[发明专利]自适应噪声环境动态变化的鲁棒性在线信道状态估计方法

权利要求书

1.一种自适应噪声环境动态变化的鲁棒性在线信道状态估计方法，其特征在于，包括如下步骤：

1)基于通信噪声环境变化的随机性进行参数化分布建模，使信道状态信息估计模型能够自适应于不同时间不同场景下通信噪声环境动态变化，并对信道状态信息估计模型嵌入上一时段通信噪声环境信息的噪声信息进行关联性约束编码，实现真实通信动态通信噪声环境的自适应建模；

所述步骤1)包括以下子步骤：

a)获取导频信号及接收信号数据；

b)根据无线通信原理，对于s个发射天线，r个接收天线的多输入多输出(MIMO)系统，信道模型表示为：

Y^t＝H^tX^t+E^t (1)

其中表示第t时段发射的导频信号矩阵，为第t时段接收端接收的信号矩阵，为第t时段待估计的信道矩阵，表示环境噪声矩阵，d表示第t时段信号的采样数；为了算法设计方便，将信道模型从复数域变到实数域：

其中

其中Re(·),Im(·)分别代表实部和虚部，从而将实数域上的结果变换到复数域，采用表示；

c)所述步骤1)的参数化分布建模是将模型(2)中的噪声变量E^t编码为混合高斯分布，使其自适应于不同时间不同场景下通信环境的动态变化，对应模型为：

其中为Y^t的第i,j个元素，为H^t的第i行，为X^t的第j列，表示隐变量，代表第t时段的第i,j个元素不属于混合高斯分布中的第k个混合成分，代表第t时段的第i,j个元素属于混合高斯分布中的第k个混合成分，且满足Multi表示多项式分布，为第k个混合成分的方差，为第k个混合成分的均值，K代表混合成分的个数，N(·)代表正态分布，T代表矩阵转置；

所述对信道状态信息估计模型嵌入上一时段通信噪声环境信息的噪声信息进行关联性约束编码，实现真实通信动态噪声环境的自适应建模，过程为：分别对模型(3)中噪音分布变量进行共轭先验形式假设：

其中表示高斯-逆Gamma联合分布，Dir表示Dirichlet分布，其中N^t-1，是为了简化公式的中间变量，是t-1时段第k个混合高斯成分的比例，的表达式如下：

其中P(·)代表概率分布，代表隶属度，表示第t时段的第i,j个元素属于混合高斯分布中的第k个混合成分的程度，的意义与式(3)中相同；

2)基于信道连续变化的特点进行建模，对1)中信道状态信息估计模型嵌入上一时段信道状态信息的关联性信息编码，实现信道的自适应建模；结合步骤1)构建完整的统计模型，并根据最大后验估计方法，建立完整的在线信道估计机器学习模型；

所述步骤2)包括以下子步骤：

a)为了对模型(3)嵌入上一时段信道状态信息的正则化编码，使其自适应于信道由于小尺度效应的动态变化，对应模型建模为：

其中，ρ是信道变化系数，A为超参数，为半正定矩阵；

b)基于步骤1)构建统计模型：

其中P(·)代表概率分布，是第t时段的残差E^t所属的混合高斯分布的混合系数，表示第t时段混合高斯分布各个混合成分的方差，M^t＝{μ₁,μ₂,…,μ_K}第t时段混合高斯分布各个混合成分的均值，是为了简化公式所定义的中间变量，如(6)式所定义；

根据最大后验估计原理，由统计模型转化的信道状态信息估计模型可转化为如下的优化问题：

化简为：

其中R_E(∏^t,∑^t,M^t)为噪声正则项，形式为：

D_KL(·||·)表示KL散度，C表示与Π^t,∑^t,M^t无关的常数

R_H(H^t)为信道正则项，形式为：

这里是第t时段的残差E^t所属的混合高斯分布的混合系数，表示混合高斯分布各个混合成分的方差，M^t＝{μ₁,μ₂,…,μ_K}第t时段混合高斯分布各个混合成分的均值，是为了简化公式所定义的中间变量，Π^t-1，∑^t-1，M^t-1表示对应的第t-1时刻的混合系数，方差向量和均值向量，C表示与Π^t,∑^t,M^t无关的常数；

3)利用基站存储设备，保存上一时段噪声环境分布参数和信道状态信息，结合步骤2)的在线信道估计机器学习模型，采用EM算法更新在线信道状态信息估计模型中的参数Π^t,∑^t,M^t，得到高精度的信道状态信息估计，具体包括以下子步骤：

a)给出EM算法中E步隶属度的更新公式：

公式中上标s表示第s次迭代；

b)给出EM算法中M步的迭代格式与终止条件：

迭代格式为：

其中：

其中N^t,s，是为了简化公式所定义的中间变量；

迭代终止条件为：

其中Π^t,s+1,∑^t,s+1,M^t,s+1表示对应的第t时刻s+1次迭代混合高斯的混合系数，方差向量和均值向量，Π^t,s,∑^t,s,M^t,s表示对应的第t时刻s次迭代混合高斯的混合系数，方差向量和均值向量，L(·)为(8)式定义的目标函数；

c)设置迭代初始值：

对初始时段数据使用基站中预先存储的上一时段混合高斯的混合系数，方差向量和均值向量信息Π^t,0,∑^t,0,M^t,0；

d)进行(9)-(12)式的迭代运算，直到满足终止(13)式条件；

e)对第t时段数据，在更新参数Π^t,∑^t,M^t的基础上，通过如下模型对信道H^t-1进行微调得到更新的H^t：

其中W^t代表第t时段的指示矩阵，⊙代表点乘；

模型(14)具有如下的解：

其中表示H^t的第i行，A，b为超参数，和的表达式如下：

f)在基站中更新相关信息，以备下一时段信道状态信息估计使用；

所保存的信息包括：当前时段最优信道状态信息估计H^*和最优环境噪声参数恢复度量参数Π^*,∑^*,M^*。