(19)國家知識產(chǎn)權(quán)局(12)發(fā)明專利(45)授權(quán)公告日2025.07.01(21)申請?zhí)?02411618117.6(22)申請日2024.11.13審查員鄧雪彬(43)申請公布日2025.02.25北一段郝莉馬征公司51260專利代理師邢偉一種基于酉變換和稀疏貝葉斯的OTFS稀疏基于酉變換和稀疏貝葉斯的OTFS稀疏信道估計(jì)輸信道的后驗(yàn)分布；步驟S6:獲得估計(jì)信道中的超參數(shù)以及噪聲信號中的超參數(shù)的最優(yōu)更新規(guī)則；步驟S7:根據(jù)設(shè)置的判決條件判斷是否繼續(xù)于酉變換的廣義近似消息傳遞框架完成信道后21.一種基于酉變換和稀疏貝葉斯的OTFS稀疏信道估計(jì)方法，其特征在于：包括以下步步驟S1:選用帶有保護(hù)導(dǎo)頻的單導(dǎo)頻信息嵌入數(shù)據(jù)信息，將這些數(shù)據(jù)排列在時(shí)延多普勒域中形成2D數(shù)據(jù)塊，并將時(shí)延多普勒域劃分為2D信息網(wǎng)格的輸入已知信息；步驟S2:使用辛有限傅里葉變換將信號轉(zhuǎn)換到時(shí)頻域，再依據(jù)發(fā)射脈沖和海森堡變換將信號轉(zhuǎn)換為時(shí)域信號，經(jīng)信道傳輸時(shí)域信號，得到接收端的時(shí)域信號，之后進(jìn)行脈沖整形和維納格變換以及二維有限傅里葉變換，得到時(shí)延多普勒域的接收信號；步驟S3:根據(jù)設(shè)置的導(dǎo)頻信息，得到在接收端中時(shí)延多普勒域中導(dǎo)頻對應(yīng)的接收信號，再將導(dǎo)頻矩陣看作壓縮感知中的觀測矩陣，將相位補(bǔ)償矩陣試視作稀疏矩陣，以此構(gòu)建稀疏感知矩陣，并對稀疏感知矩陣進(jìn)行奇異值分解；步驟S4:在高斯尺度混合系列中給信道選擇滿足獨(dú)立同分布的先驗(yàn)高斯信息，給噪聲信號分配普通高斯先驗(yàn)信息，并將設(shè)置的原始信道和噪聲信號的高斯分布進(jìn)行超參數(shù)初始步驟S5:采用基于酉變換的廣義近似消息傳遞策略，計(jì)算傳輸信道的后驗(yàn)分布；步驟S6:在迭代期望最大化框架下計(jì)算得到概率模型中超參數(shù)的估計(jì)值，獲得估計(jì)信道中的超參數(shù)以及噪聲信號中的超參數(shù)的最優(yōu)更新規(guī)則；步驟S7:根據(jù)設(shè)置的判決條件判斷是否繼續(xù)迭代，若滿足判決條件則輸出估計(jì)的信道、信道超參數(shù)和噪聲信號超參數(shù)，若不滿足則返回步驟S5進(jìn)行新一輪迭代。2.根據(jù)權(quán)利要求1所述的一種基于酉變換和稀疏貝葉斯的OTFS稀疏信道估計(jì)方法，其S101.設(shè)每幀有M×N個(gè)符號數(shù)，根據(jù)設(shè)置的延遲抽頭最大值和多普勒抽頭最大值，確定導(dǎo)頻符號數(shù)，由總符號數(shù)除去導(dǎo)頻數(shù)得到數(shù)據(jù)符號數(shù)，隨機(jī)生成數(shù)據(jù)比特得到數(shù)據(jù)符號，將其轉(zhuǎn)換為正交幅度調(diào)制數(shù)據(jù)序列；S102.使用OTFS調(diào)制將導(dǎo)頻符號和數(shù)據(jù)符號排列在DD域中形成2D數(shù)據(jù)塊，DD域中沿時(shí)延方向數(shù)據(jù)符號的坐標(biāo)1,沿多普勒域方向的數(shù)據(jù)符號坐標(biāo)k處的數(shù)據(jù)信息由數(shù)據(jù)符號x。