博士生陈康建在COMML上发表通感一体化系统联合信道估计论文

2024年6月，课题组的一篇论文“Joint Sparse Bayesian Learning for Channel Estimation in ISAC”，被SCI期刊IEEE Communications Letters（IEEE通信快报）录用。论文的第一作者是博士生陈康建同学，第二作者是陈康建的指导教师戚晨皓教授。该论文研究了通信感知一体化中的信道估计问题，并提出了一种联合稀疏贝叶斯学习（Joint Sparse Bayesian Learning，JSBL）算法以进行通信感知联合信道估计。

如上图所示，在通感一体化系统中，通信散射体可能会被检测为雷达目标，环境中的雷达目标也经常会充当通信散射体。通信散射体和雷达目标之间的关系表明，通信信道和感知信道之间存在联合稀疏性。这启发我们进行通信感知联合信道估计。

为了刻画这种联合稀疏性，论文为通信和感知信道系数构造了一种自适应联合稀疏先验。该先验能够自适应地调节通信感知信道系数之间的耦合关系，以适应实际系统中通信和感知信道间不同大小的公共支撑集。基于构造的先验信息，论文将通信感知联合信道估计问题建立为一个最大后验估计（Maximum A Posteriori，MAP）问题。随后，论文采用期望最大化（Expectation-Maximization，EM）算法来求解该MAP问题。在EM算法的期望（Expectation，E）步，论文计算通信和感知信道系数的稀疏贝叶斯估计值。在EM算法的最大化（Maximization，M）步，论文动态的估计离格信道角度以及先验参数。通过交替地执行E步和M步，JSBL算法最终估计了通信信道和感知信道。仿真结果表明，采用本文的JSBL算法进行通信感知联合信道估计，可以获得优于独立信道估计的性能。