面向 5G 及未来网络中无线信道与频谱压缩感知的稀疏度估计
信号处理
2020-12-21 v1
摘要
应用压缩感知(CS)可在 5G 及未来网络的若干应用领域中实现亚奈奎斯特采样。这降低了许多应用中的相关训练、反馈与计算开销。然而,CS 的适用性依赖于信号稀疏性假设成立且已知确切稀疏度水平。通常假定稀疏度水平预先已知。但该假设在实践中并不成立,尤其当采用学习型字典作为稀疏化变换时。该问题在多维权稀疏下更为突出。本文提出一种算法,用于估计由学习型字典定义的多个域中存在的复合稀疏度。所提算法通过从相对于紧致离散傅里叶基的对应稀疏度推断字典上的稀疏度水平。该推断通过机器学习预测实现。此设置学习了字典各列与此类固定基各列之间的内在关系。所提算法应用于估计无线信道与认知无线电频谱中的稀疏度水平。大量仿真验证了稀疏度估计的高质量,其性能非常接近假定已知稀疏度这一不切实际的情形。
引用
@article{arxiv.2012.10082,
title = {Estimating Sparsity Level for Enabling Compressive Sensing of Wireless Channels and Spectra in 5G and Beyond},
author = {Mahmoud Nazzal and Mehmet Ali Aygul and Huseyin Arslan},
journal= {arXiv preprint arXiv:2012.10082},
year = {2020}
}