基于变分贝叶斯推断的无线信道多径信号参数联合估计方法

本技术涉及无线信道参数提取，特别是涉及一种基于变分贝叶斯推断的无线信道多径信号参数联合估计方法。

背景技术：

1、随着超5g和6g技术的出现，无线通信向着更大带宽、更低时延、更高传输速率发展。多输入多输出(multiple-input multiple-output，mimo)通过增加空间维度提高系统容量、空间分集增益以及频谱利用率，但也为复杂信号模型的信道参数估计(channelparameter estimation，cpe)带来了难题。

2、从接收信号矢量中精确估计时延、到达角(angle of arrival，aoa)、出发角(angle of departure，aod)、多普勒频率等色散参数，建立合适的信道模型对于优化无线通信系统设计、提高无线系统通信容量具备实际意义。目前cpe算法已被广泛研究，但算法的准确性和复杂度仍然是值得研究的现实问题。在cpe算法中，接收信号矢量通常建模为多个分量(specular component，sc)的叠加，每个镜面分量可以看作其色散参数所构成信号与幅度增益的乘积。在这个过程中，由漫反射引起的分量一般不做考虑(也称作密集散射分量)，可以由接收信号矢量减去估计的镜面分量得到的残差信号对其参数进行估计。但由于接收信号矢量的主要能量集中于镜面分量，且精准估计漫反射引起的散射分量首先需要估计镜面分量。

3、然而，镜面分量的数量决定了接收信号矢量的模型阶数。在模型阶数确定的条件下，谱估计算法和基于子空间的算法能够有效估计部分色散参数，而基于最大似然(maximum-likelihood，ml)准则的算法是精确度较高的估计算法。然而这些算法都依赖于模型阶数的先验信息，错误的模型阶数会使算法精度严重下降。具体来说，过高的模型阶数会导致伪分量(不存在的镜面分量及其色散参数)的估计，较低的模型阶数会导致镜面分量的遗漏。因此在实际应用中需要增加对模型阶数估计的算法对参数估计算法进行扩充，例如aic或bic(akaike or bayesian information criterion)、mdl(minimum descriptionlength)准则等。但这类方法不仅增加了算法的计算复杂度，同时在信噪比和观测样本的非渐近状态下模型阶数的估计趋于正偏。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高求解效率的同时保证精度的基于变分贝叶斯推断的无线信道多径信号参数联合估计方法。

2、一种多径信号参数联合估计方法，所述方法包括：

3、采用伯努利高斯层次先验对幅度增益进行建模，得到剪枝条件表达式，并基于观测发送信号的自相关特性，得到时延参数预估计表达式；

4、获取观测接收信号，所述观测接收信号基于单发多收的探测系统得到；

5、在稀疏变分贝叶斯推断理论以及空间广义交替迭代求解的框架下，根据所述观测接收信号对镜面分量的数量，以及每一条镜面分量的幅度增益和色散参数进行预估计；

6、在每一次迭代过程中，先根据时延参数预估计表达式对当前镜面分量数量下的时延参数进行估计，再计算一条镜面分量的分量估计以及色散参数估计，并根据分量估计和色散参数估计判断所述剪枝条件表达式是否满足，若满足则计算幅度增益参数估计，其中，所述色散参数估计包括时延参数以及角度参数估计，所述角度参数估计引入了幅度增益的估计表达式；

7、若不满足，则将该条镜面分量剪除，并对下一条镜面分量的参数估计进行交替求解，直至收敛，得到所述观测接收信号的镜面分量数量以及每一条镜面分量的参数估计。

8、在其中一实施例中，所述剪枝条件表达式表示为：

9、

10、在上式中，左侧项表示第l个镜面分量上的信噪比，右侧项表示变化的阈值，其中，表示第l个镜面分量上的幅度增益、表示方差、ρ和ε表示超参数。

11、在其中一实施例中，所述时延参数预估计表达式表示为：

12、

13、在上式中，δ(n)表示冲击函数，g(0)为g(t)在t＝0时的采样值，αl表示引入的幅度增益的估计表达式，a(φl)表示入射角φl形成的导向矢量，属于[b0,b1,…,bk-1]表示已知的k周期探测序列，表示的共轭复数。

14、在其中一实施例中，在稀疏变分贝叶斯推断理论以及空间广义交替迭代求解的框架下对镜面分量数量以及参数进行估计之前，按照预设数量对镜面分量数量进行初始化，同时，镜面分量的分量估计以及色散参数估计采用随机初始化。

15、在其中一实施例中，在所述角度参数估计引入了幅度增益的估计表达式，所述角度参数估计表达式表示为：

16、

17、在上式中，表示当前次迭代得到的分量估计、表示当前次迭代得到的时延估计、αl表示引入的幅度增益的估计表达式、表示当前次迭代得到的入射角估计、φl表示上次迭代得到第l个镜面分量的入射角估计，σl表示第l个镜面分量的噪声矢量的二阶矩，(·)h表示矩阵的共轭转置，s(·)表示探测信号矢量。

