一种修正的角度失配结合稀疏贝叶斯学习的信道估计算法制造技术

本发明专利技术公开了一种修正的角度失配结合稀疏贝叶斯学习的信道估计方法，属于无线通信技术领域，尤其涉及大规模多输入多输出系统上行链路角度域的信道估计问题，其具体方法是利用多用户发送的正交导频序列对信道初步估计，在下一步精确估计中考虑角度失配问题，即在虚拟角度域中，真实的到达角不一定恰好落在预先划分好的虚拟角度上，因此将角度偏差作为未知参数，其中，角度偏差的线性拟合建模分别采用线性插值和一阶泰勒展开两种模型，将角度偏差和稀疏增益系数作为联合未知变量，在稀疏贝叶斯学习算法的框架下，通过不断迭代更新参数修正偏差信息，从而对信道稀疏信息精确定位。

【技术实现步骤摘要】
一种修正的角度失配结合稀疏贝叶斯学习的信道估计算法
本专利技术属于无线通信
，特别是涉及一种修正的角度失配结合稀疏贝叶斯学习的信道估计算法。
技术介绍
稀疏信道估计问题一直都是学者们研究的热点，但是如何在角度域中有效获取上行信道状态信息的方案却较少研究。事实上信道经离散傅里叶变换((DiscreteFourierTransform，DFT)之后，在虚拟角度域具有隐藏的稀疏性。角度域的信道估计问题通常利用虚拟角度域的隐藏稀疏性进行信道估计，所谓虚拟角度域是指将一定范围的角度区间划分为多个均匀离散的预设角度(采样网格)。但是预设角度的粗略划分会使真实的到达角(DOAs)偏离预设角度，从而造成信道能量泄露；采样预设角度的精细划分不仅增加计算复杂度而且会加大测量矩阵内部的相关性，背离了RIP特性。实际情况下，通常存在部分真实的DOAs恰好落在预先划分好的两个角度之间，这种偏差情况称为角度失配。随着稀疏贝叶斯学习(SparseBayesianLearning，SBL)被广泛地应用于信号处理的领域，SBL算法的优势逐渐被挖掘出来。首先SBL算本文档来自技高网...

【技术保护点】
1.一种修正的角度失配结合稀疏贝叶斯学习的信道估计算法，其特征在于，按照以下步骤进行：/nS1、针对大规模MIMO上行链路多用户系统的信道作出初步估计，利用不同用户发送的训练导频的正交性，通过LS算法对信道进行初步估计

【技术特征摘要】
1.一种修正的角度失配结合稀疏贝叶斯学习的信道估计算法，其特征在于，按照以下步骤进行：
S1、针对大规模MIMO上行链路多用户系统的信道作出初步估计，利用不同用户发送的训练导频的正交性，通过LS算法对信道进行初步估计xu代表第u个用户发送的导频序列；
S2、利用信道在虚拟角度域的隐藏稀疏性，将初步估计的信道值通过DFT基变换转入虚拟角度域中，其中，信道估计问题转换为稀疏信号求解问题；
S3、考虑到角度失配情况，真实的到达角不一定均能准确地落在预设角度上，真实的到达角距离最近的预设角度的偏差δ作为未知参数，并分别通过两种线性拟合方法对角度偏差进行建模；
S31、线性插值方案，真实到达角θp的导向矢量可以用两个相邻预设角度和的导向矢量线性表示：
S32、泰勒插值方案，真实到达角θp的导向矢量可以用距离其最近的预设角度的导向矢量线性表示：其中是在处的导数；
S33、以上两种线性拟合方案有着类似的结构，因此在估计过程中可以采用统一的表达式来表示，其中，Δ＝diag(δ)；
S4、将角度偏差δ和DFT基稀疏表示下的增益系数w作为联合未知参数，在稀疏贝叶斯学习的框架下进行参数的学习：
S41、由于是复高斯白噪声，且增益系数w同样服从独立同分布，



其联合概率密度函数为
S42、在期望最大化的框架下，对求偏导，得到超参数β和γ的更新公式；
S43、对超参数赋初值，γ0＝I，
S44、通...

【专利技术属性】
技术研发人员：李素月，马搏儒，胡毅，王安红，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：山西;14