Spatially correlated channel estimation based on block iterative support detection for large-scale MIMO
在大规模MIMO系统中，由于MIMO信道维数的大幅增加，具有低导频开销的下行链路信道估计是一个重要且具有挑战性的问题。在这封信中，我们提出了一种基于块迭代支持检测（块ISD）的下行链路信道估计算法，以减少导频开销，这是通过充分利用块稀疏等效信道中固有的块稀疏性从MIMO信道的空间相关性。此外，与依赖于稀疏水平的先验知识的传统压缩感测（CS）算法不同，块ISD放宽了这一苛刻的要求，因此更具有实际吸引力。仿真结果表明，块ISD产生更好的归一化均方误差（NMSE）的性能比经典CS算法，并实现比传统的信道估计技术减少84%的导频开销。
2014-10-20 cs.IT math.IT
Multi-Cell Multi-User Massive FD-MIMO: Downlink Precoding and Throughput Analysis
针对时分双工（TDD）多小区多用户大规模全维MIMO（FD-MIMO）网络，研究了下行链路预编码和功率分配策略。利用信道互易性，消除了DL信道状态信息（CSI）反馈，并且通过经由旋转不变技术（ESPRIT）估计信号参数，将DL多用户MIMO预编码与上行链路（UL）到达方向（DoA）估计相关联。假设UL导频的非正交/非理想扩频序列，UL DoA估计的性能被解析地表征，并且所表征的DoA估计误差被并入到相应的DL预编码和功率分配策略中。仿真结果验证了我们的分析特征的DoA估计的准确性，并表明，所介绍的多用户MIMO预编码和功率分配策略优于现有的基于迫零的大规模MIMO策略。
2018-09-26 cs.IT math.IT
Low-Complexity Message Passing Based Massive MIMO Channel Estimation by Exploiting Unknown Sparse Common Support with Dirichlet Process
研究了大规模MIMO系统中稀疏信道的估计问题。大多数无线信道是稀疏的，具有大的延迟扩展，而可以观察到一些信道在天线阵列的某个区域内具有稀疏的公共支持（SCS），即，根据信道的稀疏支持，天线阵列可以被分组为若干簇。当涉及到大规模MIMO系统中的大量信道估计时，SCS性质是有吸引力的。使用信道的SCS，人们期望更好的性能，但是簇的数量和每个簇的元素在接收机中总是未知的。在本文中，{狄利克雷过程}被利用来建模这样的稀疏信道，其中每个簇中的那些具有SCS。提出了一种基于稀疏贝叶斯学习的低复杂度消息传递算法，在因子图上结合BP和MF进行大规模MIMO系统的信道估计。仿真结果表明，所提出的大规模MIMO稀疏信道估计算法的性能优于现有算法。特别是，它甚至表现出更好的性能比变分贝叶斯方法应用于大规模MIMO信道估计。
2017-04-21 cs.IT math.IT
Channel Estimation for Orthogonal Time Frequency Space (OTFS) Massive MIMO
在高移动性场景中，正交时频空间（OTFS）调制优于正交频分复用（OFDM）。OTFS大规模MIMO的一个挑战是由于大量基站天线而导致的下行链路信道估计。本文提出了一种基于三维结构正交匹配追踪算法的信道估计技术来解决这个问题。首先，我们表明OTFS MIMO信道具有3D结构的稀疏性：正常稀疏性沿延迟维度，块稀疏性沿多普勒维度，和突发稀疏性沿角度维度。基于3D结构化信道稀疏性，我们将下行信道估计问题转化为稀疏信号恢复问题。仿真结果表明，该算法能够以较低的导频开销获得准确的信道状态信息。
2019-03-22 cs.IT math.IT
Super-Resolution Sparse MIMO-OFDM Channel Estimation Based on Spatial and Temporal Correlations
该文提出了一种基于有限新息率（FRI）理论的参数稀疏多输入多输出（MIMO）-OFDM信道估计方法，可以实现任意时延的超分辨率估计。同时，利用无线MIMO信道的空间和时间相关性来提高信道估计的精度。对于无线信道本质上是稀疏的室外通信场景，由于MIMO信道的空间相关性，不同发射-接收天线对的路径延迟共享共同的稀疏模式。同时，由于MIMO信道的时间相关性，在相邻的几个OFDM符号之间，信道稀疏模式几乎不变。通过同时利用这些MIMO信道特性，所提出的方案比现有的最先进的方案性能更好。此外，通过与不同天线相关联的信号的联合处理，可以在FRI理论的框架下减少导频开销。
2015-07-20 cs.IT math.IT
Channel Estimation Techniques for Quantized Distributed Reception in MIMO Systems
物联网（IoT）可以实现云多输入多输出（MIMO）系统的开发，其中支持互联网的设备可以作为分布式传输/接收实体工作。我们预计，使用云MIMO的分布式接收的空间复用将是未来无线通信系统的关键因素。在本文中，我们首先审查实际的接收机的空间复用传输数据的分布式接收的融合中心依赖于量化的接收信号从地理上分离的接收节点。使用这些接收机的结构，我们提出了实用的块衰落的情况下的信道估计技术。所提出的信道估计技术依赖于在接收节点处的非常简单的操作，同时随着训练长度变大而实现接近最优的信道估计性能。
2014-11-30 cs.IT math.IT
Joint Channel-and-Data Estimation for Large-MIMO Systems with Low-Precision ADCs
