1. 引言
无线通信在现代社会中变得不可或缺,推动了越来越高效的方案的发展,以在单位时间内传输更大的信息量[1]、[2]。这些系统中的基本性能指标源自香农关于源与目的地之间互信息的经典公式,该公式基于熵[3]。在此,熵量化了随机变量的预期不确定性或平均信息内容,而两个变量之间的互信息则通过个体熵、联合熵和条件熵的组合来表示[4]、[5]。在自由空间场景(无散射体)中,香农的框架将接收信号中的不确定性完全归因于接收机噪声。其互信息在假设高斯噪声引入信号不确定性下进行表征,具体建模为接收端的加性白高斯噪声(AWGN)。似然函数以及发送符号与接收符号之间的条件概率在此高斯框架下推导[6]。当散射体引入多径传播时,统计建模转向随机框架,其中时空特性源于波的叠加和表面相互作用。在此,信道行为由瑞利衰落等分布进行表征,在非视距(NLOS)条件下通过零均值复高斯过程进行建模,以及莱斯衰落,后者纳入了主导的视距(LOS)分量[7]、[8]。纳卡加米分布通过调整衰落严重度参数,同时保持高斯衍生的基础来推广这些分布[9]。对于各向同性散射环境,经典的克拉克/甘斯模型采用高斯统计来表示具有均匀角度的全方向多径到达波[10]。此外,基于几何的随机模型(GBSMs)利用广义高斯分布来量化非各向同性的信道特性[11]、[12]。香农理论无线信道建模的另一个约束是信道在相干期内保持平稳性的理想化假设,这推动了周期性信道估计的需求,以跟踪信道状态信息(CSI)。因此,传统的信道估计方法如最小二乘法(LS)[13]和最小均方误差法(MMSE)通常假设信道在观测区间内严格时不变(静态)[14]。相比之下,实际中的导频方法——涉及周期性发送已知参考信号——基于准静态假设运行:虽然信道是时变的,但其变化速度相对于导频符号发送周期足够缓慢[15]、[16]。


