具有先验支撑集质量信息的压缩感知及其在带时间相关性的大规模MIMO信道估计中的应用

在本文中，我们考虑了在可用先验支撑集及先验支撑集质量信息情况下的压缩感知（CS）恢复问题。与盲目利用先验支撑集的经典工作不同，我们提出新颖的CS恢复算法，基于质量信息自适应地利用先验支撑集。我们分析了所提算法恢复信号的失真界，并表明更高质量的先验支撑集能带来更好的CS恢复性能。我们还表明，所提算法将在 $\mathcal{O}\left(\log\mbox{SNR}\right)$ 步内收敛。为了容忍可能的模型失配，我们进一步提出了一些鲁棒性设计以对抗不正确的先验支撑集质量信息。最后，我们将所提框架应用于具有时间相关性的大规模MIMO系统中的稀疏信道估计，以进一步降低所需的导频训练开销。