使用低精度（例如，1-3在非常大的多输入多输出（MIMO）系统中的10位）模数转换器（ADC）是一种降低成本和功耗的技术。然而，在该上下文中，已经示出了仅为了在接收机处获得可接受的信道状态信息（CSI），训练持续时间需要是{ \em非常大}。量化MIMO系统的一个可能的解决方案是联合信道和数据（JCD）估计。本文首先发展了一个分析框架，用于研究使用JCD估计的量化MIMO系统。特别是，我们使用贝叶斯最优推理的JCD估计和实现这种估计利用最近的技术的基础上近似消息传递。基于大系统分析的副本方法，然后通过推导的JCD估计的渐近性能。仿真结果证实了我们的理论研究结果，并揭示了JCD估计器可以提供一个显着的增益比传统的导频在量化MIMO系统中的唯一方案。
2015-01-22 cs.IT math.IT
Deep Learning Based Joint Pilot Design and Channel Estimation for Multiuser MIMO Channels
本文提出了一种基于深度学习（DL）技术的多用户多输入多输出（MIMO）信道联合导频设计和信道估计方案。为此，我们使用两层神经网络（TNNs）和使用深度神经网络（DNNs）的信道估计器构建导频设计器，它们被联合训练以最小化信道估计的均方误差（MSE）。为了有效地减少多用户间的干扰，我们还使用连续干扰消除（SIC）技术在信道估计过程中。数值结果表明，该方案大大优于国家的最先进的线性最小均方误差（LMMSE）的信道估计方案。
2018-12-10 cs.IT math.IT
Structured Turbo Compressed Sensing for Downlink Massive MIMO-OFDM Channel Estimation
压缩感知已经被用于减少无线通信系统中的信道估计的导频开销。特别地，结构化turbo压缩感知（STCS）提供了用于结构化稀疏信号恢复的通用框架，其具有降低的计算复杂性和存储要求。本文研究了频分复用（FDD）下行链路中大规模多输入多输出（MIMO）正交频分复用（OFDM）信道估计问题。利用大规模MIMO-OFDM信道在角频域（AFD）和角时延域（ADD）的结构稀疏性，采用AFD和ADD概率模型表示信道，并在STCS框架下设计基于消息传递的信道估计器。利用结构稀疏性，提出了几种基于空时编码的MIMO-OFDM信道估计算法。我们表明，与其他现有的算法相比，所提出的算法具有更快的收敛速度，并在广泛的仿真设置下实现竞争力的错误性能。
2018-11-08 cs.IT math.IT
Adaptive MIMO Channel Estimation using Sparse Variable Step-Size NLMS Algorithms
针对多输入多输出（MIMO）信道估计问题，将不变步长归一化最小均方（ISSNLMS）算法应用于自适应信道估计（ACE）。由于宽带信号传输，MIMO信道通常由稀疏信道模型描述，因此可以通过使用稀疏ISS-NLMS算法的自适应稀疏信道估计（ASCE）方法来利用这种稀疏性。众所周知，步长是控制算法稳定性、估计性能和计算成本三个方面的关键参数。以往的方法虽然能充分利用信道稀疏性，但步长保持不变，无法很好地平衡这三个方面，容易造成估计性能的损失或不稳定。在本文中，我们提出了两个稳定的稀疏可变步长NLMS（VSS-NLMS）算法，以提高MIMO信道估计的准确性。首先，推导了MIMO系统中估计MIMO信道的ASCE公式。其次，对ASCE的VSS-NLMS算法引入了不同的稀疏惩罚。此外，稀疏ISSNLMS算法和稀疏VSS-NLMS算法之间的差异进行了解释。最后，为了验证所提出的算法的有效性ASCE，几个选定的仿真结果表明，所提出的稀疏VSS-NLMS算法可以实现更好的估计性能比传统的方法，通过均方误差（MSE）和比特出错率（BER）的指标。
2014-07-23 cs.IT math.IT
Subspace Tracking Algorithms for Millimeter Wave MIMO Channel Estimation with Hybrid Beamforming
本文提出了使用子空间跟踪算法在毫米波（mmWave）频率执行MIMO信道估计。使用子空间的方法，我们开发了一个协议，使估计的权利（分别。左）发射机处的奇异向量（分别为接收器）侧;在此基础上，我们将收缩投影近似子空间跟踪算法（PASTd）和正交Oja算法（OOJA）引入到本文的信道估计框架中，得到了两种信道估计算法。在算法设计阶段也明确考虑了波束形成器的混合模拟/数字性质。数值结果表明，所提出的估计算法是有效的，他们表现得更好，比两个相关的竞争替代品在公开文献中。
2017-04-22 cs.IT math.IT
Spatial Channel Covariance Estimation for the Hybrid MIMO Architecture: A Compressive Sensing Based Approach
空间信道协方差信息可以代替整个信道矩阵的全部知识，用于设计混合多输入多输出（MIMO）架构中的模拟预编码器。然而，空间信道协方差估计对于混合MIMO架构是具有挑战性的，因为在基带处操作的估计器只能通过比天线更少的射频（RF）链来获得更低维的预组合信号。在本文中，我们提出了两种基于压缩感知技术的协方差估计方法。一种是应用时变传感矩阵，另一种是利用协方差矩阵是Hermitian的先验知识。通过理论分析和数值仿真验证了这两种方法的优越性。最后，我们提出的算法从窄带大规模MIMO系统与一个单一的接收天线到宽带系统与多个接收天线的文件。
2017-11-11 cs.IT math.IT
Deterministic Sequences for Compressive MIMO Channel Estimation
研究了压缩多输入多输出（MIMO）信道估计中的导频设计问题。特别是，我们感兴趣的是同时估计多个发射机的信道时，导频序列短于组合的信道。现有的工作表明，从压缩感知理论的工具，可以产生准确的多信道估计，每个导频序列是随机产生的。在这里，我们建议从一小组确定性序列中为每个发射机构建导频序列。我们推导出一个理论上的导频序列的长度，以保证高概率的多信道估计的下限。仿真结果证明了所提出的方法的性能。
