技大学学报(自然科学版) 2021 年
代停止条件，提高了算法的效率(StOMP算法运用在不同场景时其阈值需要多次训练，同时在低信噪
比信号下重构精度较差，为此，本文基于StOMP算法，通过改进算法的阈值设置，进而提出一种自适应
双阈值的比例积分微分-分段正交匹配追踪(Proportion Integral Derivative-StOMP，PID-StOMP)
算法。
1大规模MIMO 系统模型

压缩感知技术就是运用信号的稀疏性质或在某个变换域上可压缩的特点，用信息采样代替信号采
样并从随机映射的观测值中获取有效信号的过程。其数学模型表示如下：
y=!x (1)
式中，y2RH h1是观测向量，表示对H个观测数据进行观测；x2RNX1是原信号(M 3N )； ! 2RMXN是测
量矩阵。压缩感知要求信号为稀疏的 ，因此需要将无线传输的信道信号通过一个矩阵映射到稀疏空间，
即通过傅里叶变换到频域空间上进行压缩 ，其稀疏表达式如下：
x = "( (2)
式中"2Rmxn是变换矩阵，2RNX1是原信号x在变换域的表达，若其中非零元素的个数I远小于原
始信号长度N，则称其为I稀疏信号。而(中所有非零元素构成的列集合即为支撑集，记作supp(()。
这样，信号x就经过正交基矩阵变换为在"域内稀疏的信号。
根据式(1)和式(2),重构信号模型描述为 ：