Apr, 2015

分布式稀疏随机投影在衰落信道上的无线压缩感知

PDF
TL;DR本研究旨在解决无线传感器网络中观测稀疏信号在通道衰落条件下的恢复问题，采用稀疏随机矩阵降低信息转发中的通信成本，并通过分析重尾随机矩阵的特性，量化在非同一高斯信道存在的情况下确保可靠信号恢复所需的附加测量次数。研究结果提供了关于如何控制每个节点的传感器传输概率以最小化收集到融合中心的测量次数的见解，并讨论了任意随机投影矩阵中给定的子指数范数下给定稀疏信号的恢复保证。
sparse signal recoverywireless sensor networkchannel fadingrandom matricesnon-gaussian statistics
发现论文，激发创造
  • 近似稀疏模式恢复：信息理论下界

    本文考虑了高维设置下的稀疏向量，研究在测量速率和样品的信噪比为有限常数的情况下，稀疏模式估计的误差比例将为常数分数，并且通过与现有可实现界的比较，建立了在比例误差和信噪比的功能下的范围上限。

    Feb, 2010

  • 压缩感知的概率和 RIP 缺失理论

    本研究介绍了一种压缩感知的简单且通用的理论，其传感机制会从概率分布 F 中独立随机选择感知向量，而且不需要约束等距性或随机信号模型即可从噪音测量的最小数量中忠实地恢复出近似稀疏信号。

    Nov, 2010

  • 基于压缩感知的海量 MIMO 通信系统联邦学习方法

    本文提出了一种基于压缩感知的联邦学习算法，通过传输策略构造稀疏的梯度向量信号，利用压缩感知算法迭代地求解线性最小均方误差 (LMMSE) 估计量。通过仿真实验，证明了该方法在无线设备通信系统中具有比传统线性波束赋形方法更好的性能，并减小了联邦学习和中央学习的性能差距。

    Mar, 2020

  • 压缩感知在无线通信中的应用：使用技巧

    本文旨在提供基于压缩感知技术的无线通信系统设计需要知道的基本知识和实用技巧，其中包括压缩感知技术的概述，稀疏恢复算法，性能保障，以及解决无线通信系统设计中遇到的主要问题。

    Nov, 2015

  • 具有信号相干性和冗余字典的压缩感知

    本研究探讨了在红 udant 字典中从欠采样数据中恢复信号的可能性，介绍了一种基于 L1 分析优化方法的精确恢复方法，并提出了一种测量矩阵条件，该条件是针对高度超完备的和连贯的词典的近似稀疏信号的精确恢复的一种自然泛化形式。

    May, 2010

  • 利用矩阵补全的合作式频谱感知方法进行思维无线电网络的稀疏观测

    使用最近的矩阵完备技术来解决协作无线电节点之间的协作感知问题，结果表明，即使在无噪声的情况下，当主用户数量增加时，只需使用不到 17％的完全感知信息即可达到 95.55％的检测率。

    Jan, 2010

  • 关于从带噪声的线性测量中恢复树稀疏向量的基本限制

    本文探讨了通过 Tree-sparse 信号的自适应传感和结构稀疏融合的压缩感官技术在支持恢复任务中的性能极限。结果表明，这种自适应树传感过程几乎是最优的。

    Jun, 2013

  • MIMO 雷达的空间压缩感知

    通过结构化随机矩阵的特性，我们发展出了一种多输入多输出（MIMO）雷达的稀疏定位框架，使得无需填充全部（奈奎斯特）阵列即可实现与填充阵列相当的性能，并且通过压缩感知恢复算法在性能上超越了经典方法，提供了高分辨率的虚拟阵列口径，同时仅需使用少量 MIMO 雷达元件。

    Apr, 2013

  • 下一代无线通信的压缩感知技术

    通过对无线网络处理技术进行深入的研究与探索，本篇论文探究了相关过程的不同表现形式。同时，结合压缩感知技术，本研究提出了许多有关大规模天线阵列、非正交多路访问（NOMA）和超密集网络（UDN）等领域的有前景的研究思路。

    Sep, 2017

  • 含非线性观测的压缩感知及相关非线性优化问题

    本文研究了在非线性观测条件下压缩感知信号恢复问题，提出了一种基于迭代硬阈值算法的解决方法，并在类似线性方法的条件下表明该算法能够准确恢复稀疏或结构化信号。同时，本文也展示了在稀疏和子空间并集约束下，如何在一般非线性优化框架下进行相关研究。

    May, 2012