18、本技术还提供了一种基于变分贝叶斯推断的无线信道多径信号参数联合估计装置，所述装置包括：

19、估计表达式得到模块，用于采用伯努利高斯层次先验对幅度增益进行建模，得到剪枝条件表达式，并基于观测发送信号的自相关特性，得到时延参数预估计表达式；

20、观测信号接收模块，用于获取观测接收信号，所述观测接收信号基于单发多收的探测系统得到；

21、联合参数求解模块，用于在稀疏变分贝叶斯推断理论以及空间广义交替迭代求解的框架下，根据所述观测接收信号对镜面分量的数量，以及每一条镜面分量的幅度增益和色散参数进行预估计；

22、迭代参数更新模块，用于在每一次迭代过程中，先根据时延参数预估计表达式对当前镜面分量数量下的时延参数进行估计，再计算一条镜面分量的分量估计以及色散参数估计，并根据分量估计和色散参数估计判断所述剪枝条件表达式是否满足，若满足则计算幅度增益参数估计，其中，所述色散参数估计包括时延参数以及角度参数估计，所述角度参数估计引入了幅度增益的估计表达式；

23、剪枝和多径信号参数得到模块，用于若不满足，则将该条镜面分量剪除，并对下一条镜面分量的参数估计进行交替求解，直至收敛，得到所述观测接收信号的镜面分量数量以及每一条镜面分量的参数估计。

24、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

25、采用伯努利高斯层次先验对幅度增益进行建模，得到剪枝条件表达式，并基于观测发送信号的自相关特性，得到时延参数预估计表达式；

26、获取观测接收信号，所述观测接收信号基于单发多收的探测系统得到；

27、在稀疏变分贝叶斯推断理论以及空间广义交替迭代求解的框架下，根据所述观测接收信号对镜面分量的数量，以及每一条镜面分量的幅度增益和色散参数进行预估计；

28、在每一次迭代过程中，先根据时延参数预估计表达式对当前镜面分量数量下的时延参数进行估计，再计算一条镜面分量的分量估计以及色散参数估计，并根据分量估计和色散参数估计判断所述剪枝条件表达式是否满足，若满足则计算幅度增益参数估计，其中，所述色散参数估计包括时延参数以及角度参数估计，所述角度参数估计引入了幅度增益的估计表达式；

29、若不满足，则将该条镜面分量剪除，并对下一条镜面分量的参数估计进行交替求解，直至收敛，得到所述观测接收信号的镜面分量数量以及每一条镜面分量的参数估计。

30、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

31、采用伯努利高斯层次先验对幅度增益进行建模，得到剪枝条件表达式，并基于观测发送信号的自相关特性，得到时延参数预估计表达式；

32、获取观测接收信号，所述观测接收信号基于单发多收的探测系统得到；

33、在稀疏变分贝叶斯推断理论以及空间广义交替迭代求解的框架下，根据所述观测接收信号对镜面分量的数量，以及每一条镜面分量的幅度增益和色散参数进行预估计；

34、在每一次迭代过程中，先根据时延参数预估计表达式对当前镜面分量数量下的时延参数进行估计，再计算一条镜面分量的分量估计以及色散参数估计，并根据分量估计和色散参数估计判断所述剪枝条件表达式是否满足，若满足则计算幅度增益参数估计，其中，所述色散参数估计包括时延参数以及角度参数估计，所述角度参数估计引入了幅度增益的估计表达式；

35、若不满足，则将该条镜面分量剪除，并对下一条镜面分量的参数估计进行交替求解，直至收敛，得到所述观测接收信号的镜面分量数量以及每一条镜面分量的参数估计。

36、上述基于变分贝叶斯推断的无线信道多径信号参数联合估计方法，通过先采用伯努利高斯层次先验对幅度增益进行建模，得到剪枝条件表达式，并基于观测发送信号的自相关特性，得到时延参数预估计表达式，并且在稀疏变分贝叶斯推断理论以及空间广义交替迭代求解的框架下，根据观测接收信号对镜面分量的数量，以及每一条镜面分量的幅度增益和色散参数进行预估计，在每一次迭代过程中，先根据时延参数预估计表达式对当前镜面分量数量下的时延参数进行估计，再计算一条镜面分量的分量估计以及色散参数估计，并根据分量估计和色散参数估计判断剪枝条件表达式是否满足，若满足则计算幅度增益参数估计，其中，色散参数估计包括时延参数以及角度参数估计，为了避免求解时陷入局部最优，角度参数估计引入了幅度增益的估计表达式，若不满足，则将该条镜面分量剪除，并对下一条镜面分量的参数估计进行交替求解，直至收敛，得到观测接收信号的镜面分量数量以及每一条镜面分量的参数估计。本方法可以有效的提高求解速度，减少迭代求解的收敛时间，同时保证结果的准确性。