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
Deep Learning-based Compressive Beam Alignment in mmWave Vehicular Systems
Apple Inc.（苹果公司）；Samsung Semiconductor Inc.（三星半导体公司）；North Carolina State University（北卡罗来纳州立大学）；UT Austin（德克萨斯大学奥斯汀分校）
针对毫米波车载系统波束对齐测量开销大的问题，提出利用信道稀疏性与空间结构的深度学习压缩感知矩阵设计方法，并在低分辨率移相器约束下优化采集、波束对齐及子载波功率。
2021-02-27 cs.AI cs.IT eess.SP
Iterative Hybrid Precoder and Combiner Design for mmWave MIMO-OFDM Systems
研究了毫米波（mmWave）频段多输入多输出（MIMO）正交频分复用（OFDM）系统中的混合预编码合路器设计问题。本文提出了一种新的迭代算法来设计前向和反向信道中基于码本的模拟预编码器和合并器。在每次迭代中，我们应用压缩感知（CS）技术来有效地估计等效MIMO-OFDM毫米波信道。然后，基于正交匹配追踪（OMP）算法获得模拟预编码器或组合器，以减轻不同数据流之间的干扰，并最大化频谱效率。最后根据有效基带信道得到数字预编码器和合路器，进一步提高频谱效率。仿真结果表明，所提出的迭代混合预编码合并算法具有显著的性能优势。
2017-04-26 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
Compressive Sensing Based Channel Estimation for Millimeter-Wave Full-Dimensional MIMO with Lens-Array
毫米波透镜阵列信道估计（CE）的训练开销过大，而现有的解决方案需要额外复杂的射频移相网络。相比之下，使用天线交换网络（ASN）的透镜阵列简化了硬件，但由于ASN施加的约束，相关的CE是一项具有挑战性的任务。提出了一种基于压缩感知（CS）的全维（FD）透镜阵列CE方案，利用了毫米波信道的稀疏性。首先提出了一种在ASN更严格的Haraware约束下的飞行员训练方法，并将透镜阵列的CE问题转化为CS问题。然后，针对FD透镜阵列中多径分量角度连续性造成的功率泄漏，设计了一个冗余字典。此外，我们设计基带导频信号，以最小化基于CS理论的测量矩阵的总互相干性，以获得更可靠的CE性能。我们的解决方案提供了一个框架，将CS技术应用于透镜阵列使用简单和实用的ASN。仿真结果证明了该方法的有效性。
2019-12-23 cs.IT eess.SP math.IT
Comparative Study on Millimeter Wave Location-Based Beamforming
本文对基于信道估计的毫米波模拟波束形成技术进行了比较研究。定位和压缩感知（CS）有效地降低了毫米波BF复杂度，并增强了与传统毫米波模拟BF技术相当的毫米波系统的性能。基于信道状态信息（CSI）的BF技术在使用CS构造mmWave信道感测矩阵时具有高复杂度。基于位置服务的技术通过定义用户设备（UE）最可能存在的区域来高度降低这种复杂性。在本文中，我们研究了毫米波定位为基础的BF使用各种定位服务的性能。其中，使用基于信道估计的CS来进行BF，以估计毫米波信道的出发角（AoD）和到达角（AoA）。
2018-08-21 cs.IT eess.SP math.IT
Channel Estimation for mmWave Massive MIMO Based Access and Backhaul in Ultra-Dense Network
用于超密集网络（UDN）中的接入和回程的毫米波（mmWave）大规模MIMO已被认为是有前途的5G技术。我们考虑这样一个异构网络（HetNet），超密集的小型基站（BS）利用毫米波大规模MIMO的接入和回程，而宏小区BS提供控制服务与低频段。然而，毫米波大规模MIMO的信道估计可能是具有挑战性的，因为在毫米波大规模MIMO中获取与大量天线相关联的信道的导频开销可能非常高。本文提出了一种基于结构化压缩感知（SCS）的信道估计方案，利用毫米波信道的角度稀疏性来减少所需的导频开销。具体而言，由于非视距路径的路径损耗远大于视距路径的路径损耗，因此毫米波海量信道在角域中呈现出明显的稀疏性。通过利用这种稀疏性，所需的导频开销仅取决于少量的主导多径。此外，系统带宽内的稀疏性几乎不变，这可以被利用为进一步提高性能。仿真结果表明，所提出的方案优于其对应的，它可以接近性能界。
2016-04-23 cs.IT math.IT