[1,k]或?qū)ьl符號x,[1,k]組成，1=0,1,2,…,M-1,k=0,1,2,…,N-1;其中，M表示時(shí)延方向數(shù)據(jù)符號的長度，即多普勒抽頭數(shù)；N為多普勒域方向數(shù)據(jù)符號采用的帶有保護(hù)導(dǎo)頻的導(dǎo)頻模式，并且導(dǎo)頻符號功率不等于數(shù)據(jù)符號功率，發(fā)射端在時(shí)延多普勒域傳輸?shù)男盘柋硎緸椋簒[1,k]即為2D信息網(wǎng)格的輸入已知信息，其中k,和1分別代表N和M的中點(diǎn)，k,對應(yīng)于多普勒抽頭的最大值，1表示延遲抽頭的最大值，1=1,2,…,M,k=1,2,…,N,DD域是指延遲多普勒域。3.根據(jù)權(quán)利要求1所述的一種基于酉變換和稀疏貝葉斯的OTFS稀疏信道估計(jì)方法，其3將歸一化離散傅里葉變換應(yīng)用于X的行和列，歸一化離散傅里葉變換表示為=0,...,M-1,這樣操作是因?yàn)镈D域中的時(shí)延域與時(shí)頻域中的載波相關(guān)；,其S203.時(shí)域信號s(t)以無線電波的形式通過空氣或其他介質(zhì)傳輸，并進(jìn)行脈沖響應(yīng)為r(t)=?Jh(t,0)s(t-t)ej2πD(t-t)dtd其中K指的是所使用的信道估計(jì)的抽頭數(shù)，即信道中的不同路徑或信道響應(yīng)的不同部S204.對接收到的時(shí)域信號r(t)進(jìn)行脈沖整形和維格納變換以獲得接收到的頻域信號列成的矩陣形式，總采樣點(diǎn)數(shù)為MN,r(t)采樣后表示為r[k],k=0,1,…,MN-1,再將這些采4當(dāng)接收和發(fā)射脈沖都是矩形時(shí)，接收到的延遲多普勒信號被變換為程中的相位損失。4.根據(jù)權(quán)利要求1所述的一種基于酉變換和稀疏貝葉斯的OTFS稀疏信道估計(jì)方法，其假設(shè)接收信號的數(shù)量為P,發(fā)射信號中導(dǎo)頻的數(shù)量為Q=(2k+1)(1+1),OTFS系統(tǒng)的通道輸入輸出模型就表示為壓縮感知模型，將發(fā)送導(dǎo)頻看作壓縮感知模型中的觀測矩陣，將改善信道稀疏性的相位補(bǔ)償矩陣視作壓縮感知中的稀疏矩陣，由此得到該壓縮感知模型中的稀疏感知矩陣數(shù)矩陣的共軛；為了后續(xù)使用GUAMP進(jìn)行信道后驗(yàn)分布的計(jì)算，需要對稀疏感知矩陣進(jìn)行奇異值分解，于是將v=①h轉(zhuǎn)換為其中U∈C,∑∈C,V∈C是從奇異值分解Φ=UZV中獲得，并且rank(Φ)=r;v表5.根據(jù)權(quán)利要求1所述的一種基于酉變換和稀疏貝葉斯的OTFS稀疏信道估計(jì)方法，其信道沖激響應(yīng)在時(shí)域和頻域上稀疏，在高斯尺度混合系列中給信道選擇滿足獨(dú)立同分布的先驗(yàn)高斯信息，初始信道設(shè)置為均值為0,協(xié)方差為1D≌diag([a1e]),其中,α是一個(gè)非負(fù)方差超參數(shù)，負(fù)責(zé)控制信道的稀疏性，所以DD域信道h的高斯先驗(yàn)分布表示為，其中超參數(shù)α滿足伽馬分布5在這個(gè)式子里1表示伽馬函數(shù)，參數(shù)a和b分別控制形狀和尺度的常數(shù)；噪聲被建模為高斯白噪聲，隨著時(shí)間的推移平均值為零，不同時(shí)間點(diǎn)或不同維度之間的相關(guān)度為a?,也滿足伽馬分布p(a?;c,d)=Gamma(a?Ic,d),參數(shù)c和d分別控制形狀和尺度的常數(shù)；則噪聲矩陣滿足復(fù)高斯分布p(Wla?)=CN(W|0,α?I),接收信號Y的似然分布表示為：p(Y|h,q?)=CN(Y|①h,a?'