摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第6-10页 |
1.1 研究背景及意义 | 第6-7页 |
1.1.1 研究背景 | 第6-7页 |
1.1.2 研究意义 | 第7页 |
1.2 国内外研究现状 | 第7-9页 |
1.3 本论文结构及内容安排 | 第9-10页 |
第二章 压缩感知理论及信道估计 | 第10-22页 |
2.1 压缩感知基本理论 | 第10-15页 |
2.1.1 压缩感知理论框架 | 第10-12页 |
2.1.2 信号的稀疏表示 | 第12页 |
2.1.3 观测矩阵的设计 | 第12-14页 |
2.1.4 信号重构算法设计 | 第14-15页 |
2.2 压缩感知重构算法 | 第15-19页 |
2.2.1 贪婪类算法 | 第15-18页 |
2.2.2 范数类算法 | 第18-19页 |
2.3 信道估计 | 第19-21页 |
2.3.1 信道估计简介 | 第19-20页 |
2.3.2 压缩感知在信道估计中的应用 | 第20-21页 |
2.4 本章小结 | 第21-22页 |
第三章 基于压缩感知的多小区MASSIVE MIMO信道估计 | 第22-39页 |
3.1 MASSIVE MIMO系统模型 | 第22-26页 |
3.1.1 MIMO系统模型 | 第22-23页 |
3.1.2 MASSIVE MIMO系统模型 | 第23-26页 |
3.2 MASSIVE MIMO信道模型 | 第26-30页 |
3.2.1 大尺度衰落模型 | 第26-27页 |
3.2.2 小尺度衰落模型 | 第27-28页 |
3.2.3 合成矩阵稀疏信道模型 | 第28-30页 |
3.3 压缩感知信道估计算法 | 第30-33页 |
3.3.1 分段正交匹配追踪StOMP算法 | 第30-31页 |
3.3.2 改进分段正交匹配追踪算法 | 第31-33页 |
3.4 基于压缩感知的自适应信道估计 | 第33-34页 |
3.4.1 基于传统压缩感知算法的信道估计 | 第33页 |
3.4.2 基于压缩感知的自适应信道估计 | 第33-34页 |
3.5 仿真结果分析 | 第34-38页 |
3.6 本章小结 | 第38-39页 |
第四章 基于压缩感知的MASSIVE MIMO虚拟角域信道估计 | 第39-52页 |
4.1 MASSIVE MIMO系统下行信道模型 | 第39-43页 |
4.1.1 MASSIVE MIMO单小区下行信道模型 | 第39-40页 |
4.1.2 MASSIVE MIMO多小区下行信道模型 | 第40-42页 |
4.1.3 MASSIVE MIMO虚拟角域稀疏信道模型 | 第42-43页 |
4.2 稀疏度自适应压缩感知信道估计算法 | 第43-47页 |
4.2.1 稀疏度自适应匹配追踪SAMP算法 | 第43-44页 |
4.2.2 基于回溯的匹配追踪BAOMP算法 | 第44-45页 |
4.2.3 基于门限的稀疏度自适应匹配追踪算法 | 第45-47页 |
4.3 MASSIVE MIMO虚拟角域信道估计 | 第47-48页 |
4.4 仿真结果分析 | 第48-51页 |
4.5 本章小结 | 第51-52页 |
第五章 总结与展望 | 第52-54页 |
5.1 总结 | 第52页 |
5.2 展望 | 第52-54页 |
致谢 | 第54-55页 |
参考文献 | 第55-59页 |
攻读硕士学位期间取得成果 | 第59-60页 |
图版 | 第60页 |