2013-11-02 cs.IT math.IT
Covariance Matrix Estimation in Massive MIMO
在上行链路训练阶段期间的干扰显著地恶化大规模MIMO系统的性能。可以通过利用信道矢量的二阶统计来减少干扰的影响，例如，以获得信道的最小均方误差估计。在实际应用中，必须估计信道协方差矩阵。协方差矩阵的估计也受到训练阶段干扰的阻碍。然而，协方差矩阵的相干间隔大于信道向量的相干间隔。这使我们能够获得准确的协方差矩阵估计的方法，通过适当的分配导频序列的用户在连续的信道相干间隔。
2018-02-16 cs.IT math.IT
Channel Estimation for One-Bit Massive MIMO Systems Exploiting Spatio-Temporal Correlations
大规模多输入多输出（MIMO）可以显著提高系统的整体性能。然而，大规模MIMO系统可能需要大量的射频（RF）链，这可能导致高成本和功耗问题。解决这些问题的一种有前途的方法是在基站处使用低分辨率模数转换器（ADC）。然而，通过使用低分辨率ADC，信道估计成为一项困难的任务。本文讨论了大规模MIMO系统中使用一位ADC的信道估计问题时，信道的空间和时间相关。基于Bussgang分解，其将非线性一比特量化重新公式化为统计上等效的线性算子，通过假设量化噪声遵循高斯分布，使用卡尔曼滤波器来估计空间和时间相关信道。数值结果表明，该方法可以通过适当利用信道的空间和时间相关性，显着提高信道估计质量。
2018-08-21 cs.IT math.IT
Simplified Frequency Offset Estimation for MIMO OFDM Systems
针对频率选择性衰落信道下的多输入多输出（MIMO）正交频分复用（OFDM）系统，提出了一种简化的频偏估计方法。利用Chu序列构造的训练序列具有良好的相关性，通过对代价函数的导数进行因子分解得到载波频偏估计，大大降低了计算复杂度。推导了频偏估计的均方误差（MSE），以优化简化估计器的关键参数，并评估估计器的性能。仿真结果证实了训练辅助CFO估计器的良好性能。
2017-03-21 cs.IT math.IT
A joint channel estimation and beamforming separation principle for massive MIMO systems
本文证明在多用户 MIMO 系统中，将波束成形与信道估计分离在一般条件下不损失最优性，最优处理可分解为 MMSE 信道估计与 MMSE 波束成形，适用于集中式和分布式架构。
2025-07-11 cs.IT math.IT
Frequency-domain Compressive Channel Estimation for Frequency-Selective Hybrid mmWave MIMO Systems
信道估计在毫米波（mmWave）MIMO通信系统中是有用的。信道状态信息允许在诸如互信息或信号干扰噪声（SINR）比的不同度量下优化预编码器和组合器的设计。在毫米波，MIMO预编码器和组合器通常是混合的，因为这种架构提供了一种权衡功耗和可实现速率的方法。然而，当使用这些架构时，信道估计是具有挑战性的，因为不存在对阵列中的不同天线元件的输出的直接存取。MIMO信道只能通过模拟组合网络来观察，模拟组合网络充当接收信号的压缩级。大多数关于混合架构的信道估计的现有工作假设频率平坦的毫米波信道模型。在本文中，我们考虑了频率选择性毫米波信道，并提出了基于压缩感知的策略，以估计在频域中的信道。我们评估不同的算法，并计算其复杂性，暴露权衡复杂性开销性能相比，以前的方法。
2017-04-27 cs.IT math.IT
Constant Envelope Pilot-Based Low-Complexity CFO Estimation in Massive MU-MIMO Systems
本文研究了大规模多输入多输出（MIMO）系统中基于恒包络导频信号的载波频偏估计。该算法对基站天线接收到的导频信号的周期图进行空间平均。我们的研究表明，所提出的算法的复杂度只有线性的$M$（基站天线的数量）。此外，我们的分析和数值模拟还表明，在固定的用户数和固定的导频长度，所需的最小发射导频功率随着$M$的增加而减小为$\frac{1}{\sqrt{M}}$，同时保持固定的期望均方误差（MSE）的CFO估计。
2016-05-05 cs.IT math.IT
Optimal Joint Target Detection and Parameter Estimation By MIMO Radar
我们考虑宽间距天线的多输入多输出（MIMO）雷达系统。这样的天线配置便于捕获由于目标散射体的独立信号色散而导致的固有分集增益。我们认为一个新的MIMO雷达框架检测目标，位于一个未知的位置。这与传统的MIMO雷达形成对比，传统的MIMO雷达将空间分成小的小区，并且旨在检测指定小区中目标的存在。我们对待这个问题，通过提供一个新的复合假设检验框架的目标检测时，（i）一个或多个参数的目标是未知的，我们有兴趣估计它们，（ii）只有有限数量的观测。所提供的测试优化了一个度量，该度量同时考虑了检测和估计精度。在本文中，作为感兴趣的参数，我们专注于从发射天线发射的波形，直到被观察到的接收天线的时间延迟的向量。分析和实验结果表明，对于由多个独立散射体组成的扩展目标，MIMO雷达的联合目标检测和时延估计性能优于相控阵雷达。然而，对于被建模为单个散射体的点目标，MIMO和相控阵雷达对于这种特定设置（联合目标检测和时延估计）的检测/估计精度是相当的。
2009-08-07 cs.IT math.IT
A Convex Demixing Approach for Hybrid-Field Channel Estimation of XL-MIMO Systems via Atomic Norm Minimization