結(jié)合信道的高斯先驗(yàn)分布以及接收信號的似然分布，得到聯(lián)合概率密度函數(shù)p(Y;a,a)=?p(Y|h;a)p(h;a6.根據(jù)權(quán)利要求1所述的一種基于酉變換和稀疏貝葉斯的OTFS稀疏信道估計(jì)方法，其為了簡化計(jì)算過程并增強(qiáng)聯(lián)合概率密度系統(tǒng)的魯棒性，將GUAMP策略嵌入SBL算法，避免EM算法中的矩陣求逆過程；設(shè)置超參數(shù)Θ={α,a?}已知并固定，通道h的近似后驗(yàn)分布表示為其中接著計(jì)算無噪聲條件下的另一個(gè)近似后驗(yàn)分布v=Ub:6基于酉變換的廣義近似消息傳遞，即GUAMP算法，處理過程分為兩個(gè)模塊，分別為模塊A和模塊B;在高層次上，在具有偽測量矩陣Q的等效標(biāo)準(zhǔn)線性測量矩陣上，模塊A執(zhí)行標(biāo)準(zhǔn)近似消息傳遞，即AMP算法；在具有偽測量矩陣U的等效廣義線性模型上，模塊B執(zhí)行廣義近似消息傳遞，即GAMP算法；模塊A和模塊B以與相同的方式彼此交換外部信息，并且該過程在收斂之前進(jìn)行；GUAMP的實(shí)現(xiàn)細(xì)節(jié)包括：首先，初始化模塊B中的變量b的初始方差τ(0)∈R′,獨(dú)立隨機(jī)變量的初始均值s(-1)∈R模塊A到模塊B的外部均值b(1)∈IR和模塊A到模塊B的外部方差v(1)∈R′,并初始化中間節(jié)點(diǎn)的均值和方差Pa(0)∈IR,t(0)∈R'以及初始信道的后驗(yàn)均值6(0)∈R°;模塊A和模塊B之間的外迭代次數(shù)設(shè)置為Tma,而模塊A和B在外迭代期間的內(nèi)迭代次數(shù)分別設(shè)置為T和Tg;接下來給出兩個(gè)模塊的操作細(xì)節(jié)：b(1)∈R′和Y(1)∈R”作為從模塊A傳到模塊B的外在均值和方差，也作為b的先驗(yàn)均值和方差；首先運(yùn)行GAMP算法，將b視為位置信號，將U視為測量矩陣，首先執(zhí)行輸出線性步驟，更新對數(shù)域估計(jì)值的均值和方差：Ps(t)=Ubg(t-1)-τB(t)執(zhí)行輸出線性步驟獲得：rs(t)=bg(t-1)+tg(t)o(Us執(zhí)行輸入非線性步驟，以獲得變量b的后驗(yàn)均值和方差：7運(yùn)行Tg迭代后，從模塊B到模塊A的外在均值和方差：模塊B的外在均值和方差看作是模塊A中b的偽觀測值和方差，即其中b(t)=b(t),(t)~CN(0,diag(v"(t)),運(yùn)行具有T迭代的標(biāo)準(zhǔn)AMP;執(zhí)行輸出非線性步驟：接下來執(zhí)行輸入線性步驟：t么(t)=(e?Pz(2),執(zhí)行輸入非線性步驟：執(zhí)行輸出線性步驟：接下來繼續(xù)運(yùn)行模塊B,直到循環(huán)次數(shù)大于Tmax;7.根據(jù)權(quán)利要求1所述的一種基于酉變換和稀疏貝葉斯的OTFS稀疏信道估計(jì)方法，其給定超參數(shù)e(t)={αa),a?(t)}算法中利用EM算法進(jìn)行各個(gè)參數(shù)的更新，結(jié)合GUAMP形成GUAMP-SBL算法，其中，EM算法中的8算{a,a}的完整對數(shù)后驗(yàn)的期望值，相對于隱藏變量h,即Enya,Llogp(,aq|h子Eyxo?)·[表示對后驗(yàn)分布p(h|Y,a?,a?)的期望；這個(gè)完整的對數(shù)后驗(yàn)也稱為Q-函數(shù)，然后通過最大化Q-函數(shù)來估計(jì)超參數(shù)⊙={α,a?},即：因?yàn)閜(◎|h,Y)cp(a)p(h|a)p(a)p(Y|h,a?)Q-函數(shù)分解為兩項(xiàng)之和Q(ol09)=Ey.a.Logp(a)p(h|a)]+Ey.