[发明专利]用于稀疏贝叶斯学习信道估计的分区矩阵迭代方法及系统

权利要求书

1.用于稀疏贝叶斯学习信道估计的分区矩阵迭代方法，其特征在于，包括：

获取预设正交频分复用系统中的子载波集合，提取所述子载波集合中的导频子载波集合；

基于所述导频子载波集合，获取导频值对角矩阵、导频离散傅里叶变换子矩阵、具有预设长度的复信道冲激响应和加性高斯白噪声矩阵，得到所述预设正交频分复用系统的接收信号表达式；

基于导频子载波集合的单位矩阵、控制每个信道系数逆方差的超参数以及所述超参数的对角矩阵，得到所述接收信号表达式的条件概率密度函数；

提取所述条件概率密度函数中复数矩阵的实部和虚部，基于所述实部和所述虚部对所述复数矩阵进行求逆计算，得到第一逆矩阵以及第二逆矩阵；

将所述第一逆矩阵进行分割，得到第一子矩阵集合；

将所述第二逆矩阵进行分割，得到第二子矩阵集合；

通过对所述第一子矩阵集合和所述第二子矩阵集合进行预设次数的迭代，得到所述复数矩阵，进一步得到所述条件概率密度函数，基于所述条件概率密度函数获得所述接收信号表达式。

2.根据权利要求1所述的用于稀疏贝叶斯学习信道估计的分区矩阵迭代方法，其特征在于，所述获取预设正交频分复用系统中的子载波集合，提取所述子载波集合中的导频子载波集合，具体包括：

在梳状导频结构辅助信道估计的正交频分复用系统中，令每个正交频分复用符号具有N个子载波，其中N_p个子载波用于导频传输。

3.根据权利要求1或2所述的用于稀疏贝叶斯学习信道估计的分区矩阵迭代方法，其特征在于，所述基于所述导频子载波集合，获取导频值对角矩阵、导频离散傅里叶变换子矩阵、具有预设长度的复信道冲激响应和加性高斯白噪声矩阵，得到所述预设正交频分复用系统的接收信号表达式，具体包括：

令所述导频子载波集合其中则所述接收信号表达式为：

式中，表示在位置上传输的导频值的对角矩阵，表示离散傅里叶变换子矩阵，其中定义为h∈C^L×1表示长度为L的复信道冲激响应，表示加性高斯白噪声矩阵，服从分布其中表示N_p维的单位矩阵。

4.根据权利要求3所述的用于稀疏贝叶斯学习信道估计的分区矩阵迭代方法，其特征在于，所述基于导频子载波集合的单位矩阵、控制每个信道系数逆方差的超参数以及所述超参数的对角矩阵，得到所述接收信号表达式的条件概率密度函数，具体包括：

令I表示单位矩阵，则表示N_p维的单位矩阵，令并假设复信道冲激响应h的后验概率分布服从高斯分布，则可表示为：其中，α∈C^L×1表示控制每个信道系数逆方差的超参数，Λ∈C^L×L表示α的对角阵，即Λ＝diag(α)，则所述条件概率密度函数表示为：

5.根据权利要求4所述的用于稀疏贝叶斯学习信道估计的分区矩阵迭代方法，其特征在于，所述提取所述条件概率密度函数中复数矩阵的实部和虚部，基于所述实部和所述虚部对所述复数矩阵进行求逆计算，得到第一逆矩阵以及第二逆矩阵，具体包括：

令其中A_L和B_L分别表示复数矩阵C_L的实部和虚部，对C_L矩阵求逆表示为：

其中第一逆矩阵为A_L，第二逆矩阵为

6.根据权利要求5所述的用于稀疏贝叶斯学习信道估计的分区矩阵迭代方法，其特征在于，所述将所述第一逆矩阵进行分割，得到第一子矩阵集合，具体包括：

对A_L进行矩阵分割运算，得到

其中：

则

其中，