Compressive Channel Estimation for Two-way Relay Network in a Frequency-Selective Channel with Compressed Sensing
为了在无线频率选择性信道上实现高数据率传输，引入了双向中继网络（TWRN）。然而，TWRC不仅需要相干数据检测的信道状态信息（CSI）的知识，而且还为自数据删除。这部分地通过训练基于序列的线性信道估计来实现。然而，传统的线性估计技术忽略了预期的多径信道的稀疏性。与以前的方法不同，我们提出了一种压缩信道估计方法，利用稀疏结构，并提供显着改善MSE性能相比，传统的基于LS的线性信道探测策略。仿真结果证实了所提出的方法。
2013-06-23 cs.IT math.IT
Improved Channel Estimation with Partial Sparse Constraint for AF Cooperative Communication Systems
在放大前向（AF）宽带协作通信系统中，准确的信道状态信息（CSI）是相干检测的必要条件。基于普通稀疏信道的假设，有效的稀疏信道估计方法已经在我们以前的工作进行了研究。然而，当合作信道呈现部分稀疏结构，而不是普通的稀疏性，我们以前的方法不能利用先验信息。本文提出了一种改进的协作信道下部分稀疏约束的信道估计方法。首先，我们将信道估计问题转化为压缩感知问题，并利用稀疏分解理论。其次，利用局部稀疏约束的LASSO算法重构协作信道。最后，通过数值仿真验证了所提方法相对于普通稀疏信道估计方法的优越性。
2012-07-30 cs.IT math.IT
Fast Channel Estimation for Millimetre Wave Wireless Systems Using Overlapped Beam Patterns
研究了毫米波无线系统中大天线阵的信道估计问题。通过利用毫米波信道的稀疏性，我们提出了一种有效的估计算法的基础上，一种新的重叠波束方向图设计。分析了该算法的性能，推导出信道估计失败概率的上界。结果表明，该算法可以显著减少信道估计中所需的测量次数（例如，当使用单个重叠时为225%）。
2018-04-18 cs.IT math.IT
MIMO-OTFS in High-Doppler Fading Channels: Signal Detection and Channel Estimation
正交时频空间（OTFS）调制是最近引入的一种复用技术，设计在2维（2D）延迟-多普勒域，适用于高多普勒衰落信道。OTFS通过一系列二维变换将双色散信道转换为延迟-多普勒域中的几乎无衰落信道。在本文中，我们专注于MIMO-OTFS带来的高频谱和能量效率的好处，MIMO和OTFS在高多普勒衰落信道的鲁棒性。OTFS信道-符号耦合和稀疏延迟-多普勒信道脉冲响应使得能够在高多普勒环境中进行有效的MIMO信道估计。提出了一种基于消息传递的迭代信号检测算法和一种适用于MIMO-OTFS的时延-多普勒域信道估计算法。所提出的信道估计方案使用延迟-多普勒域中的脉冲作为用于估计的导频。我们还比较了MIMO-OTFS的性能与MIMO-OFDM在高多普勒情况下。
2018-05-06 cs.IT math.IT
RACE: A Rate Adaptive Channel Estimation Approach for Millimeter Wave MIMO Systems
在本文中，我们考虑在毫米波（mmWave）无线系统与大型天线阵列的信道估计问题。通过利用毫米波信道固有的稀疏性，我们开发了一种新的速率自适应信道估计（RACE）算法，该算法可以根据估计误差的预期概率（PEE）自适应地调整所需的信道测量的数量。为此，我们设计了一个最大似然（ML）的估计，以最佳的路径信息和相关的错误概率从越来越多的信道测量。基于ML估计器，该算法能够使用可变数量的波束方向图来测量信道，直到接收器相信所估计的方向是正确的。这与现有的毫米波信道估计算法形成对比，在现有的毫米波信道估计算法中，测量的数量通常是固定的。仿真结果表明，与现有的多阶段信道估计算法相比，该算法在保持较高精度的同时，可以显著减少信道估计测量次数。
2016-09-09 cs.IT math.IT
Least Mean Square/Fourth Algorithm with Application to Sparse Channel Estimation
频率选择性衰落信道中的宽带信号传输往往需要接收端准确的信道状态信息。最小均方（LMS）算法是自适应信道估计中最引人注目的算法之一。然而，基于LMS的方法往往是退化的输入训练信号的随机缩放。为了提高估计性能，本文将标准的最小均方/四分之一（LMS/F）算法应用于自适应信道估计（ACE）。由于宽带信道通常用稀疏信道模型来描述，这种稀疏性可以作为先验信息来利用。首先，我们提出了一种基于零吸引LMS/F（ZA-LMS/F）算法的自适应稀疏信道估计方法。为了有效地利用信道的稀疏性，本文还提出了一种改进的信道估计方法，即采用重加权零吸引LMS/F（RZA-LMS/F）算法。本文从几何解释的角度解释了使用l_1范数稀疏约束函数的稀疏LMS/F算法能够提高估计性能的原因。此外，对于不同的信道稀疏性，我们提出了一种蒙特卡罗方法来选择一个正则化参数的RA-LMS/F和RZA-LMS/F，以达到近似最优的估计性能。仿真结果表明，所提出的ASCE方法比传统方法具有更好的估计性能。
