基于稀疏贝叶斯学习的AFDM系统相位噪声与非均匀信道估计
计算与语言
2026-04-22 v2 人工智能
机器学习
摘要
在实际的仿射频分复用(AFDM)系统中，振荡器相位噪声(PN)与非均匀分数偏移之间的复杂耦合会使常规估计器陷入严重的高信噪比误差底。为此，我们提出一种基于稀疏贝叶斯学习(SBL)的联合PN和信道估计方法(JPNCE-SBL)。具体而言，首先引入一种低秩子空间投影来捕获Wiener PN过程的主导能量。随后，设计一种动态网格演化策略，以无需计算昂贵的全局网格密化即可消除非均匀误差。两者集成到统一的期望最大化(EM)框架中，在每个迭代中联合更新信道和PN估计，以防止误差传播。仿真结果表明，JPNCE-SBL在NMSE和BER方面显著优于现有基准，尤其在实际PN条件下接近完美信道状态信息(CSI)案例。
引用
@article{arxiv.2604.17857,
title = {On the Emergence of Syntax by Means of Local Interaction},
author = {Zichao Wei},
journal= {arXiv preprint arXiv:2604.17857},
year = {2026}
}