Channel Estimation via Gradient Pursuit for MmWave Massive MIMO Systems with One-Bit ADCs
在毫米波（mmWave）大规模多输入多输出（MIMO）系统中，采用1位模数转换器（ADC）来降低宽带和大阵列所带来的不切实际的高功耗。在实践中，毫米波频带由少量路径组成，从而呈现稀疏的虚拟信道。然后，由此产生的最大后验概率（MAP）信道估计问题是一个稀疏约束优化问题，这是NP-难解决。针对毫米波大规模多输入多输出系统，提出了一种基于梯度支持追踪（GraSP）和梯度硬阈值追踪（GraHTP）算法的迭代MAP近似信道估计器。GraSP和GraHTP算法分别是压缩采样匹配追踪（CoSaMP）和硬阈值追踪（HTP）算法在压缩感知（CS）中的推广，通过迭代地追踪目标函数的梯度来近似优化具有稀疏约束的凸目标函数。然而，GraSP和GraHTP算法的性能不能保证时，目标函数是病态的，这可能是由高度相干的传感矩阵。本文提出了一种带最大值选择（BMS）硬阈值技术，对GraSP和GraHTP算法分别进行了改进，即BMSGraSP和BMSGraHTP算法。BMSGraSP和BMSGraHTP算法基于带最大值准则而不是朴素的硬阈值来追求目标函数的梯度。此外，一个快速傅里叶变换为基础的（FFT为基础的）快速实现开发，以减少复杂度。的BMSGraSP和BMSGraHTP算法被证明是准确和有效的，其性能通过大量的仿真验证。
2019-12-18 cs.IT eess.SP math.IT
Super-resolution channel estimation for mmWave massive MIMO with hybrid precoding
对于具有混合预编码的毫米波（mmWave）大规模MIMO，信道估计是具有挑战性的，因为射频（RF）链的数量远小于天线的数量。传统的基于压缩感知的信道估计方案由于信道角度量化而遭受严重的分辨率损失。为了提高信道估计精度，本文提出了一种基于迭代重加权的超分辨率信道估计方法。该方法通过梯度下降方法优化目标函数，使估计的到达角/离开角（AoA/AoD）迭代地向最优解移动，最终实现超分辨率信道估计。在优化过程中，使用权值参数来控制稀疏性和数据拟合误差之间的折衷。此外，基于奇异值分解（SVD）的预处理，以减少所提出的方案的计算复杂性。仿真结果验证了所提出的方案比传统的解决方案更好的性能。
2018-07-08 cs.IT math.IT
Low-Complexity and Basis-Free Channel Estimation for Switch-Based mmWave MIMO Systems via Matrix Completion
针对毫米波通信中基于开关的混合大规模MIMO系统，提出一种基于矩阵补全的无基低复杂度信道估计方案，可避免基失配问题，复杂度显著低于传统压缩感知类估计器。
2016-11-23 cs.IT math.IT
AMP-SBL Unfolding for Wideband MmWave Massive MIMO Channel Estimation
在宽带毫米波（mmWave）大规模多输入多输出（MIMO）系统中，由于混合模数架构，信道估计是一个具有挑战性的问题，它压缩了接收到的导频信号，使信道估计成为一个压缩感知（CS）问题。然而，现有的高性能CS算法通常遭受高复杂度。另一方面，大带宽和大量天线所引起的波束偏斜效应会使估计性能恶化。本文首次采用频率相关的角度字典来补偿光束斜视角。然后，从两个方面对基于期望最大化（EM）的稀疏贝叶斯学习（SBL）算法进行了改进，即在每一次迭代中，E步由近似消息传递（AMP）实现以降低复杂度，而M步由深度神经网络（DNN）实现以提高性能。仿真结果表明，基于AMP-SBL展开的信道估计器具有较低的复杂度和较好的性能。
2023-02-01 cs.IT eess.SP math.IT
Deep Learning Based Frequency-Selective Channel Estimation for Hybrid mmWave MIMO Systems
毫米波（mmWave）大规模多输入多输出（MIMO）系统通常采用混合混合信号处理以避免昂贵的硬件和高训练开销。然而，在毫米波频带处缺乏全数字波束成形在信道估计中带来了额外的挑战。关于混合架构的现有技术主要集中在用于估计频率平坦的窄带毫米波信道的贪婪优化算法上，尽管实际上与毫米波信道相关联的大带宽导致频率选择性信道。在本文中，我们考虑频率选择性宽带毫米波系统，并提出两种基于深度学习（DL）压缩感知（CS）的信道估计算法。所提出的算法从训练数据中学习关键的先验信息，以提供具有低训练开销的高精度信道估计。在第一种方法中，基于DL-CS的算法同时估计频域中的信道支持，然后将其用于信道重构。第二种方法利用估计的支持应用低复杂度的多分辨率微调方法，以进一步提高估计性能。仿真结果表明，所提出的基于DL的方案显着优于传统的正交匹配追踪（OMP）技术的归一化均方误差（NMSE），计算复杂性，和频谱效率，特别是在低信噪比制度。当与OMP方法相比，实现了NMSE的差距\$ \unit [\{4-10\}]{dB}\$相对于Cramer Rao下限（CRLB），所提出的算法减少CRLB的差距只有\$ \unit [\{1-1.5\}]{dB}\$，同时显着降低了两个数量级的复杂性。