2013-04-14 cs.IT math.IT
Channel Estimation for Hybrid Architecture Based Wideband Millimeter Wave Systems
混合模拟和数字预编码允许毫米波（mmWave）系统实现阵列和复用增益。然而，混合预编码器和组合器的设计通常基于信道的知识。关于具有混合架构的毫米波信道估计的先前工作集中于窄带信道。由于毫米波系统将是具有频率选择性的宽带，因此开发基于混合架构的宽带毫米波系统的信道估计解决方案至关重要。在本文中，我们开发了一个稀疏制定和压缩感知为基础的解决方案的宽带毫米波信道估计问题的混合架构。首先，我们利用频率选择性毫米波信道的稀疏结构，并将信道估计问题制定为时域和频域中的稀疏恢复。然后，我们提出了明确的信道估计技术，纯时域或频域和组合的时间/频域。我们的解决方案适用于SC-FDE和OFDM系统。仿真结果表明，所提出的解决方案实现了良好的信道估计质量，同时需要小的训练开销。在收发器处利用混合架构进一步改善了估计误差性能和可实现的速率。
2016-11-13 cs.IT math.IT
Performance Analysis of Cognitive Radio Systems with Imperfect Channel Sensing and Estimation
在认知无线电系统中，采用基于感知的频谱接入策略，次用户需要执行信道感知，以检测主用户的活动。在现实场景中，信道感测由于误检测和误报警而可能发生错误。作为另一个挑战，必须经由信道估计来学习次发射机和次接收机之间的信道中的时变衰落条件。本文分析了相关认知无线电信道中因果信道估计方法在非理想信道感知下的性能，研究了信道和感知不确定条件下的可达速率。首先，认知无线电信道模型的信道感知误差和信道估计的描述。然后，使用导频符号，最小均方误差（MMSE）和线性MMSE（L-MMSE）估计方法被采用在辅助接收机学习信道衰落系数。信道估计和均方误差（MSE）的表达式的确定，和它们的依赖关系的信道检测结果，导频符号周期和能量进行了研究。由于传感的不确定性导致的不确定性的方差的附加干扰，信道估计策略和性能的有趣的是取决于传感的可靠性。它进一步表明，L-MMSE估计方法，这是在一般次优，执行非常接近MMSE估计。进一步，假设信道估计误差和主用户引入的干扰服从零均值和高斯分布，给出了线性调制方案和高斯信令的可达速率表达式。随后，联合优化训练周期以及数据和导频符号能量分配，以最大化两种信令方案的可实现速率。
2014-09-10 cs.IT math.IT
Framework of Channel Estimation for Hybrid Analog-and-Digital Processing Enabled Massive MIMO Communications
研究了大规模多输入多输出（MIMO）系统中的信道估计问题，该系统采用有限射频链的混合模拟/数字预编码结构。通过合理设计RF合路器和执行多次训练，所提出的信道估计可以接近全数字估计的性能，这取决于信道空间相关性的程度和RF链的数量。针对混合信道估计问题，通过放松单训练场景下的等幅约束，从理论上推导出最优合并器的设计方法，并将其推广到多训练场景下的序贯和交替合并器的设计。此外，我们开发了一种技术，以产生相应的无约束的RF组合器的基础上，以满足恒定的幅度约束的相位。在非参数信道模型和空间信道模型下，对所提出的混合信道估计方案的性能进行了仿真。仿真结果表明，估计的CSI可以接近性能的全数字估计的均方误差和频谱效率。提出了一种实用的空间信道协方差估计方法，并通过仿真验证了其在混合信道估计中的有效性。
2017-12-23 cs.IT math.IT
Sparsity-Aware Joint Frame Synchronization and Channel Estimation: Algorithm and USRP Implementation
传统的基于相关性的帧同步技术在多径频率选择性信道上会遭受显著的性能下降。作为一种补救措施，在本文中，我们考虑联合帧同步和信道估计。然而，这增加了所得组合信道的长度，并且其估计变得更具挑战性。另一方面，由于组合信道是稀疏向量，因此可以应用稀疏信道估计方法。我们提出了一种联合帧同步和信道估计方法，使用正交匹配追踪（OMP）算法，利用组合信道矢量的稀疏性。随后，信道估计被用来设计均衡器。我们的仿真结果和使用软件定义的无线电的实验结果表明，所提出的方法提高了整体系统的性能，在发送和均衡符号之间的均方误差（MSE）相比，传统的方法。
2017-09-05 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
Channel Parameter Estimation for LOS MIMO Systems
在本文中，我们考虑的信道系数和频率偏移的估计LOS MIMO系统。我们建议，通过利用的信道矩阵，这是目前由于信道的几何性质的结构，估计过程可以得到增强。如果在发射机和接收机处分别使用单个振荡器设置，则该结构被保留并且可以被利用。一些方法使用这一事实进行了讨论，并评估其性能的估计精度，揭示了相对较短的训练序列，估计结果接近的基本界限，可以实现。
