国产喷水1区2区3区咪咪爱av,精品福利岛国日韩

本書主要介紹基于稀疏信號處理理論的信道估計算法以及基于深度學(xué)習(xí)的信道信息反饋和信號檢測方法。內(nèi)容包括9章，分別為緒論、稀疏信號重建、基于期望z大化算法的MIMO中繼系統(tǒng)信道估計、
零吸引最小均方協(xié)同通信系統(tǒng)信道估計、加權(quán)l(xiāng)p范數(shù)約束的自適應(yīng)濾波信道估計算法、變步長lpLMS算法的稀疏系統(tǒng)辨識、基于LogSum LMS的稀疏信道估計算法、基于深度神經(jīng)網(wǎng)絡(luò)的MIMO軟判決信號檢測算法、基于長短時注意力機制的大規(guī)模MIMO信道反饋。
本書可作為高等院校“通信與信息系統(tǒng)”“信號與信息處理”等課程的教材或參考書，也可作為寬帶無線通信、信號處理、人工智能等領(lǐng)域的技術(shù)人員和研究人員的參考書。

第1章緒論1
1.1引言1
1.1.1移動通信發(fā)展概覽1
1.1.25G技術(shù)發(fā)展情況3
1.2信道估計技術(shù)5
1.2.1協(xié)同無線通信系統(tǒng)信道估計技術(shù)6
1.2.2密集信道下協(xié)同中繼系統(tǒng)信道估計算法7
1.2.3基于壓縮感知的稀疏協(xié)同信道估計9
1.3信號檢測技術(shù)10
1.3.1基于傳統(tǒng)算法的信號檢測方法10
1.3.2基于深度學(xué)習(xí)的信號檢測方法12
1.4信道反饋技術(shù)12
1.4.1基于傳統(tǒng)方法的信道反饋算法12
1.4.2基于深度學(xué)習(xí)的信道反饋算法13
第2章稀疏信號重建15
2.1引言15
2.2壓縮感知理論15
2.3信號的稀疏表示16
2.4觀測矩陣的特性17
2.5壓縮感知重建算法18
2.5.1常用范數(shù)的定義18
2.5.2重建算法19
2.6基于凸分析的稀疏正則化21
第3章基于期望最大化算法的MIMO中繼系統(tǒng)信道估計24
3.1引言24
3.2MIMO協(xié)同通信技術(shù)24
3.2.1MIMO通信技術(shù)24
3.2.2MIMOOFDM技術(shù)25
3.2.3MIMO協(xié)同技術(shù)25
3.3MIMO協(xié)同單向中繼系統(tǒng)稀疏信道估計26
3.4基于EM的稀疏度自適應(yīng)壓縮感知信道估計算法29
3.4.1自適應(yīng)壓縮感知算法29
3.4.2稀疏信道估計30
3.4.3仿真與分析31
3.5本章小結(jié)35

第4章零吸引最小均方協(xié)同通信系統(tǒng)信道估計36
4.1引言36
4.2系統(tǒng)模型與LMS算法37
4.2.1單中繼協(xié)同通信系統(tǒng)的信道模型37
4.2.2標(biāo)準(zhǔn)LMS算法38
4.3基于稀疏度感知的稀疏信道估計39
4.4仿真與分析40
4.5本章小結(jié)43
第5章加權(quán)l(xiāng)p范數(shù)約束的自適應(yīng)濾波信道估計算法44
5.1引言44
5.2系統(tǒng)模型和LMS算法45
5.3加權(quán)l(xiāng)p范數(shù)LMS算法的信道估計算法46
5.4計算復(fù)雜度分析48
5.5加權(quán)l(xiāng)pLMS算法的性能分析49
5.5.1均值特性分析49
5.5.2均方誤差收斂性能分析50
5.6仿真實驗分析50
5.7本章小結(jié)58
第6章變步長lpLMS算法的稀疏系統(tǒng)辨識60
6.1引言60
6.2稀疏約束LMS算法回顧61
6.3變步長lp范數(shù)LMS算法62
6.4算法收斂性能分析63
6.5仿真實驗64
6.6本章小結(jié)67
第7章基于LogSum LMS的稀疏信道估計算法68
7.1LMS算法及超均方誤差表示68
7.2對數(shù)和約束LMS算法69
7.3收斂性分析69
7.4仿真與分析71
第8章基于深度神經(jīng)網(wǎng)絡(luò)的MIMO軟判決信號檢測算法75
8.1引言75
8.2MIMO信號檢測的原理76
8.3系統(tǒng)模型77
8.4深度神經(jīng)網(wǎng)絡(luò)與Dropout層78
8.5基于深度神經(jīng)網(wǎng)絡(luò)聯(lián)合訓(xùn)練的MIMO信號檢測79
8.6基于深度神經(jīng)網(wǎng)絡(luò)聯(lián)合訓(xùn)練的MIMO軟判決信號檢測80
8.7仿真與分析81
8.8計算復(fù)雜度分析86
8.9本章小結(jié)86
第9章基于長短時注意力機制的大規(guī)模MIMO信道反饋87
9.1引言87
9.2信道狀態(tài)信息反饋原理88
9.3深度學(xué)習(xí)理論90
9.3.1典型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)91
9.3.2訓(xùn)練方法94
9.4基于深度學(xué)習(xí)的大規(guī)模MIMO信道反饋模型96
9.5LSTMAttention CsiNet及其輕量級網(wǎng)絡(luò)97
9.5.1LSTMAttention CsiNet97
9.5.2輕量級網(wǎng)絡(luò)Reduced LSTMAttention CsiNet101
9.6基于自動編碼器的信道狀態(tài)信息反饋算法102
9.7仿真與討論104
9.7.1算法的NMSE性能104
9.7.2算法的余弦相似度性能106
9.8復(fù)雜度分析108
9.9本章小結(jié)109
參考文獻(xiàn)110
附錄129
附錄A式（45）的證明129
附錄B式(517)和式(518)的證明129
附錄C式（612）的證明130
附錄D式（613）的推導(dǎo)過程132

你還可能感興趣

我要評論