本文针对XL-MIMO混合场信道估计问题，在原子范数最小化框架下提出凸解混方法，通过最小化远场与近场原子范数加权和并转化为半定规划求解，实验表明其性能优于现有方法。
2025-09-23 cs.IT math.IT
Isotropic MIMO Interference Channels without CSIT: The Loss of Degrees of Freedom
研究了在各向同性衰落信道下的两用户MIMO干扰信道。我们假设用户配备了任意数量的天线和信道状态信息（CSI）是在接收机只。获得了自由度区域的外边界，这表明在许多情况下由于在发射机处缺乏CSI而导致自由度的损失。
2009-10-15 cs.IT math.IT
Wideband Massive MIMO Channel Estimation via Sequential Atomic Norm Minimization
最近推出的原子范数最小化（ANM）的参数估计框架是一个有前途的候选人对无线通信中的低开销信道估计。然而，以前的工作ANM为基础的信道估计评估性能的信道与人为强加的信道路径分离，这在实践中不能保证。此外，由于大的维度，直接应用ANM框架进行大规模MIMO信道估计在计算上是不可行的。本文提出了一种低复杂度的基于自适应神经网络的宽带大规模MIMO信道估计算法，包括两个连续的步骤，第一步是在空间维度上估计信道，第二步是在频率维度上估计信道。其均方误差性能的分析特点是在紧的下限。结果表明，该算法实现了优良的性能，接近最好的，可以通过任何无偏信道估计器在低到中等数量的信道路径的制度，没有任何限制，其可分性。
2018-09-03 cs.IT math.IT
Multichannel group sparsity methods for compressive channel estimation in doubly selective multicarrier MIMO systems (extended version)
我们考虑在双选择性MIMO信道上传输的脉冲成形多载波多输入多输出（MIMO）系统中的信道估计。这种设置包括作为特殊情况的MIMO正交频分复用（MIMO-OFDM）系统。我们发现，在延迟-多普勒域的分量信道往往表现出近似的联合组稀疏结构。然后，我们开发了一个压缩信道估计，利用这种结构，以提高性能。提出的信道估计器使用多通道组稀疏压缩感知的方法，它结合了组稀疏压缩感知和多通道压缩感知的方法。我们推导了信道估计误差的上界，并分析了估计器的计算复杂性。通过引入基础扩展产生增强的联合组稀疏性，以及基础优化算法，该算法能够利用先前的统计信息，如果可用的话，估计器的性能进一步提高。使用基于几何的信道模拟器的模拟表明，由于利用联合组稀疏性和优化的基础的性能增益。
2016-08-01 cs.IT math.IT
Massive MIMO Channel Estimation for Millimeter Wave Systems via Matrix Completion
实现定向波束形成的毫米波（mmWave）大规模多输入多输出（MIMO）系统需要对无线传播信道进行可靠的估计。然而，毫米波信道的特征在于高可变性，这严重挑战了它们在短训练周期内的恢复。现有的信道估计技术利用了波束域的信道稀疏性或天线域的低秩特性，但仍然需要大量的训练符号来获得满意的性能。在本文中，我们提出了一种新的信道估计算法，联合利用毫米波信道的后两个属性，以提供更准确的恢复，特别是对于较短的训练间隔。所提出的迭代算法是基于交替方向乘法（ADMM），并提供了全局最优解所考虑的凸毫米波信道估计问题的快速收敛性能。
2019-06-06 cs.IT math.IT
Directional Spatial Channel Estimation For Massive FD-MIMO in Next Generation 5G Networks
发射端全维信道状态信息（CSIT）一直是限制蜂窝多输入多输出（MIMO）网络频谱效率的主要因素。该文提出了一种频分双工大规模频分MIMO系统中的频分方向空间信道估计算法。所提出的算法使用每个用户设备的上行链路（UL）和下行链路（DL）信道之间的统计空间相关性。它将UL通道在空间上分解为方位角和高程维度，以估计阵列主要接收响应。构建FD空间旋转矩阵以根据UL和DL信道之间的频带间隙来估计DL信道的对应发射响应。所提出的算法表现出显着有前途的性能，接近理想的完美CSIT的情况下，没有UL反馈开销。
2018-06-10 cs.IT math.IT
Diffusive MIMO Molecular Communications: Channel Estimation, Equalization and Detection
在基于扩散的通信中，对于分子系统，由于扩散的随机性，可实现的数据率很低，扩散表现出严重的符号间干扰（ISI）。多输入多输出（MIMO）复用以链路间干扰（ILI）为代价来提高数据率。本文研究了扩散MIMO（D-MIMO）系统中基于训练的信道估计方法和相应的均衡方法。推导了平均信道的最大似然估计和最小二乘估计，并设计了训练序列以使均方误差（MSE）最小。数值验证方面的MSE进行了比较Cramer-Rao界推导这里。均衡基于判决反馈均衡器（DFE）结构，因为这在减轻扩散ISI/ILI方面是有效的。迫零，最小均方误差和最小二乘准则已配对的DFE，和他们的性能进行评估的比特错误概率。由于D-MIMO系统由于发射机间距离短而受到ILI的严重影响，因此利用D-MIMO时间交织作为对策来减轻ILI，并具有显着的性能改善。探讨了D-MIMO系统中包括训练和数据均衡的块型通信的可行性，并对系统级性能进行了数值推导。
2019-04-25 cs.IT math.IT
Structured Compressive Sensing Based Spatio-Temporal Joint Channel Estimation for FDD Massive MIMO
