[发明专利]宽带多用户毫米波系统中基于变分贝叶斯学习的信道估计方法

权利要求书

1.宽带多用户毫米波大规模多入多出(MIMO)系统中基于变分贝叶斯学习的信道估计方法，用于下述场景：多个用户向一个基站发送信息的上行链路通信系统，用户端和基站端都配备混合预编码装置；基站大规模天线阵列为均匀直线天线阵。其特征在于：所述方法包括下列两个操作步骤：

(1)信道估计问题建模阶段：考虑频率域的信道估计问题，通过观察各信道参数服从的概率分布，将信道估计问题建模为基于稀疏贝叶斯学习的信号重构问题；

(2)信道状态信息估计阶段：完成信道估计问题建模后，采用变分贝叶斯学习的算法进行信道状态信息的估计，即通过参数学习的方法推导出信道参数的后验分布信息。

2.根据权利要求1所述的方法，其特征在于：所述步骤(1)中，信道估计问题建模阶段包括下列操作内容：

(11)把时域的信号接收模型转换到频率域，通过开发毫米波信道固有的稀疏特性和频率选择性衰落信道的共同稀疏特性，对信道信息进行降维处理，把信道估计问题转化为信号估计问题；

(12)根据稀疏信道向量信息、噪声和随机误差的概率分布特征，将估计问题进一步建模为基于稀疏贝叶斯学习的信号重构问题。

3.根据权利要求1所述的方法，其特征在于：所述步骤(2)中，信道状态信息估计阶段包括下列操作内容：

(21)由于稀疏信道向量、噪声和随机误差的后验概率求解非常复杂，借助“信息熵”的理论将接收信号的对数似然函数进行变换，进而求解各隐变量后验参数的渐进表达式；

(22)采用变分贝叶斯学习的方法，计算稀疏信道向量的后验参数的渐进表达式q(h)，观察稀疏信道向量服从的概率分布特征；

(23)同样地，采用变分贝叶斯学习方法计算其余变量的后验参数的渐进表达式q(α),q(γ),q(θ)和q(β)，多次迭代直到收敛；

(24)将求解的稀疏信道信息去向量化，根据矩阵知识估计信道矩阵信息。