2016-04-12 cs.IT math.IT
Deep Learning-Aided 5G Channel Estimation
深度学习在提高$5$ G-and-beyond网络的系统性能和降低计算复杂性方面发挥了重要作用。在本文中，我们提出了一种新的信道估计方法的协助下，深度学习，以支持最小二乘估计，这是一种低成本的方法，但具有相对较高的信道估计误差。这一目标是通过利用MIMO（多输入多输出）系统来实现的，该系统具有用于在多普勒效应严重性下的5G网络中进行仿真的多径信道简档。数值结果证明了所提出的深度学习辅助信道估计方法在均方误差方面优于先前工作中的其他信道估计方法。
2021-01-17 cs.IT math.IT
Adaptive Sparse Channel Estimation for Time-Variant MISO Communication Systems
信道估计问题是时变多输入单输出（MSIO）通信系统的关键技术之一。为了估计MISO信道，将最小均方（LMS）算法应用于自适应信道估计（ACE）。由于MISO信道通常由稀疏信道模型描述，因此可以利用这种稀疏性，然后可以通过使用稀疏LMS算法的自适应稀疏信道估计（ASCE）方法来改善估计性能。然而，传统的ASCE方法有两个主要缺点：1）对训练信号的随机尺度敏感和2）在低信噪比（SNR）区域不稳定。为了克服这两个有害因素，本文提出了一种新的使用归一化最小均方误差（NLMS）算法的ASCE方法（ASCE-NLMS）。此外，我们还提出了一种改进的ASCE方法使用归一化最小均值四分之一（NLMF）算法（ASCE-NLMF）。提出的两种方法可以有效地利用信道的稀疏性。此外，所提出的方法的稳定性进行了数学推导。计算机模拟结果表明，所提出的稀疏信道估计方法比传统方法具有更好的估计性能。
2013-02-06 cs.IT math.IT
Fountain Code-Inspired Channel Estimation for Multi-user Millimeter Wave MIMO Systems
针对具有大型天线阵列的多用户毫米波无线系统，提出了一种新的信道估计方法。通过利用固有的毫米波信道稀疏性，我们提出了一种新的迭代喷泉训练（SWIFT）框架，其中信道测量的平均数量是适应各种信道条件的错误估计。为此，基站（BS）和每个用户继续利用发送/接收波束成形方向的随机子集来测量信道，直到信道估计收敛。我们制定的信道估计过程作为一个压缩感知问题，并应用稀疏估计方法来恢复虚拟信道信息。由于SWIFT不会使BS的发射波束适应任何单个用户，因此我们能够同时估计所有用户信道。仿真结果表明，SWIFT可以显着优于现有的随机波束形成的方法，使用固定数量的测量，在一定范围内的信噪比和信道相干时间。
2017-03-02 cs.IT math.IT
Embedded Pilot-Aided Channel Estimation for OTFS in Delay-Doppler Channels
在延迟-多普勒信道中，正交时频空间（OTFS）调制与正交频分复用（OFDM）相比具有显著的误码性能优势。为了检测OTFS调制数据，需要在接收器处知道信道脉冲响应。在本文中，我们提出了嵌入式导频辅助OTFS信道估计方案。在每个OTFS帧中，我们在延迟-多普勒平面中布置导频、保护和数据符号，以适当地避免接收器处的导频和数据符号之间的干扰。我们开发这样的符号安排OTFS在多径信道与整数和分数多普勒频移，分别。在接收器处，基于阈值方法执行信道估计，并且所估计的信道信息经由消息传递（MP）算法用于数据检测。由于我们特定的嵌入式符号排列，信道估计和数据检测都在同一OTFS帧内以最小的开销执行。我们通过仿真比较OTFS的错误性能，使用建议的信道估计和OTFS与理想的已知信道信息，并观察到只有边际性能损失。我们还证明了OTFS中所提出的信道估计在已知信道信息的情况下显著优于OFDM。最后，我们提出的MIMO和多用户上行链路/下行链路的建议计划的扩展。
2018-08-25 cs.IT math.IT
Outage Behavior of Discrete Memoryless Channels Under Channel Estimation Errors
传统上，通信系统是在接收机和/或发射机处假设完美的信道状态信息而设计的。然而，在许多实际情况下，只有与真实信道不同的信道估计可用。我们解决这个信道不匹配的情况下，通过使用估计引起的中断容量的概念，为此，我们提供了一个相关的编码定理及其强逆，假设一个离散的无记忆信道。我们说明了我们的想法，通过数值模拟传输下的服务质量（QoS）的限制，使用速率受限的反馈信道和最大似然（ML）信道估计的莱斯衰落信道。我们的结果提供了直观的见解的影响，信道估计和信道特性（信噪比，莱斯K因子，训练序列长度，反馈速率等）。平均停电容量。
2007-06-20 cs.IT math.IT
RAF: Robust Adaptive Multi-Feedback Channel Estimation for Millimeter Wave MIMO Systems
