- Код статьи
- S3034583925020021-1
- DOI
- 10.7868/S3034583925020021
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том 61 / Номер выпуска 2
- Страницы
- 17-29
- Аннотация
- Представлено расширенное описание нового метода регуляризации, основанного на оптимизации, направленной на инверсию выборочной ковариационной матрицы, не требующего сложных вычислений. Метод предназначен для линейных приемников в многопользовательских системах связи с большим числом антенн и работает в условиях ограниченного числа выборок. Исследование показывает, что рассмотренные вероятностные распределения шума не влияют на оптимальное значение фактора регуляризации. Результаты имитационного моделирования подтверждают, что метод превосходит традиционные подходы и обеспечивает лучшую обусловленность выборочной ковариационной матрицы, снижая вычислительную сложность расчета матрицы весов линейного эквалайзера в восходящем канале системы связи.
- Ключевые слова
- метод регуляризации закон Марченко – Пастура эквалайзер MMSE–IRC spiked model MIMO инверсия ковариационной матрицы SCM
- Дата публикации
- 20.08.2025
- Год выхода
- 2025
- Всего подписок
- 0
- Всего просмотров
- 32
Библиография
- 1. Шахнович И. Системы беспроводной связи 5G: телекоммуникационная парадигма, которая изменит мир // Электроника НТБ. 2015. № 7 (147). С. 48–55. https://www.electronics.ru/journal/article/4826
- 2. Winters J.H. Optimum Combining in Digital Mobile Radio with Cochannel Interference // IEEE Trans. Veh. Technol. 1984. V. 33. № 3. P. 144–155. https://doi.org/10.1109/T-VT.1984.24001
- 3. Ledoit O., Wolf M. Honey, I Shrunk the Sample Covariance Matrix // J. Portf. Manag. 2004. V. 30. № 4. P. 110–119. http://doi.org/10.3905/jpm.2004.110
- 4. Zhang M., Rubio F., Palomar D.P., Mestre X. Finite-Sample Linear Filter Optimization in Wireless Communications and Financial Systems // IEEE Trans. Signal Process. 2013. V. 61. № 20. P. 5014–5025. https://doi.org/10.1109/TSP.2013.2277835
- 5. Mestre X., Lagunas M.A. Finite Sample Size Effect on Minimum Variance Beamformers: Optimum Diagonal Loading Factor for Large Arrays // IEEE Trans. Signal Process. 2006. V. 54. № 1. P. 69–82. https://doi.org/10.1109/TSP.2005.861052
- 6. Ledoit O., Wolf M. A Well-Conditioned Estimator for Large-Dimensional Covariance Matrices // J. Multivariate Anal. 2004. V. 88. № 2. P. 365–411. https://doi.org/10.1016/S0047-259X (03)00096-4
- 7. Stoica P., Li J., Zhu X., Guerci J.R. On Using a priori Knowledge in Space-Time Adaptive Processing // IEEE Trans. Signal Process. 2008. V. 56. № 6. P. 2598–2602. https://doi.org/10.1109/TSP.2007.914347
- 8. Chen Y., Wiesel A., Eldar Y.C., Hero A.O. Shrinkage Algorithms for MMSE Covariance Estimation // IEEE Trans. Signal Process. 2010. V. 58. № 10. P. 5016–5029. https://doi.org/10.1109/TSP.2010.2053029
- 9. Anderson T.W. An Introduction to Multivariate Statistical Analysis. New York: Wiley, 1958. V. 2.
- 10. Чжан Ч., Ляшев В.А. Метод регуляризации в задачах оптимизации линейного эквалайзера // XIV Всероссийское совещание по проблемам управления (ВСПУ-2024). Москва, ИПУ РАН. 17–20 июня 2024 г. https://vspu2024.ipu.ru/proceedings/648.pdf
- 11. Zhang Z., Potekhin R.N., Lyashev V.A. Regularized Linear MU-MIMO Equalizer and Its Robustness // Probl. Inf. Transm. 2025. V. 61. № 2 (to appear).
- 12. Haykin S.S. Adaptive Filter Theory. Upper Saddle River, NJ: Prentice-Hall, 1996.
- 13. Ортега Дж., Рейнболдт В. Итерационные методы решения нелинейных систем уравнений со многими неизвестными. М.: Мир, 1975.
- 14. Householder A.S. The Theory of Matrices in Numerical Analysis. Mineola, NY: Dover, 2006.
- 15. Ivanov A., Osinsky A., Lakontsev D., Yarotsky D. High Performance Interference Suppression in Multi-User Massive MIMO Detector // Proc. 2020 IEEE 91st Vehicular Technology Conference (VTC2020-Spring). Antwerp, Belgium. May 25–28, 2020. P. 1–5. https://doi.org/10.1109/VTC2020-Spring48590.2020.9128653
- 16. Kay S.M. Fundamentals of Statistical Signal Processing. V. 1: Estimation Theory. Englewood Cliffs, NJ: Prentice-Hall, 1993.
- 17. Benaych-Georges F., Nadakuditi R.R. The Singular Values and Vectors of Low Rank Perturbations of Large Rectangular Random Matrices // J. Multivariate Anal. 2012. V. 111. P. 120–135. https://doi.org/10.1016/j.jmva.2012.04.019
- 18. Bai Z.D., Silverstein J.W., Yin Y.Q. A Note on the Largest Eigenvalue of a Large Dimensional Sample Covariance Matrix // J. Multivariate Anal. 1988. V. 26. № 2. P. 166–168. https://doi.org/10.1016/0047-259X (88)90078-4
- 19. Eldar Y.C., Chernoi J.S. A Pre-test Like Estimator Dominating the Least-Squares Method // J. Statist. Plann. Inference. 2008. V. 138. № 10. P. 3069–3085. https://doi.org/10.1016/j.jspi.2007.12.002
- 20. Jaeckel S., Raschkowski L., B¨orner K., Thiele L. QuaDRiGa: A 3-D Multi-Cell Channel Model with Time Evolution for Enabling Virtual Field Trials // IEEE Trans. Antennas Propag. 2014. V. 62. № 6. P. 3242–3256. https://doi.org/10.1109/TAP.2014.2310220
