首页/论文/cs/0505020

arXiv cs/05050202005-05-10cs.ITmath.IT

基于子空间投影的非平稳时变信道容量的渐近结果

Asymptotic Capacity Results for Non-Stationary Time-Variant Channels Using Subspace Projections

Thomas Zemen, Stefan M. Moser

备注：: 14 pages, 1 figure

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

在本文中，我们处理单天线离散时间平坦衰落信道。衰落过程被假定为在单个数据块的持续时间内是静止的。从块到块，允许衰落过程是非平稳的。散射体的数量限制了信道协方差矩阵的秩。信噪比（SNR）、用户速度和数据块长度定义了时变信道子空间的可用秩。可用信道子空间随着信噪比的增加而增加。这种增长的维数必须考虑到渐近容量的结果，在高信噪比制度。利用时间集中和带限序列理论的结果，我们能够定义一个SNR阈值，低于该阈值，容量将按比例增长。超过此阈值，容量将成倍增长。

英文摘要：

In this paper we deal with a single-antenna discrete-time flat-fading channel. The fading process is assumed to be stationary for the duration of a single data block. From block to block the fading process is allowed to be non-stationary. The number of scatterers bounds the rank of the channels covariance matrix. The signal-to-noise ratio (SNR), the user velocity, and the data block-length define the usable rank of the time-variant channel subspace. The usable channel subspace grows with the SNR. This growth in dimensionality must be taken into account for asymptotic capacity results in the high-SNR regime. Using results from the theory of time-concentrated and band-limited sequences we are able to define an SNR threshold below which the capacity grows logarithmically. Above this threshold the capacity grows double-logarithmically.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

随机压缩下子空间投影矩阵的约束等距性

Restricted Isometry Property of Subspace Projection Matrix Under Random Compression

结构在信号处理领域起着重要的作用。低秩矩阵作为结构数据的代表，其约束等距性（RIP）一直是压缩信号处理中的重要研究课题。子空间投影矩阵是一种具有附加结构的低秩矩阵，它可以进一步降低其固有维数。这为改进其RIP留下了空间，可以作为压缩子空间投影矩阵恢复的基础。本文研究了子空间投影矩阵在随机正交压缩下的RIP问题。考虑到$\mathbb{R}^N$中的$s$维子空间的子空间投影矩阵构成$\mathbb{R}^{N\times N}$中的$s(N-s)$维子流形的事实，我们的主要关注点被转化为这类子流形到$\mathbb{R}^{N\times N}$中的稳定嵌入.结果表明，通过随机测量的$O(s(N-s)\log N)$次数，保证了子空间投影矩阵的RIP。

2015-02-08cs.ITmath.IT

基于投影矩阵逼近的宽带子空间估计

Wideband Subspace Estimation Through Projection Matrix Approximation

在本文中，我们提出了一种宽带子空间估计方法，通过其正交投影矩阵在每个频率的信号子空间的特征。基本上，该方法将该投影矩阵建模为可以通过多项式近似的频率的函数。它提供了两个改进：沿给定频带表示信号子空间所需的参数数量的减少以及宽带到达方向（DOA）估计器（诸如非相干多信号分类（IC-MUSIC）和投影子空间的修正的可分辨性测试（MTOPS））的质量改进。粗略地说，该方法将多项式拟合到在一组频率处获得的一组投影矩阵估计，然后使用多项式作为信号子空间的表示。本文包括推导渐近界的偏差和均方根（RMS）误差的投影矩阵估计和数值评估的方法，并结合前两个波达方向估计。

2021-11-26cs.ITmath.IT

Reed-Muller码的修剪压缩投影聚合译码

Pruned Collapsed Projection-Aggregation Decoding of Reed-Muller Codes

本文提出了解码Reed-Muller（RM）码投影到只有少数几个子空间，使投影的数量显着减少。它揭示了错误对在两个不同的投影中同时被抵消的概率取决于它们的相交大小。然后，在子空间集合中引入相关系数来表示集合中两个子空间的交集大小。仿真结果表明，我们提出的方法与少量的投影到收集的子空间执行接近原来的方法。

2021-05-25cs.ITmath.IT

认知MIMO无线电：基于子空间投影的竞争最优设计

Cognitive MIMO Radio: A Competitive Optimality Design Based on Subspace Projections

认知MIMO无线电：一种基于子空间投影的竞争优化设计

2008-08-07cs.GTcs.ITmath.IT

用于纠正RM码中结构化错误模式的基于少量子空间投影的RPA译码

RPA Decoding with Few Subspace Projections for Correcting Structured Error Patterns in RM Codes

Indian Institute of Science（印度科学学院）

本文针对RM码的RPA译码，提出通过选择合适子空间减少投影数量以纠正结构化错误，单突发错误时每递归层仅需3个子空间即可完成纠正。

2026-10-14cs.ITmath.IT

Reed-Muller码稀疏递归投影-聚集译码的半确定性子空间选择

Semi-Deterministic Subspace Selection for Sparse Recursive Projection-Aggregation Decoding of Reed-Muller Codes

