[发明专利]基于贝叶斯算法的信道估计方法

说明书

本发明属于无线通信技术领域，具体的说是涉及一种基于贝叶斯算法的信道估计方法。本发明方法用联合的贝叶斯估计算法来计算共同稀疏位置的共用方差参数，与普通的贝叶斯估计方差参数相比，估计方差的准确性大大提高，同时用GAMP算法代替贝叶斯算法避免了对的后验概率直接矩阵求逆的过程。本发明的有益效果是：与传统方法相比，本发明简化了运算量，提高了运算速度和运算精度，提高了信道估计的准确性。

技术领域

本发明属于无线通信技术领域，具体的说是涉及一种基于贝叶斯算法的信道估计方法。

背景技术

大规模MIMO(Multiple Input Multiple Output，多输入多输出)系统是第五代移动通信系统的关键技术之一，其主要优势在于：系统容量随着天线数量增加而增加；降低发送信号功率；简单的线性预编码器与检测器即可达到最优性能；信道之间趋于正交化，因此消除了小区内同道干扰。实现这些优势的前提是基站(BS)知晓信道状态信息(CSIT)。在时分双工(TDD)系统中，利用上下行信道的互易性在用户端(MS)进行信道估计。对于FDD大规模MIMO系统，其信道估计的流程为：基站向各用户广播导频信号，移动用户利用接收信号估计CSIT然后反馈回基站。这种情况下，导频信号数与基站天线数成正比，由于在大规模MIMO系统中，天线数量巨大，常规的信道估计方法(如最小二乘法)将面临巨大的训练开销，使得训练时间变长，甚至超过信道的想干时间，使得信道估计失去意义。

发明内容

本发明的目的是提出一种基于贝叶斯算法的信道估计方法。本发明主要利用压缩感知原理和多任务信道的共同稀疏位置，在贝叶斯算法的基础上提出一种改进的贝叶斯算法，以此提高信道估计的精确度。

为了便于本领域内技术人员对本发明技术方案的理解，首先对本发明采用的压缩感知原理和贝叶斯算法进行说明。

大规模MIMO多任务信道估计系统模型：

假设需要估计的信道是平坦块衰落的，即在某段时间内信道状态不变。

系统有一个基站BS，每个BS为配置了M个天线的大规模天线阵。FDD大规模MIMO多任务信道估计的数学模型可以表示为R_p＝Φ_pH_p+W_p，其中，P表示多任务信道的总任务数，R_p表示第p个任务的接收信号矩阵，H_p表示BS与MS之间的第p个任务的信道矩阵，Φ_p为第P个任务的测量矩阵，W_p为第p个任务的接收噪声信号矩阵。

标准压缩感知数学模型：

y＝Αx+n，其中，Α是大小为n×m的感知矩阵，y为n×1维压缩信号，x为m×1维的稀疏信号，其稀疏度为k，即x中只有k＜＜m个元素非零，其余元素全部为0，n是n×1维的系统噪声且其元素服从均值为0，方差为σ²的高斯分布。

改进的贝叶斯算法通过最大化边缘似然函数，得到信道参数和噪声参数的更新公式，利用得到的参数值来更新信道的均值和方差估计值，迭代更新信道参数和噪声参数和信道的均值和方差信息，直到达到信道估计要求。

通过得到信道参数α和噪声β，即G代表训练开销的长度，也是接收信号R_p的维度

在大规模天线阵中，信道的列向量具有相同稀疏支持集合，即信道的不同任务间的稀疏位置完全相同，且相同稀疏位置服从相同的复高斯分布。将P个任务信道H_p的共同稀疏支持集合表示为Ω＝Ω_p,p＝1,…P。

本发明的技术方案是：

基于贝叶斯算法的信道估计方法，包括：

发射端：