毫米波是下一代无线通信系统的重要技术。由于其高路径损耗是众所周知的，因此在该频谱中工作的系统倾向于利用较短的波长来为收发器配备大量天线以克服路径损耗问题。大量的天线导致大的信道矩阵，因此具有挑战性的信道估计问题。目前提出的信道估计算法要么忽略估计误差的概率，要么需要来自接收机的高反馈过载以确保估计误差的目标概率。在本文中，我们提出了一种多级自适应信道估计算法称为鲁棒自适应多反馈（RAF）。该算法基于使用估计的信道系数来预测所需测量次数的下限。我们的仿真结果表明，与现有的算法相比，RAF可以达到预期的估计错误的概率，而平均减少75.5%的反馈开销和总的信道估计时间的14%。
2018-01-11 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
mmWave Channel Estimation via Approximate Message Passing with Side Information
在这种设置中，当在块$k+1$处估计信道时，在时间块$k$处的信道估计可以用作边信息（SI）。为了估计信道参数，我们采用SI辅助（复杂）近似消息传递算法，并将其性能与基于正交匹配追踪的基准进行比较。
2020-05-05 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
Parametric Channel Estimation by Exploiting Hopping Pilots in Uplink OFDMA
提出了一种适用于OFDMA系统上行链路伪随机子信道化的参数信道估计算法。该算法利用跳频导频帮助ESPRIT估计多径衰落信道的时延子空间，并利用全局导频内插数据子载波。因此，它大大优于传统的本地通道插值器。
2008-11-04 cs.IT math.IT
Dictionary Learning Based Sparse Channel Representation and Estimation for FDD Massive MIMO Systems
本文研究了FDD Massive MIMO系统的上下行信道估计问题。通过利用稀疏恢复和压缩感知算法，我们能够提高上/下行链路信道估计的准确性，并减少上/下行链路导频符号的数量。这种成功的信道估计建立在信道可以在某个基/字典下稀疏地表示的假设之上。以前的作品模型的通道使用一些预定义的基础/字典，而在这项工作中，我们提出了一个基于字典学习的通道模型，这样的字典是从全面收集的通道测量。学习的字典专门适应于小区特性，并促进更有效和鲁棒的信道表示，这反过来又提高了信道估计的性能。此外，我们通过观察上/下行链路传输之间的AOA/AOD的互易性，将基于字典学习的信道模型扩展到联合上行/下行链路学习框架中，并提出了一种联合信道估计算法，该算法结合了上行和下行接收的训练信号，以获得更准确的信道估计。换句话说，可以通过利用来自更简单的上行链路训练的信息来减少作为FDD Massive MIMO系统中的瓶颈的下行链路训练开销。
2018-05-31 cs.IT math.IT
On the role of MMSE estimation in approaching the information-theoretic limits of linear Gaussian channels: Shannon meets Wiener
我们讨论了为什么MMSE估计出现在基于格的计划接近线性高斯信道的容量，并评论其性质。
2004-09-26 cs.IT math.IT
Low-Complexity Adaptive Channel Estimation over Multipath Rayleigh Fading Non-Stationary Channels Under CFO
本文针对存在瑞利衰落、载波频偏和随机信道变化的移动无线信道，提出了一种新的低复杂度自适应信道估计技术。我们发现，估计的信道抽头权重向量的选择性部分更新提供了一个更好的性能和计算复杂性之间的权衡，相比，估计的信道抽头权重向量的完全更新。我们评估了所提出的方法的均方加权误差，并通过仿真研究证明了其有效性。
2011-06-04 cs.IT math.IT
Multidimensional Sparse Recovery for MIMO Channel Parameter Estimation
多径传播是无线通信中的一种常见现象。诸如复信道增益、传播延迟或到达角之类的传播路径参数的知识提供了关于用户位置的有价值的信息，并且有助于信道响应估计。信道参数估计的一个主要挑战在于其多维性，这导致难以解决的大规模估计问题。当前多维参数估计的稀疏恢复方法旨在通过解决一个大规模估计问题来同时估计所有信道参数。与此相反，我们提出了一种稀疏恢复方法，该方法依赖于将多维问题分解为连续的一维参数估计问题，这些问题更容易解决，对离网效应不太敏感，同时提供适当的参数配对。我们提出的分解依赖于核范数最小化方面的凸优化，我们提出了一个有效的实施，最近开发的STELA算法。
2016-03-17 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 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
