4、基于压缩感知的活跃用户检测与信道估计

基于压缩感知的活跃用户检测与信道估计

在大规模接入场景中，高效准确地检测活跃用户并估计信道状态信息（CSI）至关重要。本文将介绍几种基于压缩感知（CS）的活跃用户检测（AUD）和信道估计（CE）方案，并对它们的性能进行分析。

1. 联合AUD和CE方案

由于信道的聚类稀疏性和结构化稀疏性，当将广义多测量向量近似消息传递（GMMV - AMP）算法应用于特定模型时，某些参数会发生相应替换。基于对${\hat{W} p} {p = 1}^{P}$的估计，可以根据特定公式获取${\hat{X} p} {p = 1}^{P}$。活跃设备可以通过基于${\hat{X} p} {p = 1}^{P}$的CG - AD方法或基于$w_{p,k,m}$的置信指标的BI - AD方法进行检测。

• Scheme 1 ：基于模型(2.11)，使用GMMV - AMP算法，G为固定值。
• Scheme 2 ：基于模型(2.12)，使用GMMV - AMP算法，G为固定值。

对于Scheme 1，BI - AD在AUD方面比CG - AD更可靠；而对于Scheme 2，CG - AD更可靠。这是因为在Scheme 2中，多基站天线间的共同稀疏性被破坏，难以找到适合BI - AD的$p_{bi}$，所以将$p_{bi}$设置为$p_{bi}^{ang}=p_{bi}^{spa}S_{a}^{min}/M$。

2. 交替AUD和CE方案

前面的联合AUD和CE