[发明专利]一种基于实值稀疏贝叶斯学习的大规模MIMO通信系统的下行链路信道估计方法

摘要

本发明公开了一种基于实值稀疏贝叶斯学习的大规模MIMO通信系统的下行链路信道估计方法，1：基站采用具有N根天线的均匀线性阵列，下行链路用户采用单天线，T个时刻内，基站发送导频信号矩阵X，用户接收到信号y＝Φ(β)s+n；2：定义实值化矩阵Q_N；3：定义X＝GQ_N，构造实值接收信号矩阵Y＝Φ(β)S+N；4：设置迭代次数计数变量k＝1，初始化s的精度向量中的各元素为1，初始化噪声精度α＝1，初始化β为全零元素；5：利用SBL原理和期望最大化准则，固定δ、β，更新α；6：固定α、β，更新δ；7：固定α、δ，更新β；8：判断k是否达到上限K或δ是否收敛，如果都不满足，则k＝k+1，并返回5；9：设置门限η，利用η选取信道的有效角度集合Ω；10：根据Ω估计最终的信道。

主权项

1.一种基于实值稀疏贝叶斯学习的大规模MIMO通信系统的下行链路信道估计方法，其特征在于，包括如下步骤：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，在T个时刻内，基站发送导频信号矩阵X，移动用户接收到的信号是y＝Φ(β)s+n；Φ(β)表示测量矩阵；s是一个L维的信道在测量矩阵Φ(β)上稀疏表示的向量；n表示高斯白噪声向量；步骤2：定义实值化矩阵Q_N；步骤3：定义X＝GQ_N，并构造实值接收信号矩阵Y＝Φ(β)S+N；其中，G为T×N维的独立实数高斯分布矩阵步骤4：设置迭代次数计数变量k＝1，初始化s的精度向量中的各元素为1，初始化噪声精度α＝1，同时初始化β为全零元素；步骤5：利用SBL原理和期望最大化准则，固定δ、β，更新α；步骤6：固定α、β，更新δ；步骤7：固定α、δ，更新β；步骤8：判断迭代计数变量k是否达到上限K或δ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5；步骤9：设置门限η，并利用该门限选取信道的有效角度集合Ω；步骤10：利用有效角度集合Ω，估计最终的信道。