Sparse Channel Estimation for Amplify-and-Forward Two-way Relay Network with Compressed Sensing
为了在无线频率选择性信道上实现高数据率传输，引入了放大转发双向中继网络（AFTWRN）。然而，AFTWRC需要的信道状态信息（CSI）的知识，不仅为相干数据检测，但也为selfdata删除。这部分地通过训练基于序列的线性信道估计来实现。然而，传统的线性估计技术忽略了预期的多径信道的稀疏性，从而导致低的频谱效率，这是在无线通信领域的稀缺。与以前的方法不同，我们提出了一种稀疏的信道估计方法，可以利用稀疏结构，从而提供显着的改进MSE性能相比，传统的LS为基础的线性信道探测策略在AF-TWRN。仿真结果证实了所提出的方法。
2013-06-23 cs.IT math.IT
Spatial DCT-Based Channel Estimation in Multi-Antenna Multi-Cell Interference Channels
本文研究了多天线多小区干扰受限网络中的信道估计问题。信道状态信息（CSI）获取对于干扰抑制是至关重要的。无线网络经常遭受多小区干扰，这可以通过部署波束成形来空间引导传输来减轻。所估计的CSI的准确性在设计准确的波束形成器中起着重要作用，该波束形成器可以控制从对移动用户的同时空间传输产生的干扰量。因此，一种新的技术的基础上的结构的空间协方差矩阵和离散余弦变换（DCT）的建议，以提高信道估计在干扰的存在。贝叶斯估计和最小二乘估计框架引入利用DCT分离重叠的空间路径，创建的干扰。因此，利用空间域来减轻能够区分干扰用户的污染。传统的信道估计技术的增益在我们的模拟，这也是有效的天线数量少。
2015-05-08 cs.IT math.IT
Impact of Channel Asymmetry on Performance of Channel Estimation and Precoding for Downlink Base Station Cooperative Transmission
基站协作传输可以提高蜂窝系统的频谱利用率，但协作传输会导致信道不对称。本文研究了非对称性对下行BS协作多天线多载波系统中信道估计和预编码性能的影响。本文首先提出了三种线性估计器，分别采用最小均方误差、鲁棒设计和最小二乘准则联合估计不同小区用户的信道系数，然后研究了上行信道不对称性对其性能的影响。结果表明，当利用大规模信道信息进行信道估计时，在不同小区的用户之间使用非正交的训练序列会导致较小的性能损失。接下来，我们分析了下行链路信道不对称性对信道估计误差预编码性能的影响。我们的分析表明，虽然弱交叉链路的估计误差是大的，所产生的速率损失是轻微的，因为他们的贡献是加权的接收信噪比。仿真结果验证了我们的分析，并表明，每个用户的速率损失几乎是恒定的，无论用户位于何处，当信道估计器利用大尺度衰落增益。
2010-06-19 cs.IT math.IT
Beam-On-Graph: Simultaneous Channel Estimation for mmWave MIMO Systems with Multiple Users
研究了具有大型天线阵列的多用户毫米波无线系统中的信道估计问题。我们开发了一种新的迭代喷泉训练（SWIFT）框架，其中多个用户估计他们的信道在同一时间和所需的信道测量的数量是适应于不同用户的各种信道条件的错误估计。为了实现这一点，我们表示的波束方向估计过程中的图形，称为波束上的图形，并关联的信道估计过程与代码上的图形解码问题。具体地，基站（BS）和每个用户利用发射/接收波束成形向量的一系列随机组合来测量信道，直到信道估计收敛。由于所提出的SWIFT不使BS的波束适应任何单个用户，因此我们能够同时估计所有用户信道。仿真结果表明，SWIFT可以显着优于现有的随机波束形成为基础的方法，使用预定数量的测量，在很宽的信噪比和信道相干时间。此外，通过利用用户在完成他们的信道估计方面的顺序，我们的SWIFT框架可以推断用户的信道质量的顺序，并执行有效的用户调度，以实现卓越的性能。
2018-04-18 cs.IT math.IT
Channel Estimation in Massive MIMO Systems
针对每个基站都有大量天线的蜂窝时分复用系统，提出了一种新的盲和半盲信道估计方法。该方法是基于最大后验原理给出了一个先验的信道矢量和接收信号的分布从上行链路的训练和数据阶段。相对于现有的基于导频符号进行线性估计或依赖于盲原理的大规模MIMO信道估计器，所提出的半盲方法有效地抑制了由导频污染引起的大部分干扰。仿真分析表明，半盲估计器优于最先进的线性和非线性方法的大规模MIMO信道估计问题。
2015-03-30 cs.IT math.IT
Super-Resolution mmWave Channel Estimation using Atomic Norm Minimization
