申请/专利权人：电子科技大学长三角研究院(湖州)

申请日：2024-02-04

公开（公告）日：2024-04-16

公开（公告）号：CN117896216A

主分类号：H04L25/02

分类号：H04L25/02;H04B7/08;H04B7/0413

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明属于信息与通信技术领域，涉及一种基于混合向量消息传递的级联信道估计方法。针对智能超表面辅助多用户MIMO‑OFDM系统下级联信道估计的高导频开销问题，引入合适的辅助变量建立等价接收信号模型，保持多用户至智能超表面及智能超表面至基站两段信道的矩阵分解形式，并将两段级联信道转换至时延‑角度域以利用联合稀疏性。所建立等价信号模型实现低参数量的信道表征，使能低导频开销。基于所建立等价信号模型，在贝叶斯框架下设计一种混合向量消息传递算法，实现两段信道矩阵的概率分布的迭代估计，获取高精度级联信道估计。

主权项：1.一种基于混合向量消息传递的级联信道估计方法，用于智能超表面RIS辅助的MIMO-OFDM系统，设定系统基站装备有M个天线的均匀线性阵列ULA，K个单天线用户通过J个连续子载波与基站同时通信，用户与基站间的通信由含N个被动反射元件的RIS辅助完成，被动反射元件排列成N1×N2的均匀矩形阵列，N1N2＝N，为反射系数的相位矩阵，其元素幅度为1；其特征在于，信道估计方法包括以下步骤：S1、设定用户在T个OFDM符号上传输导频，在第t个符号和第j个子载波上，用xk,tj表示用户k的导频符号，采用正交导频分配，即如果对于用户k，那么对于任意用户i≠k，xi,tj＝0；S2、用户发送导频至接收端，第j个子载波上的接收信号模型为：Yj＝GRBjΘ☉GURjXj+Nj其中，GRBj为RIS至基站的信道，是第j个载波上K用户到RIS的信道；Xj是第j个载波上K用户导频矩阵，其中第k，t个元素为xk，tj；Nj是加性高斯白噪声矩阵，元素独立地服从复高斯分布S3、将GRBj拆分成两部分 其中代表RIS至基站经过固定散射体的信道成分，由于基站与RIS位置固定，设定为已知，定义为固定信道；代表RIS至基站经过移动散射体的信道成分，定义为动态信道；S4、将用户k至RIS所有载波上的信道转换至时延-角度域： 其中F1为用户-RIS信道时延域变换矩阵，UR为RIS侧URA角域变换矩阵，是用户到RIS的信道；将RIS至基站所有载波上动态信道转换至时延-角度域： 其中F2为RIS-基站信道时延域变换矩阵，AB为基站侧ULA角域变换矩阵，HRU是RIS到基站的信道；S4、引入辅助变量Rj＝Θ⊙GURjXj，构造等效接收信号模型： 其中[r1，…，rT]＝[R1T，…，RJT]T；S5、先验概率建模： 其中λ1代表HUR信道稀疏度，δ·为delta函数，为HUR元素的高斯成分方差；λ2与的含义类似，给定观测Y＝[Y1T，...，YJT]T，变量HUR，HRB，GRB和R的后验概率分布为pHUR，HRB，GGR，R|Y∝pY|GRB，RpR|HURpHURpGRB|HRBpHRB其中pY|GRB，R、pR|HUR与pGRB|HRB由等效信号接收模型给出；S6、对后验概率分布进行因子图表示，矩阵HUR，HRB，GRB和R或者其矩阵元素作为变量节点，概率pY|GRB，R、pR|HUR、pGRB|HRB、pHUR与pHRB或者其边缘概率作为因子节点，将因子节点描述为fY、fR、与基于因子图，采用混合向量消息传递算法进行信道估计，定义或代表从某个变量节点υ传至某个因子节点f的消息或从某个因子节点f传至某个变量节点υ的消息，用bυ作为变量节点υ的信念；S7、初始化消息并设置与初始化消息并设置与初始化消息并设置与S8、更新从因子节点fY至变量节点R的消息 其中和S9、对于任意k、n及l，计算从因子节点fR至变量节点的消息： 上述消息对应HUR中元素的消息，定义不同元素消息独立；S10、对于任意k、n及l，计算变量节点的信念： 其中代表按矩匹配原则将pdf投影至高斯分布，给定信念下，及分别为的均值和方差；S11、对于任意k、n及l，计算从因子节点至变量节点的消息： S12、更新变量节点R处的信念： 其中与S13、更新从因子节点fY至变量节点GRB的消息 其中S14、对于任意n、m及l，计算因子节点至变量节点的消息： S14、对于任意n、m及l，更新变量节点处的信念： 与对应该信念下的均值与方差；S15、对于任意n、m及l，更新因子节点至变量节点的消息： S16、更新变量节点GRB处的信念： 其中与S17、重复S8-S16直到最大迭代次数，输出与分别作为时延-角度域用户至RIS及RIS至基站的信道估计。

全文数据：

权利要求：

百度查询： 电子科技大学长三角研究院(湖州) 一种基于混合向量消息传递的级联信道估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD