基于稀疏贝叶斯学习的大规模多用户检测算法

作     者：陈平平 王宣达 谢肇鹏 方毅 陈家辉 CHEN Pingping;WANG Xuanda;XIE Zhaopeng;FANG Yi;CHEN Jiahui

作者机构：福州大学先进制造学院福建泉州362251 福建省媒体信息智能处理与无线传输重点实验室福建福州350108 广东工业大学信息工程学院广东广州510006 

基　　金：国家自然科学基金资助项目(No.62171135) 福建省杰出青年基金资助项目(No.2022J06010) 福建省技术创新重点攻关基金资助项目(No.2023XQ004) 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2023年第44卷第10期

页      码：186-197页

摘      要：针对现有算法大都基于高斯逆伽马先验模型的稀疏贝叶斯学习(GIG-SBL),忽略了稀疏解所对应的支撑集向量稀疏性的问题,提出一种基于伯努利高斯逆伽马先验模型的稀疏贝叶斯学习(BGIG-SBL)架构,通过引入一个伯努利先验的二元向量,设计了单测量向量(SMV)的BGIG-SBL-SMV算法,结合支撑集向量的稀疏性提高重构性能。进一步将该算法扩展到多测量向量(MMV)方案,通过共享相同控制稀疏解的超参数,利用MMV的联合稀疏性提出BGIG-SBL-MMV算法。实验结果表明,所提BGIG-SBL-SMV算法相较于传统GIG-SBL-SMV算法,在mMTC用户检测场景可实现2 dB的性能增益;同时,所提BGIG-SBL-MMV算法相对于单测量向量BGIG-SBL-SMV算法,用户检测率和数据检错率的性能增益可达到4 dB,证明了所提算法的优越性。

主 题 词：稀疏贝叶斯学习 压缩感知 多用户检测 海量机器通信 

学科分类：080904[080904] 0810[工学-土木类] 0809[工学-计算机类] 08[工学] 080402[080402] 0804[工学-材料学] 081001[081001] 

核心收录：

D　O　I：10.11959/j.issn.1000-436x.2023204

馆 藏 号：203124234...