我们提出了毫米波（mmWave）系统，采用混合模拟和数字波束成形和广义空间调制，分别超分辨率MIMO信道估计。利用毫米波信道的固有稀疏性，信道估计问题被公式化为原子范数最小化，其增强了连续的出发角和到达角中的稀疏性。导频辅助和数据辅助信道估计器的开发，前者制定为一个凸问题，后者作为一个非凸问题。为了解决这些制定的信道估计问题，我们开发了一个计算效率高的共轭梯度下降方法的基础上，非凸分解，限制了搜索空间低秩矩阵。仿真结果表明，与现有的基于压缩感知的估计器相比，所提出的算法对于两种类型的毫米波系统具有优异的信道估计性能，具有精细量化的角度网格。
2018-01-23 cs.IT math.IT
Channel Estimation and Linear Precoding in Multiuser Multiple-Antenna TDD Systems
传统的下行链路系统分析方法将预编码和信道估计问题解耦。然而，在具有移动用户的蜂窝系统中，这两个问题实际上是紧密耦合的。在本文中，这种耦合是明确研究占信道训练开销和估计误差，同时确定整个系统的吞吐量。本文研究了利用非理想信道估计进行有效的线性预编码和用户选择的问题。提出了考虑信道估计误差程度的预编码方法。信息理论的下限和上限推导出这些预编码方法的性能进行评估。在典型的场景中，这些界限很接近。
2011-06-27 cs.IT math.IT
Robust Estimation in Rayleigh Fading Channels Under Bounded Channel Uncertainties
本文研究了瑞利衰落信道在有界信道不确定性下的信道均衡问题。我们分析了三种鲁棒的方法来估计通过瑞利衰落信道传输的未知信号，在那里我们避免直接调整均衡器参数，以提供不准确的信道信息。这些方法是基于最小化一定的均方误差的标准，将信道的不确定性的问题配方。我们提出了封闭形式的解决方案，为每种方法和零均值和非零均值信号的信道均衡问题。我们通过仿真说明了均衡方法的性能。
2012-09-28 cs.IT math.IT
Joint Channel Estimation and Data Detection for Multihop OFDM Relaying System under Unknown Channel Orders and Doppler Frequencies
研究了时变信道下多跳中继正交频分复用（OFDM）系统的信道估计和数据检测问题。不同于以往的工作，高度依赖于统计信息的双选择性信道（DSC）和噪声提供准确的信道估计和数据检测结果，我们专注于更实际的情况下，未知的信道阶数和多普勒频率。首先，我们整合多链路，多跳信道矩阵成一个复合信道矩阵。然后，我们制定了未知的信道使用广义复指数基扩展模型（GCE-BEM）与一个大的过采样因子，以引入信道稀疏的延迟多普勒域。为了能够识别非零条目，采用具有Gamma超先验的稀疏增强高斯分布。在变分推理框架下提出了一种迭代算法。该算法在一个OFDM符号中仅使用有限的导频子载波，迭代估计信道，利用Viterbi算法恢复未知数据，并学习信道和噪声统计信息。仿真结果表明，在不需要任何统计信息的情况下，该算法的性能与最优信道估计和数据检测算法非常接近，而最优信道估计和数据检测算法需要系统结构、信道抽头位置、信道长度、多普勒频移以及噪声功率等具体信息。
2012-05-24 cs.IT math.IT
Estimation of Radio Channel Parameters in Case of an Unknown Transmitter
本文研究了从接收机数据估计无线电信道参数，其中发射机是完全未知的。我们使用多径模型来描述发射机和接收机之间的无线电信道。根据这个模型，我们讨论了估计参数的可及性。基于极大似然原理，我们推导出一个代价函数。从接收器通道之间的交叉关系导出第二成本函数。为了估计参数，我们寻求这些成本函数的最小值。所提出的成本函数的性能进行了比较，在模拟。
2015-12-11 cs.IT math.IT
Study of BEM-Type Channel Estimation Techniques for 5G Multicarrier Systems
在本文中，我们研究了5G多载波系统的信道估计技术。由于5G应用场景的特点，信道估计技术已经在正交频分复用（OFDM）和广义频分复用（GFDM）系统中进行了测试。OFDM系统中的子载波之间的正交性允许在没有干扰的情况下插入和提取导频。然而，由于脉冲整形，GFDM中的子载波不再正交并且彼此干扰。由于这样的干扰，用于GFDM的信道估计不是微不足道的。通过结合最小均方误差（MMSE）正则化和基扩展模型（BEM）方法，可以获得一个鲁棒的和低复杂度的信道估计器。在这项工作中，我们开发了一种BEM类型的信道估计器以及获取BEM系数协方差矩阵的策略。仿真结果表明，BEM型信道估计的性能接近的线性MMSE（LMMSE），即使有没有必要知道的信道功率延迟分布，其复杂度低。
2018-06-18 cs.IT math.IT
An Enhanced LMMSE Channel Estimation under High Speed Railway Scenarios
随着高速铁路的快速发展，高速铁路上的无线通信已成为第五代通信不可或缺的场景之一。为了提高正交频分复用（OFDM）系统在高速铁路（HSR）环境下的性能，提出了一种基于多径多普勒频偏（DFO）估计的线性最小均方误差信道估计方法。该方法能够估计出每条路径的DFO，并能更准确地生成频率和时间信道相关性，提高了高速铁路场景下信道估计的准确性。仿真结果表明，该方案可以减少信道估计误差，并获得有吸引力的增益在高速铁路的情况下。
