利用天线互相关的宽带频谱感知压缩子空间学习
信息论
2020-06-09 v2 math.IT
摘要
利用空间分集的压缩子空间学习（CSL）在宽带频谱感知（WBSS）中发现了潜在的性能提升。然而，以往工作主要聚焦于利用天线自相关或采用未考虑空间相关性的多输入多输出（MIMO）信道，这将降低其性能。本文考虑空间相关MIMO信道，并提出两种利用天线互相关的CSL算法（即mCSLSACC与vCSLACC），其中mCSLSACC采用天线平均时间分解，vCSLACC使用时空联合分解。对两种算法，推导了无噪声污染统计协方差矩阵（SCM）的条件。通过建立在所提与传统CSL算法间SCM统计意义上的奇异值关系，我们展示了所提CSL算法的优越性。借助指数相关模型进一步刻画MIMO信道接收相关矩阵，我们给出了所提CSL算法相对于传统CSL算法在奇异值放大方面的关键闭式表达式。此类表达式为以解析方式确定高系统性能的最优算法参数提供了可能。仿真验证了本工作的正确性及其在WBSS性能上相对于已有工作的提升。
引用
@article{arxiv.2006.01709,
title = {Compressive Subspace Learning with Antenna Cross-correlations for Wideband Spectrum Sensing},
author = {Tierui Gong and Zhijia Yang and Meng Zheng and Zhifeng Liu and Gengshan Wang},
journal= {arXiv preprint arXiv:2006.01709},
year = {2020}
}