大规模MIMO由于其高频谱和能量效率而成为未来5G通信的一种有前途的技术。为了实现其潜在的性能增益，准确的信道估计是必不可少的。然而，由于基站（BS）处的大量天线，传统信道估计方案所需的导频开销将是无法承受的，特别是对于频分双工（FDD）大规模MIMO。为了克服这个问题，我们提出了一种基于结构化压缩感知（SCS）的时空联合信道估计方案，以减少所需的导频开销，从而利用延迟域MIMO信道的时空公共稀疏性。特别地，我们首先提出在CS理论的框架下，在BS处的非正交导频，以减少所需的导频开销。然后，提出了一种用户端自适应结构子空间追踪（ASSP）算法，利用有限导频对多个OFDM符号的信道进行联合估计，从而利用MIMO信道的时空共同稀疏性提高信道估计精度。此外，通过利用信道的时间相关性，我们提出了一个空时自适应导频方案，以进一步减少导频开销。此外，我们还讨论了多小区情况下的信道估计方案。仿真结果表明，该方法能够在降低导频开销的情况下准确估计信道，并能逼近最优的oracle最小二乘估计器。
2016-04-23 cs.IT math.IT
Pilot Beam Sequence Design for Channel Estimation in Millimeter-Wave MIMO Systems: A POMDP Framework
本文研究了大容量毫米波MIMO系统中用于信道估计的自适应导频波束序列设计问题。通过利用具有虚拟信道表示的mmWave MIMO信道的稀疏性并对视线（LOS）和反射簇的物理移动施加马尔可夫随机游走假设，示出了大型mmWave MIMO系统中的稀疏信道估计问题简化为在二维矩形网格中找到非零值bin的位置和值的顺序检测问题，而最优自适应导频设计问题可以归结为部分可观测马尔可夫决策过程（POMDP）的框架。在POMDP框架下，得到了一种最优自适应导频波束序列设计方法，以最大化给定时间段内的累积传输数据率。数值结果验证了我们的导频信号的设计方法，他们表明，所提出的方法产生良好的性能。
2014-09-30 cs.IT math.IT
Reduced Complexity Angle-Doppler-Range Estimation for MIMO Radar That Employs Compressive Sensing
作者最近提出了一种由小型无线网络实现的MIMO雷达系统。通过在接收节点处应用压缩感知（CS），MIMO雷达超分辨率可以用比传统方法少得多的观测值来实现。这以前的工作考虑了到达方向和多普勒的估计。由于目标在角速度空间中是稀疏的，因此可以通过求解l1最小化问题来提取目标信息。本文通过在具有CS的MIMO雷达中引入步进频率来利用距离信息。该方法在提高距离分辨力的同时，也提高了模糊速度。然而，联合角度多普勒距离估计需要离散化的角度多普勒距离空间，这会导致急剧上升的计算负担的l1最小化问题。为了保持一个可接受的复杂度，提出了一种技术，连续估计角度，多普勒和范围在一个解耦的方式。所提出的方法可以显着降低复杂性，而不牺牲性能。
2009-12-05 cs.IT math.IT
Distributed Compressive CSIT Estimation and Feedback for FDD Multi-user Massive MIMO Systems
为了充分利用大规模MIMO的空间复用增益或阵列增益，必须在发射端获得信道状态信息（CSIT）。然而，传统的CSIT估计方法不适合FDD大规模MIMO系统，因为压倒性的训练和反馈开销。在本文中，我们考虑多用户大规模MIMO系统，并部署压缩感知（CS）技术，以减少训练以及CSIT估计的反馈开销。多用户大规模MIMO系统由于物理传播环境中共享的局部散射点，在用户信道矩阵中表现出隐藏的联合稀疏结构。因此，而不是天真地应用传统的CS的CSIT估计，我们提出了一个分布式压缩CSIT估计方案，使压缩的测量在用户本地观察，而CSIT恢复在基站联合执行。提出了一种联合正交匹配追踪恢复算法，利用用户信道矩阵中隐藏的联合稀疏性进行CSIT恢复。我们分析所获得的CSIT质量的归一化平均绝对误差，并通过封闭形式的表达式，我们获得简单的见解如何联合信道稀疏性可以被利用，以提高CSIT恢复性能。
2014-05-12 cs.IT math.IT
Spatial-Temporal BEM and Channel Estimation Strategy for Massive MIMO Time-Varying Systems
针对时变环境下的多用户大规模多输入多输出（MIMO）系统，提出了一种新的信道估计方法。我们引入了一种离散傅里叶变换（DFT）辅助的空时基扩展模型（ST-BEM）来降低上下行信道的有效维数，从而大大降低了训练开销和反馈开销。新提出的ST-BEM由于角度互易性而适用于时分双工（TDD）系统和频分双工（FDD）系统，并且可以通过快速傅立叶变换（FFT）有效地部署。各种数值结果证实了所提出的研究。
2016-10-29 cs.IT math.IT
Sparse Channel Estimation for MIMO-OFDM Amplify-and-Forward Two-Way Relay Networks
准确的信道脉冲响应（CIR）是相干检测所必需的，并且它还可以帮助改善下一代无线通信系统中的通信服务质量。多输入多输出正交频分复用（MIMO-OFDM）放大转发双向中继网络（AF-TWRN）就是其中一种先进的系统。线性信道估计方法，例如，最小二乘（LS），已被提出来估计CIR。然而，这些方法从未利用信道稀疏性，从而导致性能损失。本文提出了一种稀疏信道估计方法，以利用每个最终用户CIR中的稀疏结构信息。利用稀疏分解理论将稀疏信道估计问题转化为压缩感知问题，并采用LASSO算法实现信道估计过程。通过计算机模拟验证了该方法优于基于最小二乘的信道估计方法。
2013-02-06 cs.IT math.IT
