✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机  电力系统

⛄ 内容介绍

大规模MIMO系统上行链路数据检测问题中的格基（信道矩阵）自然短且正交，因此建议我们可以将混合方案应用于这种场景而不使用格减少。仿真结果证实了该扩展的有效性。

⛄ 部分代码

function xhat=AMPT(y,H,epsi,sigma2)

%   AMP algorithm with ternery prior

%   written by Shanxiang Lyu (s.lyu14@imperial.ac.uk), Imperial College

%   Last updated on oct 2018

%   Ref: "Hybrid Vector Perturbation Precoding: The Blessing of Approximate Message Passing,", IEEE Transactions on Signal Processing 

%   Digital Object Identifier: 10.1109/TSP.2018.2877205

[m,n]=size(H);

    if nargin <= 2

        epsi=.5; 

        sigma2=(norm(y)^2)/(m^1.5); 

    elseif nargin <= 3

        sigma2=(norm(y)^2)/(m^1.5); 

    end

r=y;%residual vector

x_hat=zeros(n,1);

l_hat=1*ones(n,1);

alpha=1e4;

alphabar=1e4;

Theta=diag(1./(diag(H'*H)));

for t=1:20

    

r=y-H*x_hat+(n/m)*alphabar/alpha*r; 

alpha=sigma2+(n/m)*alphabar; 

x_in=Theta*H.'*r+x_hat;

u=x_in;v=Theta*alpha*ones(n,1);

for i=1:n

    x_hat(i)=sinh(u(i)/v(i))/((1-epsi)/epsi*exp(1/(2*v(i)))+cosh(u(i)/v(i)));

    l_hat(i)=((1-epsi)/epsi*exp(1/(2*v(i)))*cosh(u(i)/v(i))+1)/(((1-epsi)/epsi*exp(1/(2*v(i)))+cosh(u(i)/v(i)))^2);

end

alphabar=mean(Theta^(-1)*l_hat);

x_hat_all(1:n,t)=round(x_hat);

FIT(t)=norm(y-H*x_hat_all(1:n,t));

if FIT(t)>=1e5

    break;

end

end

ind=find(FIT==min(FIT));

if isempty(ind)==1

     xhat=zeros(n,1);

else

    xhat=x_hat_all(1:n,ind(end));

    if norm(y)<=FIT(ind(end))

        xhat=zeros(n,1);

    end

end

⛄ 运行结果

⛄ 参考文献

Lyu, Shanxiang, and Cong Ling. “Hybrid Vector Perturbation Precoding: The Blessing of Approximate Message Passing.” IEEE Transactions on Signal Processing, Institute of Electrical and Electronics Engineers (IEEE), 2018, pp. 1–1, doi:10.1109/tsp.2018.2877205.

⛄ Matlab代码关注

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料