13、人工智能电子电路技术与压缩感知OFDM信道估计发展综述

人工智能电子电路技术与压缩感知OFDM信道估计发展综述

一、压缩感知OFDM信道估计中的性能评估

在压缩感知基于正交频分复用（OFDM）的信道估计中，为了获得合适的矩阵感知性能，导频的模式位置和非线性重建算法至关重要。本文着重对OMP、ROMP和CoSaMP重建算法进行了一定程度的性能改进。

（一）随机导频模式下算法性能对比

通过图3和图4分别比较了三种压缩估计算法在随机导频模式下的性能。若不进行优化，ROMP或CoSaMP与OMP之间的性能差距会非常大。以下是模拟稀疏信道的参数设置：
| 参数名称 | 数值 |
| — | — |
| 信道长度 | 50 |
| 子载波数量 | 512 |
| 导频数量 | 20 |
| 循环前缀 | 128 |

系统采用QPSK编码调制器，使用均方误差（MSE）和信噪比（SNR）进行性能评估。

（二）均匀导频模式及随机搜索算法优化

利用本文提出的均匀导频模型和随机搜索算法（RSA），并依据公式（9）的准则，对三种算法的性能进行分析比较。图5展示了OMP、ROMP和CoSaMP压缩感知估计算法在均匀导频模式下，经随机搜索算法处理前后的均方误差性能与信噪比的关系。随机搜索算法的导频模式优化准则提升了这三种压缩感知估计算法的性能。其中，CoSaMP获得了更好的性能增益，与均匀导频模式相比，随机搜索在均方误差方面优化的最大值约为35 dB，其次是ROMP，约为30 dB。

二、人工智能电子电路技术概述

（一）人工智能电子电路的发展背景

当前，互联网的快速发展