[從而得到α中第i個(gè)元素的更新方式為：8.根據(jù)權(quán)利要求1所述的一種基于酉變換和稀疏貝葉斯的OTFS稀疏信道估計(jì)方法，其特征在于：所述步驟S7中，當(dāng)運(yùn)行次數(shù)達(dá)到最大循環(huán)次數(shù)t=Rm,或本輪迭代中得到的后驗(yàn)8/8頁8/8頁9均值從(t+1)與上一輪迭代的后驗(yàn)均值從(t)的差值的二范數(shù)小于設(shè)定的最大允許誤差時(shí)，結(jié)束循環(huán)操作，得到最后一輪迭代計(jì)算的h的后驗(yàn)均值，為了提高估計(jì)的準(zhǔn)確性和穩(wěn)定性，選擇集合μ中幅度最大的K個(gè)元素，其中K是預(yù)定的信道抽頭數(shù)，估計(jì)的信道；若不滿足迭代終止條件，令t=t+1,并基于步驟S6更新的超參數(shù)集，返回步驟S5進(jìn)行下一輪迭代。一種基于酉變換和稀疏貝葉斯的OTFS稀疏信道估計(jì)方法采用基于酉變換的廣義近似消息傳遞(GUAMP)策略，有效降低稀疏信號恢復(fù)的計(jì)算復(fù)雜度以及提高系統(tǒng)性能。[0005]本發(fā)明的目的是通過以下技術(shù)方案來實(shí)現(xiàn)的：一種基于酉變換和稀疏貝葉斯的和11過逆有限辛傅里葉變換(ISFFT)將DD域信號轉(zhuǎn)換為時(shí)頻域信號，隨后使用發(fā)射脈沖和海森堡變換將信號轉(zhuǎn)換為時(shí)域信號，經(jīng)過信道得到時(shí)域接收信號，接著進(jìn)行脈沖整形和維納格變換獲得接收端的頻域信號，最后通過二維有限傅里葉變換，得到DD域中的接收信號。對OTFS系統(tǒng)進(jìn)行信道估計(jì)時(shí)，可以選用導(dǎo)頻以及導(dǎo)頻模塊對應(yīng)的接收信號進(jìn)行信道估計(jì)，由于在高速運(yùn)動(dòng)時(shí)，有效路徑數(shù)量有限，使得信道沖激響應(yīng)在時(shí)域和頻域上稀疏。因此，假設(shè)接收信號的數(shù)量為P,發(fā)射信號中導(dǎo)頻的數(shù)量為Q。這樣OTFS系統(tǒng)的通道輸入輸出模型就可以表示為壓縮感知模型：[0008]其中，Y∈CP是接收信號，Xp∈CP°發(fā)射端的導(dǎo)頻信號，h∈C需要進(jìn)行估計(jì)的信道向量，W∈CP代表高斯白噪聲向量，而β=[conj(β?),...,conj(βp)]是補(bǔ)償相位的矩陣，其中β∈C可表示為β[k,1],◎是Hadamard積，利用延遲多普勒信道h的稀疏性質(zhì)，可以使用基于壓縮感知的方法，通過已知的接收信號向量Y和補(bǔ)償后的導(dǎo)頻矩陣Φ,(將導(dǎo)頻矩陣進(jìn)行奇異值矩陣分解，降分解后的結(jié)果使用先執(zhí)括以下步驟：[0009]步驟S1:選用帶有保護(hù)導(dǎo)頻的單導(dǎo)頻信息嵌入數(shù)據(jù)信息，將這些數(shù)據(jù)排列在時(shí)延多普勒域中形成2D數(shù)據(jù)塊，并將時(shí)延多普勒域劃分為2D信息網(wǎng)格輸入已知信息；[0010]步驟S2:使用辛有限傅里葉變換將信號轉(zhuǎn)換到時(shí)頻域，再依據(jù)發(fā)射脈沖和海森堡變換將信號轉(zhuǎn)換為時(shí)域信號，經(jīng)信道傳輸時(shí)域信號，得到接收端的時(shí)域信號，之后進(jìn)行脈沖整形和維納格變換以及二維有限傅里葉變換，得到時(shí)延多普勒域的接收信號；[0011]步驟S3:根據(jù)設(shè)置的導(dǎo)頻信息，得到在接收端中時(shí)延多普勒域中導(