针对正交时频空(Orthogonal Time Frequency Space, OTFS)调制系统中最小均方误差(Minimum Mean Square Error, MMSE)检测算法性能整体不佳以及计算复杂度高的问题,通过对CP-OTFS系统时延-多普勒(Delay-Doppler, DD)域中的输入-输出关...针对正交时频空(Orthogonal Time Frequency Space, OTFS)调制系统中最小均方误差(Minimum Mean Square Error, MMSE)检测算法性能整体不佳以及计算复杂度高的问题,通过对CP-OTFS系统时延-多普勒(Delay-Doppler, DD)域中的输入-输出关系运用二维离散傅里叶变换后,提出一种基于自适应噪声估计的检测算法。该算法首先根据先验信息衡量接收信号功率和信道增益,然后用一个含参项衡量发送信号功率,最后引入噪声方差完成对噪声项的估计并结合MMSE准则进行信号检测。仿真结果表明,当信噪比为19 dB时,该算法的误码率性能比MMSE检测算法提升了3.72 dB且在运算过程中不涉及矩阵的求逆,是误码率性能整体较好与低复杂度的信号检测算法。展开更多
近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用,但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,先提出一种平滑图像块筛选方法,并将其与奇异值分解(singular value decomposi...近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用,但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,先提出一种平滑图像块筛选方法,并将其与奇异值分解(singular value decomposition,SVD)相结合实现对图像的噪声标准差估计;再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来,提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明,与Donoho小波软阈值去噪算法、全变分(total variation,TV)去噪算法相比,该算法不仅能够使去噪后图像的峰值信噪比提升1~3 dB,并且能较好地保留图像的细节信息和边缘特征。展开更多
文摘针对正交时频空(Orthogonal Time Frequency Space, OTFS)调制系统中最小均方误差(Minimum Mean Square Error, MMSE)检测算法性能整体不佳以及计算复杂度高的问题,通过对CP-OTFS系统时延-多普勒(Delay-Doppler, DD)域中的输入-输出关系运用二维离散傅里叶变换后,提出一种基于自适应噪声估计的检测算法。该算法首先根据先验信息衡量接收信号功率和信道增益,然后用一个含参项衡量发送信号功率,最后引入噪声方差完成对噪声项的估计并结合MMSE准则进行信号检测。仿真结果表明,当信噪比为19 dB时,该算法的误码率性能比MMSE检测算法提升了3.72 dB且在运算过程中不涉及矩阵的求逆,是误码率性能整体较好与低复杂度的信号检测算法。
文摘近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用,但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,先提出一种平滑图像块筛选方法,并将其与奇异值分解(singular value decomposition,SVD)相结合实现对图像的噪声标准差估计;再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来,提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明,与Donoho小波软阈值去噪算法、全变分(total variation,TV)去噪算法相比,该算法不仅能够使去噪后图像的峰值信噪比提升1~3 dB,并且能较好地保留图像的细节信息和边缘特征。