Two-Phase Channel Estimation for RIS-Aided Cell-Free Massive MIMO with Electromagnetic Interference
本文研究了存在电磁干扰的RIS辅助无小区大规模MIMO系统，提出了一种结合分数功率控制辅助导频分配的两阶段信道估计方案，推导了下行链路频谱效率闭式表达式，有效补偿了电磁干扰引起的性能下降。
2024-07-15 cs.IT math.IT
On the relaxed maximum-likelihood blind MIMO channel estimation for orthogonal space-time block codes
本文研究了当信号星座图的有限字母约束放松时，采用正交空时分组码的MIMO系统的最大似然信道估计。我们研究了由该方法产生的信道系数估计子空间。我们提供了一个代数表征这个子空间的优化问题变成一个纯粹的代数，更重要的是，导致几个有趣的分析证明。我们证明，概率为1，信道系数的估计子空间的维数是确定性的，它通过增加接收天线的数量减少到一定的临界接收天线数量，之后的维数保持不变。事实上，我们表明，超过这个临界数量的接收天线，信道系数的估计子空间是等距的一个固定的确定性不变的空间，可以很容易地计算每个特定的OSTB码。
2020-05-25 cs.IT math.IT
Design and Analysis of Downlink Channel Estimation Based on Parametric Model for Massive MIMO in FDD Systems
研究了基于频分双工（FDD）的大规模多输入多输出（MIMO）系统下行链路信道估计问题。为了减少FDD系统中下行链路信道估计和上行链路反馈的开销，级联预编码已经被用于大规模MIMO中，使得仅需要估计和反馈低维有效信道。另一方面，传统的信道估计由于缺乏信道的先验知识，很难达到最小均方误差（MMSE）性能。本文设计并分析了一种基于级联预编码的大规模MIMO系统参数模型的下行信道估计策略。对于参数模型，信道频率响应使用路径延迟和相关联的复振幅来表示。上行链路信道的路径延迟首先在基站处被估计和量化，然后通过专用前馈链路被前馈到用户设备（UE）。以这种方式，UE可以提前获得下行链路信道的先验知识，因为已经证明下行链路和上行链路信道可以具有相同的路径延迟。我们的分析和仿真结果表明，所提出的方法可以达到接近MMSE性能。
2016-08-22 cs.IT math.IT
Spatial Oversampling in LOS MIMO Systems with 1-Bit Quantization at the Receiver
在本文中，我们研究的LOS MIMO系统，使用1位量化和空间过采样在接收端的可达到的速率。我们建议，通过使用额外的天线在接收端，所产生的损失，由于量化的强限制，可以减少。互信息的结果表明，相当大的速率增益可以实现依赖于天线的数量和安排。在某些情况下，甚至可以获得来自发射机的全部可用速率。此外，结果还表明，二维天线阵列可以受益于空间过采样比一维阵列，当使用1位量化在LOS MIMO场景。
2017-02-10 cs.IT math.IT
Bayes-Optimal Joint Channel-and-Data Estimation for Massive MIMO with Low-Precision ADCs
本文考虑了一种具有极低精度模数转换器（ADC）的多输入多输出（MIMO）接收机，其目标是开发需要最小成本和功耗的大规模MIMO天线系统。先前的研究表明，训练持续时间应该是{ \em相对较长}，以获得可接受的信道状态信息。为了解决这个问题，我们采用了联合信道和数据（JCD）估计方法的基础上贝叶斯最优推理。该方法相对于信道和有效载荷数据产生最小均方误差。我们开发了一个贝叶斯最优的JCD估计使用最近的技术的基础上近似消息传递。然后，我们提出了一个分析框架，研究在大系统极限的估计的理论性能。仿真结果证实了我们的分析结果，这使得量化的大规模MIMO系统的性能的有效评估，并提供有效的系统设计的见解。
2015-12-07 cs.IT math.IT
An Asymptotic Bound on Estimation and Prediction of Mobile MIMO-OFDM Wireless Channels
在本文中，我们推导出一个渐近封闭形式的表达式外推双选择性移动MIMO无线信道的误差界。该界限示出了预测误差与系统设计参数（诸如带宽、天线元件的数量以及频率和时间导频的数量）之间的关系，从而提供了对这些参数对预测性能的影响的有用的见解。数值模拟表明，渐近界提供了一个很好的近似先前推导的界限，同时消除了需要重复计算和依赖于信道参数，如到达角和出发角，延迟和多普勒频移。
2014-07-24 cs.IT math.IT
Channel Estimation for Millimeter-Wave Massive MIMO with Hybrid Precoding over Frequency-Selective Fading Channels
针对毫米波大规模MIMO在频率选择性衰落信道下的信道估计难题，提出一种基于分布式压缩感知和自适应网格匹配追踪的多用户上行链路信道估计方案，有效解决了连续AoA/AoD导致的功率泄漏问题。
2023-10-19 cs.IT math.IT
Subspace Estimation and Decomposition for Hybrid Analog-Digital Millimetre-Wave MIMO systems
在这项工作中，我们解决了所谓的混合毫米波（mmWave）MIMO架构的信道估计和预编码/组合的问题。我们提出的信道估计方案利用TDD MIMO系统中的信道互易性，通过使用回波，从而使我们能够以完全分布式的方式实现Krylov子空间方法。后者的结果是估计正确的（resp。左）发射机处的信道的奇异子空间（分别接收器）。此外，我们还解决了子空间分解的问题，从而估计的权利（resp。左）奇异子空间由模拟和数字预编码器（分别为combiner），使用迭代法。最后，我们将我们的方案与等效的全数字情况进行比较，并得出结论，可以实现相对相似的性能，但是，RF链的数量大大减少-少4 ~ 8倍（即，大量节省成本和功耗）。
