买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西南交通大学

摘要：本发明公开了一种块状稀疏贝叶斯多时隙数据检测方法,其主要步骤是：步骤S1：通过矩阵vec运算，将MMV模型表示为分块的SMV模型；步骤S2：假定发射信号满足零均值的高斯先验，方差由变量γ和C决定，并得到发射信号的先验分布；步骤S3：假设矩阵噪声满足复高斯分布，方差为λ，将变量y作为观测变量，b作为隐藏变量，得到变量y的似然函数，通过组合似然函数和先验分布，得到发射信号的后验分布；步骤S4：为了估计三种超参数，使用迭代EM算法，并通过隐藏变量计算最大似然函数；步骤S5：通过更新三种超参数，持续迭代，最后输出三种超参数和信号b。本发明方法利用了利用发射信号的稀疏结构特征以及块内相干性，提高了多用户检测的准确率。

主权项：1.一种块状稀疏贝叶斯多时隙数据检测方法，其特征在于：对于包含一个单天线基站和K个单天线用户的上行免授权非正交多址接入系统，其中K个单天线用户随机向单天线基站传输数据，在L个连续时隙内，只有部分活跃用户持续发射信号，非活跃用户不发射信号，活跃用户k的信息经过扩频后发射，扩频序列的长度为N；基站接收信号等效为多测量矢量模型，即MMV模型：Y＝HB+W，其中，是扩频序列和信道系数构成的等效测量矩阵，假设帧长度小于信道相干时间，H在整个帧时间内保持不变，bl是第l个时隙全部用户的发射信号，l＝1,2,...,L，yl是第l个时隙基站的接收信号，wl是均值为零，协方差矩阵为σ2Ι的复高斯噪声；所述方法包括：步骤S1：通过矩阵vec运算，将MMV模型表示为分块的SMV模型，将观测信号Y转化成y,发射信号B转化成b，噪声变量W转化成w；步骤S2：由于发射信号b向量大多数为零，因此假定发射信号b满足零均值的高斯先验，方差由变量γ和C决定，其中γ是决定信号b行稀疏性的非负超参数，C是控制信号b列相干性的大小为L×L的正定矩阵，得到信号b的先验分布；步骤S3：假设矩阵噪声w满足复高斯分布，方差为λ，将变量y作为观测变量，b作为隐藏变量，得到变量y的似然函数，通过组合似然函数和先验分布，得到发射信号的后验分布；步骤S4：为了估计参数{γ、C、λ}，使用迭代EM算法，γ的更新决定了本发明算法的收敛速度和恢复性能。C是控制列一致性的正定矩阵，C的学习规则影响恢复性能，防止过拟合。并通过隐藏变量计算最大似然函数，记为Q函数；步骤S5：分别对三个参数求偏导，使其为零，得到更新规则，然后持续更新三种参数，达到预设值条件为止，并输出三种参数和信号b。

全文数据：

权利要求：

百度查询： 西南交通大学 一种块状稀疏贝叶斯多时隙数据检测方法