公开(公告)号：CN114584431A

公开(公告)日：2022-06-03

申请号：CN202210040750.6

申请日：2022-01-14

Applicant: 郑州大学

Inventor： 王忠勇 ,  张欣然 ,  郭亚博 ,  孙鹏 ,  刘飞 ,  王玮 ,  袁正道

IPC: H04L25/02 ,  H04B7/0413 ,  H04B7/145

Abstract: 本发明属于无线通信技术领域，公开了一种基于UAMP的双线性信道估计方法，包括如下步骤：步骤A、利用Kronecker积和Khatri‑Rao积性质，对RIS辅助的MIMO通信系统模型进行降维转换和化简；步骤B、对系统模型待估计量的联合后验概率密度函数进行因子分解，得到相应的因子图模型；步骤C、针对步骤B中的因子图模型设置初始化参数值，使用UAMP算法框架进行双线性信道估计，并获得不同信道的估计值；步骤D、重复步骤C，直到算法收敛；该算法同现有算法相比，有着较大的估计性能优势，单次迭代复杂度和迭代收敛速度方面有着显著提高，且具有更强的鲁棒性。

公开(公告)号：CN114785642B

公开(公告)日：2023-09-12

申请号：CN202210343643.0

申请日：2022-04-02

Applicant: 郑州大学

Inventor： 张欣然 ,  郭亚博 ,  陆彦辉 ,  孙鹏 ,  刘飞 ,  王玮

IPC: H04L25/02

Abstract: 本发明属于无线通信技术领域，公开了一种基于稀疏张量分解的RIS‑MIMO系统信道估计方法，包括如下步骤：步骤A、对RIS辅助的多用户MIMO上行mmWave通信系统进行物理建模，构造张量化观测模型；步骤B、对张量化的系统模型进行平行因子分解，得到二维矩阵表达式；步骤C、根据mmWave信道模型，将信道估计问题转化为结构化稀疏信号恢复问题；步骤D、使用LASSO方法构造相应的优化问题，设置初始化参数值，通过交替迭代算法框架估计稀疏信道的相关参数，以实现对信道矩阵的重构；步骤E、重复步骤D，直到算法收敛；该算法同现有算法相比，性能优势明显，复杂度和训练开销相对较少，且收敛速度快，稳定性好。

公开(公告)号：CN116471148A

公开(公告)日：2023-07-21

申请号：CN202310382732.0

申请日：2023-04-10

Applicant: 郑州大学

Inventor： 王忠勇 ,  郭亚博 ,  翟慧鹏 ,  张欣然 ,  孙鹏 ,  王玮 ,  刘飞 ,  袁正道

IPC: H04L25/02 ,  H04B17/391

Abstract: 本发明涉及无线通信技术领域，尤其涉及一种基于稀疏贝叶斯学习的信道估计方法，包括如下步骤：步骤A、利用毫米波信道的稀疏特性进行信道建模，并构造对应的RIS辅助的MIMO通信系统模型；步骤B、首先构造信道的两层稀疏先验信息，然后对参数的联合后验概率密度函数进行因式分解，最后根据因式分解画出相应的因子图模型；步骤C、针对步骤B中的因子图模型，结合酉变换近似消息传递，使用稀疏贝叶斯算法框架进行信道估计；步骤D、重复步骤C，直到算法收敛；本发明中的方法复杂度低、降低系统的导频开销，算法通用度高。

公开(公告)号：CN114584431B

公开(公告)日：2023-05-02

申请号：CN202210040750.6

申请日：2022-01-14

Applicant: 郑州大学

Inventor： 王忠勇 ,  张欣然 ,  郭亚博 ,  孙鹏 ,  刘飞 ,  王玮 ,  袁正道

IPC: H04L25/02 ,  H04B7/0413 ,  H04B7/145

Abstract: 本发明属于无线通信技术领域，公开了一种基于UAMP的双线性信道估计方法，包括如下步骤：步骤A、利用Kronecker积和Khatri‑Rao积性质，对RIS辅助的MIMO通信系统模型进行降维转换和化简；步骤B、对系统模型待估计量的联合后验概率密度函数进行因子分解，得到相应的因子图模型；步骤C、针对步骤B中的因子图模型设置初始化参数值，使用UAMP算法框架进行双线性信道估计，并获得不同信道的估计值；步骤D、重复步骤C，直到算法收敛；该算法同现有算法相比，有着较大的估计性能优势，单次迭代复杂度和迭代收敛速度方面有着显著提高，且具有更强的鲁棒性。

公开(公告)号：CN114785642A

公开(公告)日：2022-07-22

申请号：CN202210343643.0

申请日：2022-04-02

Applicant: 郑州大学

Inventor： 张欣然 ,  郭亚博 ,  陆彦辉 ,  孙鹏 ,  刘飞 ,  王玮

IPC: H04L25/02

Abstract: 本发明属于无线通信技术领域，公开了一种基于稀疏张量分解的RIS‑MIMO系统信道估计方法，包括如下步骤：步骤A、对RIS辅助的多用户MIMO上行mmWave通信系统进行物理建模，构造张量化观测模型；步骤B、对张量化的系统模型进行平行因子分解，得到二维矩阵表达式；步骤C、根据mmWave信道模型，将信道估计问题转化为结构化稀疏信号恢复问题；步骤D、使用LASSO方法构造相应的优化问题，设置初始化参数值，通过交替迭代算法框架估计稀疏信道的相关参数，以实现对信道矩阵的重构；步骤E、重复步骤D，直到算法收敛；该算法同现有算法相比，性能优势明显，复杂度和训练开销相对较少，且收敛速度快，稳定性好。