توضیحات
عنوان فارسی: بلوک حسگر فشرده MAP-LMS فیلتر تطبیقی برای تخمین کانال پراکنده و مرز Cramer-Rao Bayesian
عنوان انگلیسی مقاله ترجمه شده:
Compressed sensing block MAP-LMS adaptive filter for sparse channel estimation and a bayesian Cramer-Rao bound
بلوک حسگر فشرده MAP-LMS فیلتر تطبیقی برای تخمین کانال پراکنده و مرز Cramer-Rao Bayesian
HAL یک آرشیو دسترسی آزاد چند منظوره برای سپرده و انتشار اسناد پژوهشی علمی است، چه اینکه آنها منتشر شده باشند یا نه. اسناد ممکن است از مؤسسه های آموزشی و تحقیقاتی در فرانسه یا خارج از کشور یا از مراکز تحقیقاتی دولتی یا خصوصی باشد.
بلوک حسگر فشرده شده فیلتر متناوب MAP-LMS برای تخمین کانال پراکنده و یک مرزبندی بیسئلی
چکیده
این مقاله استفاده از یک بلوک فیلتر تطبیقی MAP-LMS (BMAPLMS) به جای یک فیلتر تطبیقی با اسم MAP-LMS برای برآورد کانال های پراکنده پیشنهاد می کند. علاوه بر همگرایی سریعتر از MAP-LMS، این فیلتر انطباق پذیر مبتنی بر بلوک ما را قادر می سازد تا از یک نسخه حساس فشرده از آن استفاده کنیم که از پراکندگی خروجی های کانال استفاده می کند تا نرخ نمونه برداری از سیگنال دریافت شده را کاهش دهد و همچنین برای کاهش پیچیدگی BMAP –LMS . شبیه سازی های ما نشان می دهد که الگوریتم پیشنهادی ما دارای همگرایی سریع تر و MSE نهایی کمتر از MAP-LMS است، در حالی که از MAP-LMS پیچیده تر است. بعلاوه، بعضی از مرزهای پایین برای تخمین کانال ناقص مورد بحث قرار گرفته است. به طور خاص، محدوده Cramer-Rao و محدوده Cramer-Rao بیضوی نیز محاسبه می شود.
مقدمه
به تازگی، کانال های نابرابر که پاسخ های ضربه ای آنها شامل بسیاری از تپ های صفر است، علاقه مند به پردازش سیگنال و ارتباطات شده اند. علاوه بر این، کانال های پرتوی در ژئوفیزیک و لرزه ای به شدت مورد مطالعه قرار گرفته اند، جایی که هر لایه به یک بازتاب مربوط می شود، به عنوان مثال، دیراک تأخیر و کاهش یافته در پاسخ زمان مدل ریاضی کانال اش بصورت زیر است:
که در آن و به ترتیب خروجی کانال اسکالر m × 1 ورودی بردار، m × 1 بردار واکنش ضربه کانال نزولی و نویز گاوسی افزایشی اسکالر هستند . در حالت تمرین برای برآورد کانال، بردار ورودی به کانال شناسانده شده است و مشکل برای برآورد پاسخ کانال پراکنده w از مشاهدات yl است.
بعضی از روش ها نماد شکل پالس را از طریق کانال انتقال می دهند و سپس با استفاده از تمام داده های دریافت شده نمونه، سعی می کنند تا پاسخ کانال را تخمین بزنند. در [1] الگوریتم پیگیری تطبیقی (MP) برای تخمین کانال از تمام سیگنال دریافتی استفاده می شود . [2] پیشنهاد می کند که از برخی از طرح های تشخیص صفر برای تخمین کانال استفاده شود. در [3]، یک معادله حداقل مربع بازگشتی MP به منظور همان هدف مورد استفاده قرار می گیرد. با استفاده از الگوریتم های فیلترینگ انطباق می توان پاسخ پراکندگی را مورد استفاده قرار داد. روش در [4] بر اساس کمینه کردن یک معیار خطای میانگین مربع تصحیح شده با sparsity است که توسط اصطلاح تنظیم (regularization term) ترویج می شود. در [5]، آپدیت حداکثر یک استقرای (MAP) از تپ های فیلتر تطبیقی پیشنهاد شده است که MAP-LMS نامیده می شود.
حساسیت فشرده شده (CS) یک فضای در حال ظهور بین نمونه برداری و فشرده سازی است. این فیلد نشان می دهد که از چند اندازه گیری تصادفی از سیگنال نادر برای بازسازی سیگنال اسپیرال اولیه استفاده می کند.
سازماندهی این مقاله به شرح زیر است: در بخش 2.1، ما پیشنهاد می کنیم که فیلتر تطبیقی MAP-LMS مبتنی بر بلوک را به جای فیلتر سازگار MAP-LMS برای افزایش نرخ همگرا استفاده کنیم. سپس، در بخش 2.2، ما پیشنهاد می کنیم از یک ماتریس اندازه گیری CS برای کاهش نرخ نمونه برداری از کانال خروجی برای بهره برداری از ساختار sparsity خروجی کانال استفاده کنیم. در بخش 3.1، Cramer-Rao Bound (CRB) برای این مشکل محاسبه خواهد شد و با مقادیر مشتق شده در [9] مقایسه می شود. CRB بیضوی نیز برای مشکل ما در بخش 3.2 محاسبه شده است. در نهایت، در بخش 4، برخی از نتایج شبیه سازی ارائه شده است.
بلوک CS فیلتر تطبیقی MAP-LMS
اول از همه ما فیلتر انطباق MAP-LMS پیشنهاد شده در [5] را بر اساس یک بلوک داده تعمیم می دهیم. سپس، فرمول به روز رسانی برای بلوک فیلتر سازگار MAP-LMS و برخی از به روز رسانی های ساده ارائه شده است. علاوه بر این، برای تخمین بیشتر کانال، یک فرمول برای محاسبه واریانس نویز کانال پیشنهاد شده است. این فیلتر انطباق پذیر مبتنی بر بلوک ما را قادر می سازد از ماتریس تصادفی CS استفاده کنیم تا تعداد نمونه هایی که از خروجی های کانال دریافت می شود را کاهش دهیم. بنابراین نسخه CS از فیلتر انطباق بلوک نیز پیشنهاد شده است.
توجه:
- برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
- لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.
به منظور سفارش ترجمه تخصصی مقالات خود بر روی کلید زیر کلیک نمایید.
سفارش ترجمه مقاله
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.