ISAC 系统中联合散射环境感知与数据恢复的双线性子空间变分贝叶斯推断
信号处理
2025-02-11 v2
摘要
本文考虑了上行链路集成传感与通信 (ISAC) 系统中的联合散射环境感知与数据恢复问题。为了便于联合散射体定位和多用户 (MU) 信道估计，我们引入了一个三维 (3D) 位置域稀疏信道模型，以捕捉多用户信道的联合稀疏性（即不同用户信道共享部分重叠的散射体）。然后，该联合问题被表述为一个具有动态位置网格和不完美参数（如时间偏移和用户位置误差）的双线性结构化稀疏恢复问题。我们提出了一种基于期望最大化的 Turbo 双线性子空间变分贝叶斯推断 (EM-Turbo-BiSVBI) 算法来有效解决该问题，其中 E 步通过利用联合稀疏性对位置域稀疏多用户信道进行贝叶斯估计，M 步则通过梯度更新细化动态位置网格并学习不完美因素。我们引入了两种方法，在几乎不牺牲性能和收敛速度的情况下大幅降低复杂度：1) 提出了一种子空间约束的双线性变分贝叶斯推断 (VBI) 方法，以避免任何高维矩阵求逆；2) 将多重信号分类 (MUSIC) 和子空间约束 VBI 方法相结合，以获得粗估计结果，从而缩小搜索范围。仿真验证了所提方案相对于基线方案的优势。
引用
@article{arxiv.2502.00811,
title = {Bilinear Subspace Variational Bayesian Inference for Joint Scattering Environment Sensing and Data Recovery in ISAC Systems},
author = {An Liu and Wenkang Xu and Wei Xu and Giuseppe Caire},
journal= {arXiv preprint arXiv:2502.00811},
year = {2025}
}
备注
15 pages, 12 figures