2016-06-28 cs.IT math.IT
FFDNet-Based Channel Estimation for Massive MIMO Visible Light Communication Systems
信道估计在大规模多输入多输出（m-MIMO）可见光通信（VLC）系统中至关重要。为了解决这一问题，提出了一种快速灵活的基于去噪卷积神经网络（FFDNet）的m-MIMO VLC系统信道估计方法。由于m-MIMO VLC信道具有稀疏性的特点，因此其信道矩阵被识别为二维自然图像。利用支持深度学习的图像去噪网络FFDNet从大量训练数据中学习并估计m-MIMO VLC信道。仿真结果表明，我们提出的基于FFDNet的信道估计明显优于基于最小均方误差的基准方案。
2019-11-18 cs.IT eess.SP math.IT
Compensation of IQ-Imbalance and Phase Noise in MIMO-OFDM Systems
射频损伤对无线通信系统性能的影响在MIMO-OFDM传输中更为明显。IQ不平衡和相位噪声是严重限制MIMO-OFDM收发器性能的两个最常见的损伤。低复杂度的估计和补偿技术，可以共同消除这些损害的影响是非常可取的。在本文中，我们提出了一个简单的联合估计和补偿技术估计多径慢衰落信道下的MIMO-OFDM系统的信道，相位噪声和IQ不平衡参数。提出了一种子载波复用的前导码结构，以最小的开销估计信道和损伤参数，并将其用于IQ不平衡参数的估计以及包含公共相位误差（CPE）的有效信道矩阵的初始估计。然后，我们使用一种新的跟踪方法的基础上的二阶统计的载波间干扰（ICI）和噪声更新整个OFDM帧的有效信道矩阵。仿真结果表明，所提出的低复杂度估计和补偿技术可以有效地改善MIMO-OFDM系统的误比特率（BER）性能。
2012-09-01 cs.IT math.IT
Joint Data-Aided Carrier Frequency Offset, Phase Offset, Amplitude and SNR Estimation for Millimeter-Wave MIMO Systems
本文研究了毫米波收发器之间载波频偏、相位偏移、幅度和信噪比的估计问题。首先给出不同参数的Cramér-Rao下界（CRLB），以及CRLB存在的条件，称为正则性条件。然后，讨论了如何找到合适的参数估计量的问题，并给出了最大似然估计量（ML）。
2017-12-16 cs.IT math.IT
Composite Channel Estimation in Massive MIMO Systems
我们考虑一个多用户（MU）多输入多输出（MIMO）时分双工（TDD）系统中，基站（BS）配备了大量的天线与单天线移动用户进行通信。在这样的系统中，BS必须通过上行链路导频来估计包括大尺度衰落系数（LSFC）和小尺度衰落系数（SSFC）的信道状态信息（CSI）。虽然关于前FC的信息在MU-MIMO或分布式MIMO系统中是必不可少的，但是在处理MIMO CSI估计问题时，它们通常被忽略或被假定为完全已知。我们利用大规模MIMO BS的大空间样本，在缺乏SSFC信息的情况下推导出准确的LSFC估计。与估计的LSFC，SSFC，然后获得使用降秩（RR）的信道模型，在本质上转换成一个较低的维度表示的信道向量。我们分析了所提出的复合信道估计器的均方误差（MSE）性能，并证明了RR模型提供的可分离到达角（AoA）信息有利于提高估计器的性能，特别是当上行链路信号的角度扩展不是太大时。
2013-12-04 cs.IT math.IT
Interference Cancellation Information Geometry Approach for Massive MIMO Channel Estimation
本文提出用于大规模MIMO信道估计的干扰消除信息几何方法，通过构造与MMSE估计同均值的修正形式并利用BSCM和FFT降低复杂度，在保持相近性能的同时实现低复杂度估计。
2024-07-01 cs.IT math.IT
Beamspace Channel Estimation for Millimeter-Wave Massive MIMO Systems with Lens Antenna Array
通过采用透镜天线阵列，波束空间MIMO可以利用波束选择来减少毫米波大规模MIMO系统中所需的RF链的数量，而不会有明显的性能损失。然而，要实现接近容量的性能，波束选择需要大尺寸波束空间信道的准确信息，这是一个挑战，特别是当RF链数量有限时。为了解决这个问题，在本文中，我们提出了一种基于可靠支持检测（SD）的信道估计方案。具体来说，我们建议将总波束空间信道估计问题分解为一系列子问题，每个子问题只考虑一个稀疏信道分量。对于每个通道组件，我们首先利用毫米波波束空间通道的结构特征可靠地检测其支持。然后，从总波束空间信道估计问题中去除该信道分量的影响。在检测到所有信道分量的支持度后，稀疏波束空间信道的非零元素可以以较低的导频开销进行估计。仿真结果表明，提出的基于SD的信道估计方法优于传统的信道估计方法，即使在低信噪比区域也具有令人满意的精度。
2016-07-18 cs.IT math.IT
Channel Estimation for TDD/FDD Massive MIMO Systems with Channel Covariance Computing
