低信噪比下稀疏多径信道上的训练
信息论
2011-02-18 v2 math.IT
摘要
本文探讨了在稀疏多径信道上的训练问题。我们刻画了能量分配和训练信号的最优形状，这些信号能够在未知信道上实现无差错通信，并且是信道统计特性的函数。训练的性能通过信道估计均方误差的降低以及信道不确定性的减少来评估。我们展示了宽带信道的熵与训练所需能量之间的联系。此外，当训练基于压缩感知时，信道的稀疏性和熵与所需信道测量次数之间存在关联。从少量测量中学习信道的能力与稀疏信道的低熵有关，这使得在低信噪比下进行训练成为可能。
引用
@article{arxiv.1001.4382,
title = {Training Over Sparse Multipath Channels in the Low SNR Regime},
author = {Elchanan Zwecher and Dana Porrat},
journal= {arXiv preprint arXiv:1001.4382},
year = {2011}
}