dǎo)頻對應(yīng)的接收信號，再將導(dǎo)頻矩陣看作壓縮感知中的觀測矩陣，將相位補(bǔ)償矩陣試視作稀疏矩陣，以此構(gòu)建稀疏感知矩陣，并對稀疏感知矩陣進(jìn)行奇異值分解；[0012]步驟S4:在高斯尺度混合系列中給信道選擇滿足獨(dú)立同分布的先驗(yàn)高斯信息，給噪聲信號分配普通高斯先驗(yàn)信息，并將設(shè)置的原始信道和噪聲信號的高斯分布進(jìn)行超參數(shù)初始化，完成整個(gè)系統(tǒng)中信道恢復(fù)成功的判決條件的設(shè)置；[0013]步驟S5:采用基于酉變換的廣義近似消息傳遞策略，計(jì)算傳輸信道的后驗(yàn)分布；避免迭代期望最大化框架中矩陣求逆，加快計(jì)算傳輸信道的后驗(yàn)分布；[0014]步驟S6:在迭代期望最大化框架下計(jì)算得到概率模型中超參數(shù)的估計(jì)值，獲得估計(jì)信道中的超參數(shù)以及噪聲信號中的超參數(shù)的最優(yōu)更新規(guī)則；[0015]步驟S7:根據(jù)設(shè)置的判決條件判斷是否繼續(xù)迭代，若滿足判決條件則輸出估計(jì)的信道、信道超參數(shù)和噪聲信號超參數(shù)，若不滿足則返回步驟S5進(jìn)行新一輪迭代。[0016]本發(fā)明的有益效果是：[0017](1)本發(fā)明將OTFS信道估計(jì)問題轉(zhuǎn)換為稀疏信號恢復(fù)問題，提高了系統(tǒng)性能；[0018](2)本發(fā)明對時(shí)延多普勒信道分配滿足獨(dú)立同分布的先驗(yàn)高斯信息，使用貝葉斯基本準(zhǔn)則和期望最大化算法，來更新發(fā)射信號的后驗(yàn)分布參數(shù)和超參數(shù)集。這種方法在迭代計(jì)算過程中無需明確知道實(shí)際的有效信道數(shù)量，從而增加了計(jì)算的靈活性；[0019](3)本發(fā)明利用基于酉變換的廣義近似消息傳遞，以避免更新通道協(xié)方差時(shí)的逆過程，并對感知矩陣進(jìn)行預(yù)處理，降低了感知矩陣之間的不相關(guān)性，由此在降低算法復(fù)雜度的同時(shí)提高了系統(tǒng)性能。附圖說明[0020]圖1是本發(fā)明一種基于酉變換和稀疏貝葉斯的OTFS稀疏信道估計(jì)方法流程圖；[0021]圖2是DD域中的發(fā)射機(jī)符號。[0022]圖3是DD域中的接收機(jī)符號。[0023]圖4是各稀疏信道估計(jì)方法歸一化均方誤差分析圖。具體實(shí)施方式[0024]下面結(jié)合附圖進(jìn)一步詳細(xì)描述本發(fā)明的技術(shù)方案，但本發(fā)明的保護(hù)范圍不局限于以下所述。[0025]傳統(tǒng)的信道估計(jì)方法在高動(dòng)態(tài)、多徑豐富的環(huán)境中面臨挑戰(zhàn)，特別是在信道狀態(tài)快速變化的情況下，難以保持高精度的估計(jì)。而OTFS信號在時(shí)延多普勒域中的分布具有稀疏性，這為采用稀疏信號恢復(fù)技術(shù)提供了可能性，本發(fā)明將OTFS信道估計(jì)問題轉(zhuǎn)化為稀疏信號恢復(fù)問題，利用稀疏信號恢復(fù)算法在稀疏信道條件下進(jìn)行信道估計(jì)，不僅能夠在動(dòng)態(tài)環(huán)境中獲得更加準(zhǔn)確的信道信息，還能夠顯著降低計(jì)算復(fù)雜度。通過這種方式，系統(tǒng)可以更好地應(yīng)對動(dòng)態(tài)信道變化，提高傳輸?shù)目煽啃院托?，從而在?fù)雜多變的無線通信環(huán)境中提供更穩(wěn)定的通信服務(wù)；[0026]傳統(tǒng)的信道估計(jì)方法往往依賴于對信道特性有較為準(zhǔn)確的先驗(yàn)知識，特別是需要明確知道有效信道的數(shù)量。