本文提出了一种新的TDD/FDD大规模MIMO系统信道估计方案，该方案通过利用阵列信号处理技术重构上下行信道协方差矩阵（CCM）来实现。具体地，从瞬时上行链路信道状态信息（CSI）中提取每个多径信道的角度信息和功率角谱（PAS）。然后，重建上行链路CCM，并可以用于改善上行链路信道估计，而无需任何额外的训练成本。由于上行链路和下行链路信道之间的角度互易性以及PAS互易性，即使对于FDD大规模MIMO系统，也可以用类似的方法来推断下行链路CCM。然后，下行链路瞬时CSI可以通过向每个用户的主导特征方向训练来获得。所提出的策略适用于任何类型的PAS分布和阵列几何形状。数值结果表明，所提出的方法优于现有的。
2017-10-02 cs.IT math.IT
Frequency Offset Estimation and Training Sequence Design for MIMO OFDM
研究了频率选择性衰落信道下多输入多输出（MIMO）正交频分复用（OFDM）系统的载波频偏估计和训练序列设计问题。通过利用训练序列在频域的正交性，估计整数CFO（ICFO）。{With训练序列中均匀间隔的非零导频}和相应的几何映射，通过实多项式的根来估计分数CFO（FCFO）。进一步给出了训练序列保证估计可辨识性的条件。通过对训练序列相关性的分析，构造了两类由Chu序列生成的次优训练序列。仿真结果验证了所提出的训练序列辅助的CFO估计器的良好性能。
2017-03-22 cs.IT math.IT
Auxiliary Beam Pair Enabled AoD and AoA Estimation in Closed-Loop Large-Scale mmWave MIMO Systems
信道估计在毫米波多输入多输出（MIMO）系统中至关重要。由于使用大型天线阵列，需要低复杂度的毫米波特定信道估计算法。在本文中，提出了一种辅助波束对设计，以提供高分辨率的估计信道的出发角（AoD）和到达角（AoA）的毫米波MIMO系统。通过相对于每个辅助波束对执行幅度比较，由接收器获得表征信道的AoD和AoA的一组比率测量。最佳比率测量或估计的AoD被量化并经由反馈信道反馈到发射机。所提出的技术可以被纳入控制信道设计，以最小化初始接入延迟。虽然设计原则是假设高功率制度，更现实的假设下的评估表明，通过采用所提出的方法，良好的角度估计性能是在各种信噪比水平和信道条件下实现的。
2016-12-22 cs.IT math.IT
Channel Estimation and Data Equalization in Frequency-Selective MIMO Systems with One-Bit Quantization
本文研究了频率选择性1比特量化多输入多输出（MIMO）系统的信道估计和数据均衡。没有联合处理或信道状态信息假设在发射机，因此我们的研究结果也适用于多用户MIMO系统的上行链路。正交频分复用（OFDM）和单载波方案的系统模型的开发。导出了估计问题的一个Cramér-Rao下界。采用期望最大化（EM）和广义近似消息传递（GAMP）两种非线性算法求解该问题，并基于Bussgang定理提出了一种线性算法。在OFDM的情况下，线性方法实现了子载波方式的估计，大大降低了计算复杂性。通过仿真比较了不同设置下的算法。在低信噪比（SNR）区域，其结果接近Cramér-Rao界。OFDM设置更适合于非线性算法，而线性方法相对于非线性方法会导致性能损失。在相关的低SNR和中SNR区域中，损失达到2-3 dB，并且可以很好地证明以减少计算工作量为交换，特别是在大规模MIMO设置中。
2021-03-07 cs.IT math.IT
Distributed Compressive Sensing Based Doubly Selective Channel Estimation for Large-Scale MIMO Systems
大规模多输入多输出（MIMO）系统中的双选择性（DS）信道估计是一个具有挑战性的问题，由于无法承受的导频开销和禁止的复杂性的要求。在本文中，我们提出了一种新的分布式压缩感知（DCS）的信道估计方案来解决这个问题。在该方案中，我们引入基扩展模型（BEM），以减少所需的信道系数和导频开销。由于所有发射-接收天线对在延迟域中的共同稀疏性，我们考虑DCS框架来估计BEM系数，该框架具有简单的线性结构和低复杂度。此外，提出了一种线性平滑方法，以提高估计精度。最后，我们进行各种模拟，以验证所提出的计划的有效性，并证明所提出的计划相比，传统的计划的性能增益。
2015-11-09 cs.IT math.IT
Performance Evaluation of LOS MIMO Systems under the Influence of Phase Noise
为了应对无线系统中日益增长的数据率需求，必须找到合适的回程解决方案。一种选择是在毫米波频率下使用LOS MIMO系统，因为高带宽和频谱效率将能够满足这一要求。一些调查表明，相位噪声可以大大降低这种系统的效率，需要充分处理。在这项工作中，我们调查的LOS MIMO系统受到这种损害的系统级性能，并检查各种实际的相位噪声值的影响。此外，它示出了如何一个简单的相位噪声补偿算法可以用来提高这些系统在不同的情况下的性能。
2016-04-12 cs.IT math.IT
Information Theoretic Performance of Periodogram-based CFO Estimation in Massive MU-MIMO Systems
本文研究了多用户大规模MIMO系统中改进的时间反转最大比合并（TR-MRC）接收机（文献[9]）和基于空间平均周期图的载波频偏（CFO）估计器（文献[7]）的信息论性能。我们的分析表明，一个$\mathcal{O}(\sqrt{M})$阵列增益实现与此周期图为基础的CFO估计器，这是在理想/零CFO的情况下实现的阵列增益相同（$M$是基站天线的数量）。与大规模MIMO系统中基于相关性的CFO估计器（在[6]中提出）的信息理论性能比较表明，这种基于周期图的CFO估计器在慢时变信道中更节能。
2016-11-15 cs.IT math.IT
