该文将压缩感知(CS)中信号的重构问题归结为求解l0-正则化问题,针对l0-正则化问题求解比较困难,提出了快速交替方向乘子法(FADMM)。该算法首先将信号的稀疏域的l0-正则化问题通过变量分裂技术转化为约束优化问题;然后引入乘子函数,采用...该文将压缩感知(CS)中信号的重构问题归结为求解l0-正则化问题,针对l0-正则化问题求解比较困难,提出了快速交替方向乘子法(FADMM)。该算法首先将信号的稀疏域的l0-正则化问题通过变量分裂技术转化为约束优化问题;然后引入乘子函数,采用一步Gauss-Seidel思想,对优化问题中的变量极小化;为了加快算法的收敛速度,对变量进行了二次更新,并更新了乘子;最后进行反正交变换,实现对原始信号的重构。将FADMM应用于含噪声图像的重构,进行了仿真实验及对实验结果进行了分析。实验结果表明:FADMM具有更高的峰值信噪比(Peak Signal to Noise Ratio,PSNR)和更快速的收敛速度。展开更多
在认知无线电场景下,提出一种基于最佳中继选择的认知中继解码转发(decode-and-forward,DF)传输方案,且认知节点(包括源和中继节点)均采用正交频分复用(orthogonal frequency division multiplex,OFDM)调制方式,并在此基础上提出了一种...在认知无线电场景下,提出一种基于最佳中继选择的认知中继解码转发(decode-and-forward,DF)传输方案,且认知节点(包括源和中继节点)均采用正交频分复用(orthogonal frequency division multiplex,OFDM)调制方式,并在此基础上提出了一种针对认知源节点和中继节点的联合优化功率分配算法,以使认知用户的信息传输速率达到最大,且同时满足主用户的干扰门限(interference threshold)认知节点的最大和发射功率2个约束条件。理论分析和仿真结果表明:提出的基于最佳中继选择的优化功率分配方案可获得比其他方案更为优越的系统性能。展开更多
文摘该文将压缩感知(CS)中信号的重构问题归结为求解l0-正则化问题,针对l0-正则化问题求解比较困难,提出了快速交替方向乘子法(FADMM)。该算法首先将信号的稀疏域的l0-正则化问题通过变量分裂技术转化为约束优化问题;然后引入乘子函数,采用一步Gauss-Seidel思想,对优化问题中的变量极小化;为了加快算法的收敛速度,对变量进行了二次更新,并更新了乘子;最后进行反正交变换,实现对原始信号的重构。将FADMM应用于含噪声图像的重构,进行了仿真实验及对实验结果进行了分析。实验结果表明:FADMM具有更高的峰值信噪比(Peak Signal to Noise Ratio,PSNR)和更快速的收敛速度。
文摘在认知无线电场景下,提出一种基于最佳中继选择的认知中继解码转发(decode-and-forward,DF)传输方案,且认知节点(包括源和中继节点)均采用正交频分复用(orthogonal frequency division multiplex,OFDM)调制方式,并在此基础上提出了一种针对认知源节点和中继节点的联合优化功率分配算法,以使认知用户的信息传输速率达到最大,且同时满足主用户的干扰门限(interference threshold)认知节点的最大和发射功率2个约束条件。理论分析和仿真结果表明:提出的基于最佳中继选择的优化功率分配方案可获得比其他方案更为优越的系统性能。