文献[1]中提出的递归投影聚合（RPA）译码是一种新的译码算法，其性能接近于短码长Reed-Muller码的最大似然译码器。最近，已经提出了对RPA解码的扩展，称为稀疏多解码器RPA（SRPA）[2]。SRPA方法利用多个修剪的RPA解码器来降低计算量，同时与RPA解码相比保持较小的性能损失。然而，使用多个稀疏解码器再次增加了计算负担。因此，重点是优化稀疏单解码器RPA解码，以保持较小的复杂度。本文提出了一种新的方法，选择用于SRPA解码的投影和聚合步骤的子空间子集，以降低AWGN信道上的解码错误概率。所提出的方法取代了随机选择的子空间子集的半确定性选择方法的基础上的品质因数，评估每个子空间的性能。我们的仿真结果表明，半确定性的子空间选择提高了解码性能的$0.2\,\text{dB}$相比，SRPA。同时，与SRPA相比，$r\geq 3$阶RM码的SRPA解码的复杂度降低了高达81%。

2022-11-02cs.ITmath.IT

更多相关论文收起更多论文

正则投影子空间估计的扰动界

A Perturbation Bound on the Subspace Estimator from Canonical Projections

University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Wisconsin Institute for Discovery（威斯康星发现研究所）

本文导出了由受噪声污染的正则投影子集得到的最优子空间估计的扰动界。这一基本结果在矩阵完备化、子空间聚类及相关问题中具有重要意义。

2022-06-28cs.ITcs.LGmath.IT

有限子空间集高斯随机投影的限制等距性

Restricted Isometry Property of Gaussian Random Projection for Finite Set of Subspaces

Tsinghua University（清华大学）

降维在降低求解大规模问题的复杂性方面起着至关重要的作用。著名的Johnson-Lindenstrauss（JL）引理和限制性等距性质（RIP）允许在保持欧氏距离的情况下使用随机投影来降低维数，这导致了压缩感知和稀疏相关信号处理领域的繁荣。最近，稀疏模型在计算机视觉和机器学习中的成功应用越来越多地暗示，高维数据的底层结构看起来更像是子空间的联合（UoS）。本文在JL引理和压缩子空间聚类（CSC）这一新兴领域的启发下，首次研究了基于广义投影$F$-范数距离的高斯随机矩阵压缩子空间的RIP问题。我们从理论上证明，以高概率的亲和力或两个投影子空间之间的距离集中在他们的估计。当投影后的环境维数足够大时，两个子空间之间的亲和力和距离在随机投影后几乎保持不变。数值实验验证了理论工作。

2017-12-05cs.ITcs.LGmath.IT

基于并行次梯度投影和Krylov子空间技术的鲁棒降秩自适应处理

Robust Reduced-Rank Adaptive Processing Based on Parallel Subgradient Projection and Krylov Subspace Techniques

在本文中，我们提出了一种新的降秩自适应滤波算法的Krylov子空间方法的思想与集合论自适应滤波框架相结合。与现有的基于Krylov子空间的降秩方法不同，所提出的算法在最小化Krylov子空间中的\sinq{true}均方误差（MSE）的意义上跟踪最优点，即使当估计的统计量变得错误时（例如，由于环境的突然变化）。因此，与现有的方法相比，该算法更适合自适应滤波应用。该算法分析的基础上的自适应投影次梯度法（APSM）的修改版本。数值算例表明，对于码分多址（CDMA）系统中的干扰抑制问题以及简单的系统辨识问题，该算法具有比现有方法更好的跟踪性能。

2013-06-26cs.ITmath.IT

拟阵约束下投影最大化的子空间选择

Subspace selection for projection maximization with matroid constraints

假设在希尔伯特空间中存在由大量向量组成的基集。考虑选择基集的子集的问题，使得感兴趣的向量在所选子集中的向量所张成的子空间上的投影达到最大范数。这个问题通常是NP难的，并且已经提出了替代的近似算法，例如前向回归和正交匹配追踪作为启发式方法。在本文中，我们调查这些算法的性能上的界限，通过引入元素曲率的概念。更具体地说，我们推导出下界，作为这些元素的曲率的函数，上述算法的性能相对于均匀和非均匀拟阵约束下的最优解，分别。我们表明，如果在地面设置的元素是相互正交的，那么这些算法是最佳的拟阵时是均匀的，他们至少实现了$1/2$ -近似的最优解时的拟阵是不均匀的。

2015-07-17cs.ITmath.IT

基于互相关和子空间投影技术的稳健分布式波束形成研究

Study of Robust Distributed Beamforming Based on Cross-Correlation and Subspace Projection Techniques

