存在单元增益、相位和位置误差的天线阵列稀疏贝叶斯感知

6G 无线通信系统的感知能力依赖于相控阵天线的精确模型。然而，硬件缺陷会在假定阵列响应与实际阵列响应之间引入失配，从而导致性能下降。为避免这一问题，我们提出一种参数化、基于模型的稀疏贝叶斯学习（SBL）信道估计算法，并集成自校准，可同时考虑天线位置偏差以及增益和相位偏移。该算法基于快速变分 SBL 与字典细化，学习时延和到达方向（DoA）等信道参数，以及每根天线的复权重和位置偏差。我们推导了基于边缘似然的代价函数用于天线位置更新。感知性能以时延和 DoA 的最优子模式分配（OSPA）指标进行评估。在所考虑的单快拍感知场景中，所提方法逼近基于推导出的混合 Cram\'er--Rao 下界（HCRLB）的基准。最后，我们利用合成数据和实测数据研究了检测阈值的影响。在单快拍测量中，对于适当选择的阈值，我们的算法将位置 OSPA 从约 6 m 降至 0.2 m。

中文由 AI 翻译，仅供参考，以原文为准。