[发明专利]基于广义近似消息传递-稀疏贝叶斯学习的稀疏水声信道估计方法

权利要求书

1.基于广义近似消息传递GAMP-稀疏贝叶斯学习SBL的稀疏水声信道估计方法，其特征在于：步骤如下：

步骤一：输入频域基带接收信号、字典矩阵、迭代终止条件以及相关参数初值；

步骤一中的参数具体为：导频位置处接收信号Y_p，字典矩阵Φ_p，令S＝|Φ_p|²，GAMP中|·|²指以元素为单位进行平方；假设信道服从均值为0、方差为超参数γ的高斯独立同分布，γ＝[γ₁,γ₂,…,γ_L]^T，L为信道长度；令Γ＝diag(γ)；对γ⁰赋值为大于0的向量，其中，为信道估计结果的方差；令初始噪声方差(σ²)⁰为大于0的常数；s⁰,h⁰为0向量，其中h为信道，s和τ_s分别为由因子节点向变量节点传递消息的一阶、二阶泰勒展开系数，用于在GAMP收敛时记录s的值并为下一轮GAMP迭代中的s赋初始值；SBL最大循环次数K_max，GAMP算法最大循环次数M_max；GAMP算法停止条件ε_gamp，SBL停止条件ε_sbl；k和m分别记录SBL和GAMP的迭代次数且k、m初始值为1；

步骤二：在SBL的框架下利用GAMP计算信道冲激响应；

步骤二具体是利用GAMP进行信道估计：

令μ^m＝1＝h^k-1，

如果||μ^m+1-μ^m||²＜ε_gamp或m＝M_max，则停止GAMP迭代，否则返回G1；

令h^k＝μ^m+1，

步骤三：更新噪声方差以及信道超参数，具体为：

如果或k＝K_max则终止迭代，否则返回步骤二；

步骤四：判决迭代终止条件，若满足则输出信道估计结果，否则返回至步骤二；

输出信道冲激响应两个标量估计函数及其导数的具体形式为：