[发明专利]基于时间多重稀疏贝叶斯学习的水声时变信道估计方法

权利要求书

1.一种基于时间多重稀疏贝叶斯学习的水声时变信道估计方法，其特征在于，包括以下步骤：

步骤一：输入信道估计参数，包括：接收符号向量字典矩阵Φ_p，最大迭代次数r_max，终止门限e，噪声方差σ²；

步骤二：初始化超参数矩阵Γ、迭代计数r和相关矩阵B；

步骤三：采用期望最大化算法对超参数γ进行求解；

步骤四：更新相关矩阵B；

步骤五：迭代终止条件判断，如果r＜r_max且令r＝r+1，返回步骤三；如果r＜r_max且则终止迭代；如果r≥r_max，则终止迭代；

步骤六：输出估计参数，包括稀疏信道估计矩阵，超参数估计向量以及估计出的相关矩阵

2.根据权利要求1所述的一种基于时间多重稀疏贝叶斯学习的水声时变信道估计方法，其特征在于：步骤二中初始化超参数矩阵Γ满足：Γ⁽⁰⁾＝I_L，初始化迭代计数r满足：r＝0，初始化相关矩阵B满足：B＝I_M；其中I_L为L×L的单位矩阵，I_M为M×M的单位矩阵。

3.根据权利要求1所述的一种基于时间多重稀疏贝叶斯学习的水声时变信道估计方法，其特征在于：步骤三中所述期望最大化算法包括E步骤和M步骤，

其中E步骤满足：

其中M步骤满足：

4.根据权利要求1所述的一种基于时间多重稀疏贝叶斯学习的水声时变信道估计方法，其特征在于：步骤四中所述更新相关矩阵B满足：

5.根据权利要求1所述的一种基于时间多重稀疏贝叶斯学习的水声时变信道估计方法，其特征在于：步骤六中所述的稀疏信道估计矩阵超参数估计向量为γ。

6.根据权利要求1所述的一种基于时间多重稀疏贝叶斯学习的水声时变信道估计方法，其特征在于：所述噪声方差σ²满足：

其中，为接收空载波。