公开(公告)号：CN108832976A

公开(公告)日：2018-11-16

申请号：CN201810613861.5

申请日：2018-06-14

Applicant: 南京邮电大学

Inventor： 潘甦 ,  杨望

IPC: H04B7/0413 ,  H04B17/391 ,  H04L25/02

Abstract: 本发明提出一种大规模MIMO系统的上行链路信道估计方法，包括如下步骤：(1)使用高斯混合模型对信道的概率模型进行建模；(2)使用最优贝叶斯参数估计进行信道估计；(3)使用层次聚类算法给定迭代初值；(4)使用近似消息传递算法求解步骤二中的边缘概率密度函数；(5)使用期望最大算法迭代求解高斯混合模型的参数。本发明充分利用信道增益在波束域的稀疏特性，采用贝叶斯参数估计方法，不需要预先知道信道的统计信息，与传统的基于LS的信道估计相比，可以获得更好的MSE性能。

公开(公告)号：CN108832976B

公开(公告)日：2020-10-27

申请号：CN201810613861.5

申请日：2018-06-14

Applicant: 南京邮电大学

Inventor： 潘甦 ,  杨望

IPC: H04B7/0413 ,  H04B17/391 ,  H04L25/02

Abstract: 本发明提出一种大规模MIMO系统的上行链路信道估计方法，包括如下步骤：(1)使用高斯混合模型对信道的概率模型进行建模；(2)使用最优贝叶斯参数估计进行信道估计；(3)使用层次聚类算法给定迭代初值；(4)使用近似消息传递算法求解步骤二中的边缘概率密度函数；(5)使用期望最大算法迭代求解高斯混合模型的参数。本发明充分利用信道增益在波束域的稀疏特性，采用贝叶斯参数估计方法，不需要预先知道信道的统计信息，与传统的基于LS的信道估计相比，可以获得更好的MSE性能。