MISO系统的智能反射面信道估计：级联信道与压缩感知前言系统模型信道模型级联信道信道估计
前言
原文：《Compressed Channel Estimation and Joint Beamforming for Intelligent Reflecting Surface-Assisted Millimeter Wave Systems 》
地址：https://arxiv.org/abs/1911.07202
这篇文章考虑的是智能反射面（IRS）辅助的mmWave MISO系统的信道估计问题。作者将BS-IRS、IRS-UE两个信道级联成一个等效信道，利用级联信道的稀疏结构将估计值转化为
2021-08-19 13:57:01
199KB
1
压缩感知图像matlab代码
[IEEE计算机视觉和模式识别会议（CVPR），2016]（），第449-458页。
项目页面：
介绍：
ReconNet是一种非迭代且极其快速的算法，可从压缩感测（CS）随机测量中重建图像。
在本文中，我们展示了在各种测量速率下，相对于最新的迭代CS重建算法，重建结果（在PSNR和时间复杂度方面）均得到了显着改善。
此处提供的代码有助于重现本文中介绍的某些结果。
引文（BibTex）：
如果您正在使用此代码，请引用以下论文。
@InProceedings{Kulkarni_2016_CVPR,
author
=
{Kulkarni,
Kuldeep
and
Lohit,
Suhas
and
Turaga,
Pavan
and
Kerviche,
Ronan
and
Ashok,
Amit},
title
=
{ReconNet:
Non-Iterative
Reconstruction
of
Images
From
Compressively
Sensed
Measurements},
booktitle
=
{The
IEEE
Conference
o
2021-08-12 12:13:33
33.62MB
1