2017-12-02 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
On the Performance of Selection Cooperation with Imperfect Channel Estimation
在本文中，我们研究了选择合作的性能存在不完美的信道估计。特别是，我们考虑了合作的情况下，多个中继和放大转发协议在频率平坦衰落信道。在选择方案中，仅选择使接收机端的有效信噪比（SNR）最大化的“最佳”中继。我们目前的有效SNR的下限和上限，并推导出封闭形式的表达式的平均符号出错率（ASER），中断概率和平均容量的接收信号的带宽中存在的信道估计错误。仿真研究证实了分析结果，并证明了中继选择与不完美的信道估计的性能。
2011-01-01 cs.IT math.IT
Impact of Channel Estimation Errors on Multiuser Detection via the Replica Method
对于实际的无线DS-CDMA系统，由于噪声和干扰，信道估计是不完美的。本文在复制方法的框架下，分析了信道估计误差对多用户检测的影响。在大系统极限下，分别对最优多用户检测、线性多用户检测和Turbo多用户检测进行了系统性能分析，并对有限系统进行了数值仿真。
2005-01-21 cs.IT math.IT
DUGC-VRNet: Joint VR Recognition and Channel Estimation for Spatially Non-Stationary XL-MIMO
Guangdong University of Technology（广东工业大学）；The University of Sheffield（谢菲尔德大学）
本文提出DUGC-VRNet，通过深度展开网络与图卷积网络联合处理空间非稳态XL-MIMO中的虚拟现实识别与信道估计，提升估计精度与识别准确性。
2026-03-24 cs.IT math.IT
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
Compressive sensing based Bayesian sparse channel estimation for OFDM communication systems: high performance and low complexity
在正交频分调制（OFDM）通信系统中，由于频率选择性衰落信道会导致数据传输过程中出现严重的符号间干扰（ISI），因此在接收端需要获取信道状态信息（CSI）。宽带信道模型通常由非常少的主导信道抽头来描述，并且它们可以通过基于压缩感知的稀疏信道估计（SCE）方法来探测，例如，正交匹配追踪算法，该算法能有效地利用信道稀疏结构的优势作为先验信息。然而，这些方法容易受到噪声干扰和训练信号矩阵的列相干性。换句话说，这些常规方法的主要目标是在没有后验信道不确定性的报告的情况下捕获主导信道抽头。为了提高信道估计性能，提出了一种基于压缩感知的贝叶斯稀疏信道估计（BSCE）方法，该方法在不牺牲任何计算复杂性的前提下，充分利用了信道的稀疏性，并有效地抑制了信道的不确定性。该方法可以揭示由于观测噪声或训练矩阵中列间相关干扰而导致的多个信道估计器之间的潜在模糊性。计算机模拟表明，与传统的SCE方法相比，该方法可以提高估计性能。
2015-04-21 cs.IT math.IT
Joint Channel-Estimation/Decoding with Frequency-Selective Channels and Few-Bit ADCs
我们提出了一种快速和接近最佳的方法，联合信道估计，均衡和解码的编码单载波（SC）传输频率选择性信道与几位模数转换器（ADC）。我们的方法利用参数双线性广义近似消息传递（PBiGAMP），以减少联合信道估计和（软）符号解码的实现复杂度的几个快速傅立叶变换（FFT）。此外，它学习并利用信道脉冲响应中的稀疏性。我们的工作是出于毫米波系统的带宽上的Gsamples/sec的顺序，其中几位ADC，SC传输，和快速处理都导致显着降低功耗和实施成本。我们用数字证明我们的方法，使用根据IEEE 802.11ad无线局域网（LAN）标准生成的信号和信道，在这种情况下，接收器使用模拟波束成形和一个ADC。
2018-12-09 cs.IT math.IT
Millimeter Wave MIMO Channel Estimation using Overlapped Beam Patterns and Rate Adaptation