然而，在實(shí)際應(yīng)用中，信道的多樣性和動(dòng)態(tài)性使得這一點(diǎn)很難實(shí)現(xiàn)，這極大地限制了這些方法的應(yīng)用場景和效果。本發(fā)明假設(shè)時(shí)延多普勒信道的分配滿足獨(dú)立同分布的先驗(yàn)高斯信息，并通過貝葉斯基本準(zhǔn)則與期望最大化算法相結(jié)合的方法，來估計(jì)發(fā)射信號的后驗(yàn)分布參數(shù)和超參數(shù)集。這種方法的顯著優(yōu)勢在于其不需要事先明確知道有效信道的數(shù)量，這不僅提高了計(jì)算的靈活性，還減少了對先驗(yàn)知識的依賴，使得該方法在復(fù)雜多變的信道環(huán)境中表現(xiàn)出更強(qiáng)的魯棒性；[0027]信道估計(jì)過程中通常需要對信道協(xié)方差矩陣進(jìn)行求逆，這一過程計(jì)算復(fù)雜度極高，矩陣求逆的計(jì)算量會隨著系統(tǒng)規(guī)模的增加而呈指數(shù)增長。這不僅導(dǎo)致了大量的計(jì)算資源消耗，也可能延長系統(tǒng)的響應(yīng)時(shí)間，影響實(shí)時(shí)通信的效率。本發(fā)明采用了基于酉變換的廣義近似消息傳遞算法。GUAMP是一種基于消息傳遞的算法，能夠在稀疏信號恢復(fù)和高維信道估計(jì)等問題中發(fā)揮重要作用。它通過近似推斷的方式，利用消息在模型中的傳遞來完成信道估計(jì)，而不需要直接計(jì)算復(fù)雜的矩陣求逆過程，并且對稀疏感知矩陣進(jìn)行奇異矩陣分解，降低感知矩陣的相關(guān)性。本發(fā)明在不明顯損失信道估計(jì)精度的前提下，顯著降低了系統(tǒng)的計(jì)算復(fù)雜度，使得大規(guī)模通信系統(tǒng)中的信道估計(jì)過程更加輕量化和高效化。在延遲多普勒(DD)域中形成的2D數(shù)據(jù)塊。[0029]DD域被劃分為M×N信息網(wǎng)格,其中N表示多普勒抽頭數(shù)，M表示延遲抽頭數(shù)，和分別表示延遲域和多普勒域的量化間隔。通過逆有限辛傅里葉變換(ISFFT)將DD域信號轉(zhuǎn)換為時(shí)頻域信號，隨后使用發(fā)射脈沖和海森堡變換將信號轉(zhuǎn)換為時(shí)域信號，經(jīng)過信道得到時(shí)域接收信號，接著進(jìn)行脈沖整形和維納格變換獲得接收端的頻域信號，最后通過二維有限傅里葉變換，得到DD域中的接收信號。對OTFS系統(tǒng)進(jìn)行信道估計(jì)時(shí)，可以選用導(dǎo)頻以及導(dǎo)頻模塊對應(yīng)的接收信號進(jìn)行信道估計(jì)，由于在高速運(yùn)動(dòng)時(shí)，有效路徑數(shù)量有限，使得信道沖激響應(yīng)在時(shí)域和頻域上稀疏。因此，假設(shè)接收信號的數(shù)量為P,發(fā)射信號中導(dǎo)頻的數(shù)量為Q。這樣OTFS系統(tǒng)的通道輸入輸出模型就可以表示為壓縮感知模型：[0031]其中，Y∈CP1是接收信號，Xp∈C×°發(fā)射端的導(dǎo)頻信號，道向量，W∈CP代表高斯白噪聲向量，而β=[conj(β?),...,conj(βp)]是補(bǔ)償相位的矩利用延遲多普勒信道h的稀疏性質(zhì)，可以使用基于壓縮感知的方法，通過已知的接收信號向量Y和補(bǔ)償后的導(dǎo)頻矩陣①估計(jì)信道向量h;[0032]參見附圖1,一種基于酉變換和稀疏貝葉斯的0TFS稀疏信道估計(jì)方法，具體實(shí)施方式如下：[0033]步驟1:設(shè)每幀有M