[发明专利]一种基于稀疏贝叶斯学习的信道估计方法

说明书

本发明涉及无线通信技术领域，尤其涉及一种基于稀疏贝叶斯学习的信道估计方法，包括如下步骤：步骤A、利用毫米波信道的稀疏特性进行信道建模，并构造对应的RIS辅助的MIMO通信系统模型；步骤B、首先构造信道的两层稀疏先验信息，然后对参数的联合后验概率密度函数进行因式分解，最后根据因式分解画出相应的因子图模型；步骤C、针对步骤B中的因子图模型，结合酉变换近似消息传递，使用稀疏贝叶斯算法框架进行信道估计；步骤D、重复步骤C，直到算法收敛；本发明中的方法复杂度低、降低系统的导频开销，算法通用度高。

技术领域

本发明涉及无线通信技术领域，尤其涉及一种基于稀疏贝叶斯学习的信道估计方法。

背景技术

移动通信网络是支持百行千业数字化转型升级、推动效率变革、动力变革的关键基础设施。智能化综合性数字信息基础设施是支撑经济社会发展的信息大动脉和数字新底座。但高度复杂的网络、高成本的硬件和日益增加的能源消耗成为未来移动通信面临的关键问题。可重构智能表面(Reconfifigurable intelligent surface，RIS)具有低成本、低能耗、可编程、易部署等特点，通过构建智能可控无线环境，有机会突破传统无线通信的约束，给未来移动通信网络带来一种全新的范式，具有广阔的技术与产业前景。

RIS辅助的无线通信系统中，除了基站与终端之间的视距信道外，还包括“基站-RIS”及“RIS-终端”的级联信道。级联信道状态信息(Channel State Information，CSI)获取是采用无源RIS系统中需要解决的基本问题之一，要实现RIS的性能增强并实现对电磁环境的智能控制，获取精准的CSI不可或缺。但由于RIS单元数增加带来的信道估计维度极大提升，这无疑给其中的信道估计带来了极大的挑战。同时，RIS辅助通信还被扩展到毫米波环境中，众多学者旨在借助毫米波信道在角度域特有的稀疏结构，设计更为精确的信道估计算法。有研究人员针对RIS辅助的毫米波上行链路通信系统，为减少系统导频开销提出了一种三阶段的信道估计算法，但该算法要求RIS的相移矩阵使用伯努利随机矩阵；在下行毫米波通信系统中，有相关学者通过矩阵分解和矩阵补全的方法对RIS-基站和RIS-用户之间的级联信道完成估计，但其要求相关矩阵是稀疏或低秩矩阵；利用慢变信道信息和信道的稀疏特点，有研究人员结合消息传递设计了一种信道估计算法；有学者在RIS辅助的多用户通信系统中提出了一种三段式信道估计算法，旨在设计合适的导频信号从而获得精准的信道信息；相关学者利用信道的稀疏特性，结合张量分解模型提出了一种信道估计方法。

综上所述，上述方法的计算复杂度都与RIS单元数呈平方或者立方的关系，或者对涉及的矩阵有稀疏或低秩的特殊要求，这无疑阻碍了这些信道估计方法的推广。因此，设计更低复杂度且通用度更高的信道估计算法对RIS在下一代无线通信系统的进一步应用具有重要意义。

发明内容

本发明的目的在于克服了现有技术的不足，避免传统算法阻碍信道推广、复杂度高，而提供了一种基于稀疏贝叶斯学习的度信道估计方法，本发明中的方法复杂度低、降低系统的导频开销，算法通用度高。

本发明的目的是通过如下措施来实现的：一种基于稀疏贝叶斯学习的信道估计方法，包括如下步骤：

步骤A、利用毫米波信道的稀疏特性进行信道建模，并构造对应的可重构智能超表面(Intelligent Reflecting Surface，RIS)辅助的多输入-多输出(Multiple-InputMultiple-Output，MIMO)通信系统模型；

步骤B、首先构造信道的两层稀疏先验信息，然后对参数的联合后验概率密度函数进行因式分解，最后根据因式分解画出相应的因子图模型；

步骤C、针对步骤B中的因子图模型，结合酉变换近似消息传递，使用稀疏贝叶斯算法框架进行信道估计；

步骤D、重复步骤C，直到算法收敛。