基于稀疏贝叶斯学习的马尔可夫链蒙特卡罗信道估计方法

本发明公开了一种基于稀疏贝叶斯学习的马尔可夫链蒙特卡罗信道估计方法，属于无线通信技术领域。该方法包括以下步骤：将信道估计问题中的未知量建模为随机变量，构建贝叶斯概率图模型；针对信道元素引入结构化混合高斯先验分布，并通过伯努利离散变量将混合高斯先验转化为乘积形式；推导所有变量的条件后验分布，利用多个并行吉布斯采样器进行高维采样，收集收敛样本后求平均得到信道估计值。本发明通过结合稀疏贝叶斯学习与马尔可夫链蒙特卡罗方法，解决了传统压缩感知算法依赖先验信息不足、易陷入局部最优的问题，显著提升了信道估计精度，同时利用并行采样降低计算复杂度，适用于超大规模MIMO系统。