GainDaily

本文介绍了一种毫米波通信中采用稀疏编码联合优化的方法。该方法通过特征值分解及酉矩阵性质,将最大化和速率问题转化为最小化距离问题,并进一步简化为压缩感知问题,最后提出使用正交匹配追踪(OMP)算法进行求解。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

2019/03/22

今天看precoding的时候发现了一个有意思的东西,在mmwave的时候将sparse coding 的联合优化问题:
在这里插入图片描述
通过特征值分解,并发掘酉矩阵的性质,将 max\mathbb{max}max sum rate 的问题 近似为最小化距离(Frobenius范数)的问题,继而约束 analog matrix的列向量取值(其实在前面已经证明过取array response vector 可以达到近似最优的效果),将digital precoding matrix DDD 作为一个selection matrix, 减少了一个优化变量,同时限制了DDD的0范数,从而将原问题转化为一个压缩感知的问题,继而可以用OMP求解(或者其他算法,但直观上讲还是OMP最适合,因为OMP本来就是求最相似的投影,不断迭代,从而达到sub-optimal)

这一套下来真是太漂亮了,其中用了很多数学技巧,比如在转化 sum rate时用到许多的矩阵公式,以及矩阵的一个类泰勒展开( logdet⁡I+X=log(1−tr(X))≈−tr(X)log\det{I+X} = log(1-tr(X)) \approx -tr(X)logdetI+X=log(1tr(X))tr(X)
(今天真是太晚了,在医院的时候看见一位妈妈还有奶奶按着一个小男孩(大约五六年级)在抽血,男孩的妈妈用力抱着他说‘不怕不怕’,然后我突然意识到,所谓长大,就是明明很害怕,却还是要硬着头皮去做吧, 这又很像莫泊桑的一句‘有时,我可能脆弱得一句话就泪流满面;有时,也发现自己咬着牙走了很长的路’~~~加油!

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值