博士生张津铭在IEEE TVT发表ISAC系统贝叶斯信道估计论文

2026年5月，博士生张津铭在戚晨皓教授的指导下，撰写的第一作者论文“Bayesian Channel Estimation with Imperfect Sensing Information for Integrated Sensing and Communication”被IEEE车辆技术学会（Vehicular Technology Society，VTS）旗舰SCI刊物IEEE Transactions on Vehicular Technology录用。论文的第一作者是博士生张津铭同学，第二作者是张津铭的导师戚晨皓教授，第三作者是美国休斯顿大学的Zhu Han教授。

在通信感知一体化系统中，如何更好地利用感知系统对时延和多普勒的估计来辅助通信信道估计，是一个重要的研究问题。基于非完美感知信息的通信信道重构算法，可通过感知参数来重构参数化通信信道，但一旦感知参数存在较大误差，则信道估计误差也会较大。基于非完美感知信息的MMSE通信信道估计算法则利用感知系统对路径时延和多普勒的估计来获取MMSE算法中信道的自相关，但该算法没有深入讨论感知误差对估计性能的影响和如何衡量感知先验信息与通信接收导频信息的准确度。如果感知误差较大，其自相关估计误差也较大，反而会拖累利用通信导频的信道估计。

图1 基于非完美感知信息的贝叶斯通信信道估计算法框架图

针对感知辅助的毫米波OFDM-ISAC系统通信信道估计问题，论文提出了一种基于非完美感知信息的贝叶斯通信信道估计算法。如图1所示，该算法总共包含四步，第一步利用基站感知模块中时延、多普勒和增益的估计误差分布来计算OFDM通信信道频率响应（Channel Frequency Response，CFR）的先验分布；第二步根据信道传输建模计算接收导频关于CFR的条件分布；第三步利用贝叶斯公式，结合实际接收导频，计算通信信道关于导频的条件分布；最后一步使用最大后验或期望最大化准则估计出CFR。相比于基于非完美感知信息的通信信道重构算法，该算法对感知系统参数估计的精度要求较低，并且能够综合考虑感知先验信息与接收导频信息的准确度。相比于基于非完美感知信息的MMSE通信信道估计算法，该算法完整地描述了感知先验信息的分布和该分布如何影响CFR的分布，计算了CFR关于接收导频的条件后验分布，能够定量权衡感知参数误差和导频信号误差对通信信道估计结果的影响，以此来提升通信信道估计的NMSE性能。