基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对目前稀疏度自适应的压缩感知(compressed sensing ,CS)信道估计算法计算量过大的问题,文章提出了基于关联度分析的稀疏度自适应归档正则化迭代硬阈值(sparsity adaptive archiving normalized itera‐tive hard thresholding ,SAANIHT)算法。ANIHT算法可以解决传统压缩感知理论计算量大、计算时间过长的问题,但需要预知信道的稀疏度。引入高斯核函数对一种稀疏度估计算法进行了改进,并与ANIHT 算法结合,使其可以在盲稀疏情况下对信道进行估计。仿真结果表明,在同等稀疏度条件下,该算法比其他算法节约了计算时间,在低信噪比下性能更优,具有较好的重构性能与稳定性。
推荐文章
基于块稀疏度估计的压缩感知自适应重构算法
块稀疏信号
压缩感知
估计
正则化
自适应
信号重构
基于稀疏度自适应算法的压缩感知
压缩感知
稀疏度自适应算法
重构时间
一种改进的卡尔曼滤波压缩感知信道估计算法
压缩感知
稀疏多径信道估计
卡尔曼滤波
伪测量过程
一种新颖的低复杂度稀疏信道估计算法实现
信道估计
压缩感知
计算复杂度
原子
重建
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种稀疏度自适应的压缩感知信道估计算法
来源期刊 合肥工业大学学报(自然科学版) 学科 工学
关键词 压缩感知 稀疏多径信道估计 归档正则化迭代硬阀值算法 高斯核函数 稀疏度自适应
年,卷(期) 2016,(8) 所属期刊栏目 ?计算机与信息工程?
研究方向 页码范围 1055-1059
页数 5页 分类号 TN911.5
字数 4032字 语种 中文
DOI 10.3969/j.issn.1003-5060.2016.08.010
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 林志国 空军工程大学装备管理与安全工程学院 18 34 4.0 4.0
5 彭卫东 空军工程大学装备发展与运用研究中心 45 129 6.0 8.0
6 林思铭 空军工程大学装备管理与安全工程学院 7 14 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (50)
共引文献  (44)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1993(4)
  • 参考文献(1)
  • 二级参考文献(3)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(8)
  • 参考文献(0)
  • 二级参考文献(8)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(14)
  • 参考文献(1)
  • 二级参考文献(13)
2010(11)
  • 参考文献(1)
  • 二级参考文献(10)
2011(5)
  • 参考文献(1)
  • 二级参考文献(4)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
压缩感知
稀疏多径信道估计
归档正则化迭代硬阀值算法
高斯核函数
稀疏度自适应
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
合肥工业大学学报(自然科学版)
月刊
1003-5060
34-1083/N
大16开
合肥市屯溪路193号
26-61
1956
chi
出版文献量(篇)
7881
总下载数(次)
18
总被引数(次)
57827
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导