研究了毫米波无线系统中大天线阵列的信道估计问题。通过利用毫米波信道固有的稀疏性，我们首先提出了一种快速信道估计（FCE）算法的基础上一种新的重叠波束图案设计，它可以增加每个信道测量携带的信息量，从而减少所需的信道估计时间相比，现有的非重叠设计。我们开发了一个最大似然（ML）估计，以最佳的路径信息从信道测量。然后，我们提出了一种新的速率自适应信道估计（RACE）算法，它可以动态地调整信道测量的数量的基础上的估计误差（PEE）的期望概率。分析了这两种算法的性能。对于FCE算法，PEE的近似封闭形式的表达。对于RACE算法，一个下界的最小信号能量-噪声比所需的信道测量的数量是基于香农-哈特利定理。仿真结果表明，FCE算法与现有的使用非重叠波束模式的算法相比，显著减少了信道估计测量的数量。通过采用RACE算法，我们可以实现高达6dB的增益，在相同的PEE的信号能量噪声比相比，现有的算法。
2016-09-19 cs.IT math.IT
A Distributed Sparse Channel Estimation Technique for mmWave Massive MIMO Systems
在本文中，我们研究了稀疏信道估计的问题，通过协作和完全分布式的方法。估计问题制定在角度域中，通过利用空间上共同的稀疏结构的多用户场景中所涉及的信道。稀疏信道估计问题是通过一个有效的分布式方法解决的，在该方法中，参与的用户协同估计他们的信道稀疏支持集，在本地估计信道值之前，假设存在全局和公共支持子集。所提出的算法，命名为WDiOMP的性能进行比较，DiOMP，本地OMP和集中式解决方案的基础上SOMP，在支持集恢复错误在各种实验场景下。即使在底层稀疏结构未知的情况下，也证明了WDiOMP的功效。
2021-07-22 cs.IT math.IT
On Channel Estimation for 802.11p in Highly Time-Varying Vehicular Channels
车载无线信道是高度时变的，并且802.11p正交频分复用帧中的导频模式已被证明不适合长数据分组。具有非迭代接收机配置的现成芯片组中的高帧出错率主要是由于使用过时的信道估计进行均衡。本文讨论了在802.11 p系统中使用跨层方法来改进信道估计，其中已知的数据比特被插入到较高层中，并且改进的接收机利用这些比特作为用于改进的信道估计的训练数据。我们还描述了一个noniterative接收机配置利用额外的训练位，并通过模拟显示，帧出错率接近的情况下，完美的信道知识可以实现。
2015-01-18 cs.IT math.IT
On the Performance of Selection Cooperation with Outdated CSI and Channel Estimation Errors
在本文中，我们研究了选择合作的性能存在不完美的信道估计。特别是，我们考虑了合作的情况下，多个中继和放大转发协议在频率平坦衰落信道。在选择方案中，仅选择使接收机端的有效信噪比（SNR）最大化的“最佳”中继。我们目前的有效SNR的下限和上限，并推导出封闭形式的表达式的平均符号出错率（ASER），中断概率和平均容量的接收信号的带宽中存在的信道估计错误。仿真研究证实了分析结果，并证明了中继选择与不完美的信道估计的性能。
2011-01-04 cs.IT math.IT
Performance Analysis and Window Design for Channel Estimation of OTFS Modulation
在本文中，我们研究了发射机和接收机窗口对正交时频空间（OTFS）调制的影响，并提出了一种窗口设计，以提高OTFS信道估计性能。假设理想的脉冲整形滤波器在收发器，我们首先确定窗口的作用，在有效的信道和减少的信道稀疏与传统的矩形窗口。然后，我们描述了窗口的OTFS调制的有效信道估计性能的影响。基于所揭示的见解，我们建议在发送器或接收器处应用Dolph-Chebyshev（DC）窗口，以有效地增强有效信道的稀疏性。因此，由于分数多普勒的信道扩展被显著地减小，这导致与矩形窗口的信道估计相比，信道估计中的更低的错误平层。仿真结果验证了所得到的分析结果的准确性，并确认所提出的窗口设计的优越性，在提高信道估计性能比传统的矩形或正弦窗口。
2021-01-28 cs.IT math.IT
Joint Channel Estimation and Channel Decoding in Physical-Layer Network Coding Systems: An EM-BP Factor Graph Framework
研究了物理层网络编码（PNC）系统中的联合信道估计和信道译码问题。在PNC中，多个用户同时向中继传输。PNC信道解码不同于传统的多用户信道解码：具体地，PNC中继的目的是解码网络编码的消息，而不是用户的个人消息。虽然先前的工作已经表明，PNC可以显着提高中继网络的吞吐量，改善是基于准确的信道估计的可用性。然而，PNC中的信道估计可能特别具有挑战性，因为1）多个用户的重叠信号; 2）由信道编码引起的数据符号之间的相关性;以及3）时变信道。我们结合期望最大化（EM）算法和信念传播（BP）算法在一个统一的因子图框架来应对这些挑战。在该框架中，通过EM子图执行信道估计，并且通过BP子图执行信道解码，BP子图对与PNC信道解码的目标匹配的虚拟编码器进行建模。这两个子图之间的迭代消息传递允许逐步接近两者的最优解。我们提出了广泛的仿真结果表明，我们的PNC接收器的优越性，比其他PNC接收器。
2013-11-22 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
