一种基于实值变分贝叶斯推断的大规模MIMO系统下行信道估计方法

酉矩阵变换是一种常用的实值化方法，可有效地降低计算复杂度。然而，在现有的基于酉矩阵变换的大规模多输入多输出系统（Multiple input multiple output， MIMO）下行信道估计方法中，观测矩阵的维度增加了一倍，若不进行维度压缩，降低计算复杂度的目标将难以实现。虽然利用信号空间和噪声空间的正交性可压缩维度，但信号空间只能近似计算获得，不可避免地带来性能损失。为了改善信道估计性能，本文将信号空间矩阵当作变量，在估计过程中自适应地调整信号空间矩阵，但这使得信号空间矩阵和稀疏信号矩阵高度耦合，传统的贝叶斯推断无法适用。为了应对该挑战，本文进一步引入列向量独立分解的贝叶斯变分假设，成功将信号空间矩阵和稀疏信号矩阵解耦。仿真结果表明，所提方法可显著提升信道估计性能。