贝叶斯算法在Kronecker结构稀疏向量恢复中的应用及其在IRS-MIMO信道估计中的应用
摘要：基于克罗内克结构字典和克罗内克支持稀疏向量的欠定线性系统的稀疏恢复问题的研究 在稀疏贝叶斯学习 (SBL) 框架中，通过期望最大化方法求解这个问题 我们使用克罗内克结构超参数建模克罗内克结构支持，并采用层次高斯先验分布方式 优化问题采用交替最小化法和基于奇异值分解 (SVD) 的方法求解，得到两种算法 我们理论上保证交替最小化法收敛到 SBL 代价函数的稳定点 虽然基于 SVD 的方法采用了近似方法，但实验证明其更高效准确 然后我们应用算法来估计智能反射面辅助 MIMO 系统中的上行无线信道，并扩展交替最小化法以处理通道的块稀疏性 我们还研究 SBL 代价函数，证明了其最小值对应于稀疏解，并且整合克罗内克结构有助于减少 SBL 代价函数的局部最小值数量 我们的数值结果证明了与现有技术相比，我们的算法的有效性。
作者：Yanbin He and Geethu Joseph
论文ID：2307.14719
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-08-03