[发明专利]基于FDD大规模MIMO贝叶斯压缩感知信道估计方法

摘要

本发明属于无线通信技术领域，提供一种基于FDD大规模MIMO贝叶斯压缩感知信道估计方法，用于获得准确的信道状态信息。本发明设计一种模式耦合的高斯先验模型，用以描述不同天线间共同的稀疏性，其中信道向量中的系数被分成了一些等长的组，每组有一个共同的超参数，这样每组的系数就拥有相同的稀疏性；进而，通过期望最大化步骤，基于迭代方法来进行贝叶斯推断，其中信道系数作为隐藏变量，而超参数作为未知参数；最后，将得到的信道向量的后验均值作为信道的估计。仿真表明，本发明提出的BCS方法在很大程度上优于同类方法，并且可以达到理想最小二乘算法为基线的性能边界。

主权项

1.基于FDD大规模MIMO改进的贝叶斯压缩感知信道估计方法，其特征在于，包括以下步骤：设定基站的天线数为M，采用正交频分复用技术，基站选择N_p个导频子载波来发送训练符号，第m根天线发送的训练符号向量为p_m，将导频子载波的位置集合表达为基站和单用户进行通信，则基站第m个天线和用户间的信道表示为：hm＝[hm,1,hm,2,...,hm,L]T，m＝1,2,...,M其中，hm,l表示hm中的第l条多径、l＝1,2,...,L，L表示信道长度；步骤1.初始化信道方差和噪声方差β⁽⁰⁾、迭代次数上限N_T、预设误差η；步骤2.采用EM方法进行迭代计算：E步骤：Γ(n)＝(D(n‑1))‑1‑β(n‑1)(D(n‑1))‑1AH(I+β(n‑1)A(D(n‑1))‑1AH)‑1A(D(n‑1))‑1μ(n)＝β(n‑1)Γ(n)AHy其中，D表示对角方差矩阵：D＝diag([α1(n‑1)I1×M,…,αl(n‑1)I1×M,…,αL(n‑1)I1×M]T)，I1×M为单位向量；A表示测量矩阵：A＝[A₁,A₂,...,A_L]，A_l＝[Φ₁(l),Φ₂(l),...,Φ_M(l)]，Φ_m(l)为Φ_m的第l列，由F_L中根据位置集合选出的N_p列组成，F_L由离散傅里叶变换矩阵F的前L列组成；·^H表示共轭转置运算；y为接收信号；M步骤：其中，m_l⁽ⁿ⁾＝[μ⁽ⁿ⁾_(l‑1)M+1,…,μ⁽ⁿ⁾_(l‑1)M+M]^T、μ⁽ⁿ⁾_t为μ⁽ⁿ⁾的第t个元素，V_l为x_l的后验方差矩阵，V_l的第(p,t)个元素V_l(p,t)＝Γ((l‑1)M+p,(l‑1)M+t)，Γ(i,j)为Γ的第(i,j)个元素，表示信道调整元素位置后块稀疏的向量，其中x_l,m＝h_m,l；终止判定：若，或者n＝N_T，则终止迭代；输出信道估计值