在这项工作中，我们提出了一种新的强大的分布式波束形成（RDB）的方法，以减轻信道误差的影响，无线网络配备中继的基础上利用接收到的数据之间的互相关从中继在目的地和系统输出。建议的RDB方法，表示互相关和子空间投影（CCSP）RDB，认为在系统中的总中继发射功率约束和最大化输出信号干扰噪声比（SINR）的目标。中继节点配备了放大转发（AF）协议，我们假设，信道状态信息（CSI）是不完全知道在中继站和源和目的地之间没有直接的链接。CCSP不需要任何昂贵的优化过程和模拟显示出优异的性能相比，以前报道的算法。

2017-12-01cs.ITeess.SPmath.IT

连续统上的压缩子空间匹配

Compressed Subspace Matching on the Continuum

我们考虑的一般问题匹配的子空间的信号在R^N已被观察到间接（压缩）通过随机投影。我们感兴趣的是K维子空间的集合被连续参数化的情况，即自然地由距离实数线的间隔索引，或者更一般地，R^D的区域。我们的主要结果表明，如果随机投影的尺寸是K倍的几何常数，描述了收集的复杂性的顺序，然后从压缩观察得到的匹配几乎是一样好，从一个完整的观察信号。我们给出了多个具体的例子集合的子空间，这个几何常数可以估计，并讨论了模板匹配和源定位的一般问题的结果的相关性。

2014-07-20cs.ITmath.IT

基于子空间投影的自编码器异常检测方法

A Subspace Projection Approach to Autoencoder-based Anomaly Detection

Deakin University（迪肯大学）；IIT Kharagpur（印度理工学院卡拉格布尔分校）

自动编码器（AE）是一种神经网络（NN）架构，其被训练以在其输出处重构输入。通过测量新输入样本的重建误差，AE可以检测出偏离训练数据分布的异常样本。成功的关键是实现高保真重建（HFR），同时限制AE的泛化能力超出训练数据，这通常应该通过迭代重新训练来平衡。或者，我们提出了一种新的框架AE为基础的异常检测，创造HFR-AE，通过投影新的输入到一个子空间，其中训练的AE实现HFR，从而增加正常和异常样本重建误差之间的差距。仿真结果证实，HFR-AE提高了不同AE架构和设置下的接收器工作特征曲线（AUROC）下的面积高达13.4%相比，香草AE为基础的异常检测。

2023-02-15cs.ITcs.LGmath.IT

低维子空间的严格限制等距性

Rigorous Restricted Isometry Property of Low-Dimensional Subspaces

Tsinghua University（清华大学）

在机器学习和计算机版本中，为了降低数据位于潜在低维结构中的大规模问题的求解复杂度，需要进行简化。基于这一需要，本文研究了$\mathbb{R}^N$中低维子空间高斯随机投影的限制等距性（RIP），严格证明了$\mathbb{R}^n$中投影数据所跨越的任意两个子空间之间的投影Frobenius范数距离（$n<N$）与原始子空间之间的距离几乎相同，且概率不小于$1 - {\rm e}^{-\mathcal{O}(n)}$ .以前，著名的约翰逊-林登施特劳斯（JL）引理和RIP的稀疏向量已经稀疏信号处理，包括压缩感知的基础。作为稀疏向量的JL引理和RIP的类比，这项工作允许使用随机投影来减少环境维数，并在理论上保证压缩后子空间之间的距离得到很好的保留。

2018-01-30cs.ITcs.LGmath.IT

基于低维投影的信道矢量子空间估计

Channel Vector Subspace Estimation from Low-Dimensional Projections

大规模MIMO是多用户MIMO的变体，其中基站天线$M$的数量非常大（通常为100），并且通常比空间复用数据流的数量（通常为10）大得多。不幸的是，驱动数百个天线所需的前端A/D转换，信号带宽为10至100 MHz，需要非常大的采样比特率和功耗。为了减少这样的实施要求，已经提出了混合数模架构。特别地，我们在本文中的工作是由称为联合空分复用（JSDM）的这种方案之一激发的，其中下行链路预编码器（分别为，上行链路线性接收机）被分成基带线性投影（数字）和RF可重新配置波束成形网络（模拟）的乘积，使得仅需要减少数量的$m \ll M$ A/D转换器和RF调制/解调链。在JSDM中，用户根据其信道主导子空间的相似性进行分组，并且这些组由模拟波束成形阶段分离，其中使用数字预编码器来实现每组中的复用增益。因此，很明显，利用$m \ll M$从$m$-dim投影的快照中提取$M$-dim信道向量的信道子空间信息在JSDM实现中起着基础作用.在本文中，我们开发了新的高效的算法，只需要采样$m = O(2\sqrt{M})$特定的阵列元素根据互质采样方案，并为一个给定的$p \ll M$，返回一个$p$ -暗淡波束形成器，具有与最好的p-暗淡波束形成器，可以设计的准确的信道协方差矩阵的全部知识的性能相当。我们评估我们提出的估计性能分析和经验，通过数值模拟。

2016-07-27cs.ITmath.ITstat.ML