×N個(gè)符號數(shù)，根據(jù)設(shè)置的延遲抽頭最大值和多普勒抽頭最大值，確定導(dǎo)頻符號數(shù)，由總符號數(shù)除去導(dǎo)頻數(shù)得到數(shù)據(jù)符號數(shù)，隨機(jī)生成數(shù)據(jù)比特得到數(shù)據(jù)符號，將其轉(zhuǎn)換為正交相移鍵控?cái)?shù)據(jù)序列；沿時(shí)延方向數(shù)據(jù)符號的坐標(biāo)1,沿多普勒域方向的數(shù)據(jù)符號坐標(biāo)k處的數(shù)據(jù)信息由數(shù)據(jù)符號xa[1,k]或?qū)ьl符號x[1,k]組成，1=0,1,2,…,M-1,k=0,1,2,…,N-1;其中，M表示時(shí)延方向數(shù)據(jù)符號的長度，即多普勒抽頭數(shù)；N為多普勒域方據(jù)符號x[1,k]和導(dǎo)頻符號xp[1,k]具體分布如圖2所示。采用的帶有保護(hù)導(dǎo)頻的導(dǎo)頻模式，并且導(dǎo)頻符號功率不等于數(shù)據(jù)符號功率，有助于確保導(dǎo)頻信號在接收機(jī)處能夠更容易地區(qū)分和準(zhǔn)確檢測，從而有利于更準(zhǔn)確的信道估計(jì)。發(fā)射端在時(shí)延多普勒域傳輸?shù)男盘柨杀硎镜淖畲笾担?1=1,2,…,M,k=1,2,…,N。[0037]步驟2:對輸入數(shù)據(jù)X∈CM×進(jìn)行ISFFT操作，將信號從DD域轉(zhuǎn)換到時(shí)頻域，得到頻域信息{X[n,m],n∈[0,N-1],m∈[0,M-1]}。[0038]即時(shí)頻域被離散化為M×N網(wǎng)格{R=(nT,m△f),n=0,….,N-1,m=0...,M-1}:[0040]其中X∈CM×N是x[1,k]的矩陣形式，而x[1,k]只表示這個(gè)矩陣中的第1行第k列的[0041]將歸一化離散傅里葉變換應(yīng)用于X的行和列，歸一化離散傅里葉變換表示為=0,...,M-1,這樣操作是因?yàn)镈D域中的時(shí)延域與時(shí)頻域中的載波相關(guān)；,其示為[0049]其中K指的是所使用的信道估計(jì)的抽頭數(shù)，即信道中的不同路徑或信道響應(yīng)的不[0050]然后對接收到的時(shí)域信號r(t)進(jìn)行脈沖整形和維格納變換以獲得接收到的頻域信號Y[n,m]。[0052]其中Gx表示在時(shí)刻對接收到的脈沖g進(jìn)行均勻采樣。其中R是由r(t)離散采樣后重新排列成的矩陣形式，總采樣點(diǎn)數(shù)為MN,r(t)采樣后表示為r[k],k=0,[0053]對該信號進(jìn)行二維有限傅里葉變換，我們得到延遲多普勒域中的接收信號y[k,1],其表示為[0066]其中U∈CPr,2∈C道h。[0071]在這個(gè)式子里表示伽馬函數(shù)，參數(shù)a和b分別控制形狀和尺度的常p(Y|h,a?)=CN(Y|Φh,ap(Y;a,a)=?p(Y|h;a?)p(h;a步驟5:為了簡化計(jì)算過程并增強(qiáng)聯(lián)合概率密度系統(tǒng)的魯棒性，將GUAMP策略嵌入的近似后驗(yàn)分布可以表示為[0086]基于酉變換的廣義近似消息傳遞(AUnitaryTransformBasedGeneralized傳遞(ApproximateMessagePassing,AMP);在具有偽測量矩陣U的等效廣義線性模型上，(0)∈R’,獨(dú)立隨機(jī)變量的初始均值Ss(-1)∈R模塊A到模塊B的外部均值b(1)∈R′和Pa(0)∈R′,t(0)∈R'以及介紹這兩個(gè)模塊的操作細(xì)節(jié)。P?(t)=Ubg(t-1)-TB(t)