[发明专利]一种智能超表面辅助多用户无线通信系统的信道估计方法

权利要求书

1.一种智能超表面辅助多用户无线通信系统的信道估计方法，其特征在于，

包括以下步骤：

步骤1：用户发送导频信号到智能超表面，经过智能超表面反射，将导频信号发送到基站；

步骤2：将信道表示成虚拟角度域形式；

步骤3：根据多用户信道的公共结构化稀疏特性和双时间尺度特性进行信道的估计；

步骤3中，所述根据多用户信道的公共结构化稀疏特性和双时间尺度特性进行信道的估计，具体包括：

S1：进行多用户联合的公共行支撑集估计，根据多个用户的有效观测矩阵，得到估计的公共行支撑集；通过公共行支撑集对稀疏矩阵进行降维；

S2：进行基于正交匹配追踪的列支撑集估计，得到列支撑集和公共的列支撑集；根据设定的公共列支撑集的判决条件估计列支撑集是否准确；若满足判决条件通过列支撑集对稀疏信道矩阵进行二次降维；

根据结构化稀疏贝叶斯学习方法估计两次降维后的块稀疏信道矢量；

S3：根据公共行支撑集、列支撑集和S2估计后的块稀疏信道矢量，重构级联信道，即可得到估计的信道；

步骤S2中，所述根据结构化稀疏贝叶斯学习方法估计两次降维后的块稀疏信道矢量，具体为通过构建分层先验模型进行估计，过程如下：

第1层：

第2层：

式中：为第k个用户的块稀疏信道矢量，K为用户数量，为的第i个元素，为循环复高斯分布，α＝{α_i}为超参数集合，α_i为超参数，Gamma为伽马分布，L₂为信道路径数量，L_c为列支撑集的基数，{γ_i+1,γ_i-1}为相关性参数，a、b为正数，Γ为伽马函数，(·)^-1为求逆；

令噪声功率σ²＝β^-1，β为超参数，噪声项的分层先验模型为：

第1层：

第2层：p(β)＝Gamma(β|c+1,d)＝Γ(c+1)^-1d^c+1β^ce^-dβ

式中：I为单位矩阵，为噪声矢量，c、d为正数；

根据先验分布和对应的似然函数得到后验分布；进而得到最大后验概率分布估计：

式中：A_S,k为感知矩阵，(·)^H为共轭转置，Λ(α)为与α有关的对角矩阵，为观测矢量；

最大后验概率分布估计与超参数α和β有关，对超参数α和β进行估计。

2.根据权利要求1所述的一种智能超表面辅助多用户无线通信系统的信道估计方法，其特征在于，所述对超参数α和β进行估计方法如下：

采用期望最大化方法，将块稀疏信道矢量作为隐变量，通过迭代执行E步和M步直至收敛，得到估计的超参数，每次迭代的更新如下：

式中：c₁为常数，μ_k,i为均值μ_k的第i个元素，Σ_k,i,i为协方差矩阵Σ_k的第i个对角元素，μ_k和Σ_k是根据上一次超参数计算得到的值，M为天线数量，T为导频传输的时隙数量，Tr(·)为求迹。