典型文献
基于压缩感知的自适应V2V稀疏信道估计算法
文献摘要：
针对传统信道估计算法对稀疏性约束不强,导致信道估计性能下降,进而影响通信质量等问题,着重对车到车(vehicle to vehicle V2V)信道估计进行研究,提出了基于基扩展模型(base expansion model,BEM)的稀疏度自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)信道估计算法.该算法将信道估计问题转变为对BEM系数的稀疏重构,通过SAMP获得BEM的系数,再利用反馈结果进行迭代,进而实现最优的信道估计.仿真结果表明,与最小二乘(least square,LS)、线性最小均方误差(linear minimum mean square error,LMMSE)和正交匹配追踪(orthogonal matching pursuit,OMP)信道估计算法比较,该算法在V2V信道下可以显著提高正交频分复用(orthogonal frequency division multiplexing,OFDM)系统的均方误差和误码率性能.
文献关键词：
稀疏信道估计;车到车(V2V);SAMP;Non-WSSUS;基扩展模型
中图分类号：
作者姓名：
陈鑫;张旭东;朱耀麟;马瑞卿
作者机构：
西安工程大学电子信息学院 西安710048;西北工业大学自动化学院 西安710129
文献出处：
引用格式：
[1]陈鑫;张旭东;朱耀麟;马瑞卿-.基于压缩感知的自适应V2V稀疏信道估计算法)[J].国外电子测量技术,2022(12):56-62
A类：
基扩展模型,WSSUS
B类：
压缩感知,V2V,稀疏信道估计,估计算法,稀疏性约束,致信,性能下降,通信质量,vehicle,base,expansion,model,BEM,稀疏度自适应匹配追踪,sparsity,adaptive,matching,pursuit,SAMP,稀疏重构,least,square,LS,线性最小均方误差,linear,minimum,mean,error,LMMSE,正交匹配追踪,orthogonal,OMP,算法比较,正交频分复用,frequency,division,multiplexing,OFDM,误码率性能,Non
AB值：
0.347415
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
