3、基于压缩感知的大规模接入中活跃用户检测与信道估计方案

基于压缩感知的大规模接入中活跃用户检测与信道估计方案

在大规模接入场景下，可靠地检测活跃用户以及估计其信道状态是至关重要的。本文将介绍基于压缩感知（CS）的活跃用户检测（AUD）和信道估计（CE）方案，主要包括分布式CS的导频设计、联合AUD和CE方案等内容。

1. 预备知识

上行信号的帧结构由 $T$ 个时隙组成，前 $G$ 个时隙包含导频和数据，其余 $(T - G)$ 个时隙仅用于数据传输。假设 $T$ 小于信道相干时间，且在这 $T$ 个时隙内设备的活动状态保持不变。在基站（BS）处，第 $p$ 个导频子载波上 $G$ 个连续时隙接收到的信号可表示为：
[
Y_G^p = S_G^p X_p + N_p, \forall p \in [P]
]
其中，$Y_G^p = [y_1^p, \cdots, y_G^p]^T \in \mathbb{C}^{G \times M}$，$S_G^p = [s_1^p, \cdots, s_G^p]^T \in \mathbb{C}^{G \times K}$，$X_p = H_p^T \in \mathbb{C}^{K \times M}$，$N_p = [n_1^p, \cdots, n_G^p]^T$。

为避免复杂的调度协议和相关延迟，需要根据噪声测量值 ${Y_G^p} {p = 1}^P$ 和已知的导频矩阵 ${S_G^p} {p = 1}^P$ 可靠地估计活跃设备集（ADS）$A$ 和相应的信道向量 ${h_{p,k}} {p = 1}^P, k \in A$，这等价于基于上述公式估计 ${X_p} {p = 1}^P$。