摘要: 

移动通信技术中，信号的传输会受到多径传播的影响，因此需要额外加入导频信号辅助进行信道重构。为了不影响正常通讯，导频发送往往集中在较小的子带，因此需要额外的外推技术进行信道补全。近十年来，基于压缩感知的信道重构技术蓬勃发展，其中以基于 ADMM 的稀疏优化算法、基于近似消息传递 (AMP) 的统计计算方法以及基于 Turbo 译码的 Turbo CS 算法最为突出。然而，这些方法对观测矩阵有较高要求（高斯随机矩阵假设、部分 DFT 矩阵假设），这在实际通信系统的设置与规模下难以满足。我们将展示如何使用算子分裂的视角统一上述算法，并介绍在此基础上得到的交替子空间方法。该方法将开销较大的观测匹配模块限制在子空间，同时让算法保持不动点迭代的结构、保证其局部收敛性。我们将展示该算法在 TDD 上行信道重构的高效应用，以及如何在包含非理想因素的场景中保持精度。

报告人信息：

朱旭，北京大学数学科学学院博士生，导师为李铁军教授。研究兴趣为统计计算、优化算法与信号处理。

欢迎大家参与5月28号的午餐会。报告时间是12:00-13:00，午餐于11:45开始提供。请有意参与的老师和同学在5月27日15:00前填写以下问卷https://www.wjx.cn/vm/QFwhyon.aspx# 。