计算机应用

作者：刘占军, 宋云鹏, 王盛宝

单位：1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.移动通信技术重庆市市级重点实验室（重庆邮电大学），重庆 400065

关键词：超大规模多输入多输出,信道估计,混合场,自适应搜索,梯度下降

基金：重庆市自然科学基金创新发展联合基金（中国星网）资助项目(CSTB2023NSCQ-LZX0114)

针对第六代无线通信技术（6G）网络中超大规模多输入多输出（XL-MIMO）系统在混合场信道估计中面临的高复杂度和低精度问题，提出一种自适应梯度匹配追踪（AGMP）算法。首先，利用角域变换矩阵估计远场分量，并利用极域变换矩阵估计近场分量，从而将信道估计问题转化为稀疏重构问题；其次，在估计分量的过程中，采用最小均方（LMS）算法，并结合自适应梯度搜索策略，通过动态调整步长参数优化路径分量估计，并迭代逼近最小均方误差（MMSE）目标，从而优化信道估计过程；最后，通过角域和极域变换矩阵重建整个混合场信道，从而完成混合场信道的精确估计。仿真实验结果表明，在低信噪比（SNR）环境下，与正交匹配追踪（OMP）算法相比，所提算法的可达速率提升了约20.46%。此外，随着用户设备（UE）天线数量的增加，在多天线环境下，所提算法的归一化均方误差（NMSE）相较于OMP算法降低了约1.2 dB。可见，所提算法在低SNR和多天线UE环境下能获得更好的估计性能。

来源：2025年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第12期