[发明专利]一种基于变分贝叶斯学习的在具有冲击噪声情况下的信道估计方法

说明书

本发明公开了一种基于变分贝叶斯学习的在具有冲击噪声情况下的信道估计方法，包括步骤1：基站采用具有N根天线的均匀线性阵列，下行链路中的移动用户采用单天线，T个时刻内，基站发送导频信号矩阵X，用户接收到的信号是y＝Φw+n+e；2：设置迭代次数计数变量k＝1，初始化w的精度向量γ，噪声精度α，冲击噪声精度β，定义矩阵并初始化Z中元素为1，初始化δ；3：固定α、β、γ、Z、δ，更新μ、Σ；4：固定μ、Σ、β、γ、Z、δ，更新α；5：固定α、μ、Σ、γ、Z、δ，更新β；6：固定α、β、μ、Σ、Z、δ，更新γ；7：固定α、β、μ、Σ、γ、δ，更新Z；8：固定α、β、μ、Σ、γ、Z，更新δ；9：判断k是否达到上限K或γ是否收敛，如果都不满足，则迭代计数变量k＝k+1，并返回步骤3；10：估计最终的信道。

技术领域

本发明属于无线通信领域，涉及一种多输入多输出(Multiple-Input Multiple-Output，MIMO)通信系统的信道估计方法，具体的说是处于冲击噪声情况下的一种基于变分贝叶斯学习(Variational Bayesian Inference,VBI)的大规模MIMO通信系统的信道估计方法。

背景技术

大规模多输入多输出技术在无线通信领域备受关注，被广泛认为是满足5G无线网络容量需求的关键候选技术。了解发射机的信道状态信息能充分发挥大规模MIMO系统的优势。

信道估计是信号检测和自适应传输的基础，当前，在高斯噪声环境中的信道估计占据较大的比重，但是实际应用中普遍存在非高斯噪声，特别是冲击噪声的影响。如果不考虑冲击噪声的话，信道估计性能可能会大幅度下降。近年来，人们提出了许多方法来处理高斯噪声的大规模MIMO信道估计问题，例如在文献J.Dai,A.Liu and V.K.N.Lau,FDDMassive MIMO Channel Estimation with Arbitrary 2D-Array Geometry,IEEETransactions on Signal Processing,vol.66,no.10,pp.2584-2599,15May,2018中提出了一种基于离网稀疏贝叶斯学习的大规模MIMO通信系统的信道估计方法，但是该方法未考虑冲击噪声产生的影响，方法稳健性较弱。

发明内容

针对现有方法的不足，本发明将提出一种基于变分贝叶斯学习(VBI)的冲击噪声情况下的下行链路(downlink)信道估计方法。

用于实现本发明的技术解决方案包括如下步骤：

步骤1：基站采用了一个具有N根天线的均匀线性阵列，下行链路中的移动用户采用单天线，在T个时刻内，基站发送导频信号矩阵X，则存在冲击情况下，用户接收到的信号是y＝Φw+n+e。

步骤2：设置迭代次数计数变量k＝1，初始化w的精度向量中的各元素为1，初始化噪声精度α＝1，初始化冲击噪声精度中的各元素为0，定义矩阵并初始化Z中的各元素为1，同时初始化δ为全零元素。

步骤3：利用VBI原理，固定α、β、γ、Z、δ，更新μ、Σ。

步骤4：固定μ、Σ、β、γ、Z、δ，更新α。

步骤5：固定α、μ、Σ、γ、Z、δ，更新β。

步骤6：固定α、β、μ、Σ、Z、δ，更新γ。

步骤7：固定α、β、μ、Σ、γ、δ，更新Z。

步骤8：固定α、β、μ、Σ、γ、Z，更新δ。

步骤9：判断迭代计数变量k是否达到上限K或γ是否收敛，如果都不满足，则迭代计数变量k＝k+1，并返回步骤3。

步骤10：估计最终的信道。

本发明的有益效果：