2021-02-22 cs.IT math.IT
A Block Sparsity Based Estimator for mmWave Massive MIMO Channels with Beam Squint
多输入多输出（MIMO）毫米波（mmWave）通信是下一代无线网络的关键技术。利用具有增加的带宽的大量天线的后果之一是阵列导向矢量在不同的子载波之间变化。由于这种被称为波束偏斜的效应，传统的信道模型不再适用于毫米波大规模多输入多输出系统。在本文中，我们研究信道估计下产生的非标准模型。为此，我们首先从阵列信号处理的角度分析了波束偏斜效应，从而建立了一个模型，该模型揭示了毫米波传输的角度延迟稀疏性。接下来，我们设计了一种基于压缩感知的信道估计算法，该算法利用了该信道模型的平移不变块稀疏性。该算法联合计算离网角、离网时延和多径信道的复增益。我们表明，新提出的方案更准确地反映了毫米波信道，与传统方法相比，性能得到了改善。然后，我们演示了如何可以应用这种方法来恢复频分双工（FDD）系统中的上行链路和下行链路信道，通过利用毫米波信道的角度延迟互易性。
2019-04-28 cs.IT eess.SP 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
Message passing-based joint CFO and channel estimation in millimeter wave systems with one-bit ADCs
当使用大型天线阵列时，毫米波（mmWave）下的信道估计具有挑战性。先前的工作已经通过基于压缩感测的算法来利用毫米波信道的稀疏性质进行信道估计。然而，这些算法中的大多数假设完美同步，并且容易受到由于载波频率偏移（CFO）和相位噪声而产生的相位误差的影响。最近，稀疏感知，非相干波束形成算法，是强大的相位误差被提出用于窄带相控阵系统与全分辨率模数转换器（ADC）。然而，这种基于能量的算法对于接收机处的重量化不鲁棒。在本文中，我们开发了一种联合CFO和宽带信道估计算法，可扩展到不同的毫米波架构。我们的方法利用毫米波MIMO信道的角度延迟域中的稀疏性，除了相位误差矢量的可压缩性。我们制定的联合估计作为一个稀疏的双线性优化问题，然后使用消息传递恢复。我们还给出了一个有效的实现广义双线性消息传递算法的联合估计毫米波系统与一位ADC。仿真结果表明，即使在存在相位噪声的情况下，我们的方法也能够压缩地恢复CFO和信道。
2018-06-17 cs.IT math.IT
Architecture-Algorithmic Trade-offs in Multi-path Channel Estimation for mmWAVE Systems
5G毫米波大规模MIMO系统可能部署在密集的城市场景中，其中增加网络容量是主要目标。毫米波收发器设计中的一个关键组件是信道估计，由于非常大的信号带宽（GHz量级）意味着显著的分辨空间多径，加上大规模MIMO的Tx/Rx天线数量大，信道估计是具有挑战性的。这导致显著增加的训练开销，这又导致不可接受的高计算复杂性和功率成本。因此，我们的工作突出了收发器架构和接收器信号处理算法选择的相互作用，从根本上解决（移动）手机功耗，性能下降最小。我们调查的权衡，使混合波束成形毫米波接收机和信道估计算法，利用可用的稀疏性，在这样的宽带场景的结合。探索用于稀疏信道估计的压缩感知（CS）框架--二进制迭代硬阈值（BIHT）\cite{jacques2013robust}，然后是具有不同量化（ADC）级别的线性重建方法--以比较比特深度和采样率之间的权衡对于给定的ADC功率预算。BIHT+线性重构方法的性能分析通过对5G指定多径信道模型的仿真研究进行，并与Oracle辅助的边界进行比较以进行验证。
2022-09-07 cs.IT eess.SP math.IT
Dictionary Learning for Channel Estimation in Hybrid Frequency-Selective mmWave MIMO Systems
利用毫米波（mmWave）频率处的信道稀疏性减少了与信道估计阶段相关联的高训练开销。压缩感知（CS）信道估计技术通常采用（过完备）小波/傅立叶变换矩阵作为稀疏字典。这可能不是最好的选择时，考虑到非均匀阵列，天线增益/相位误差，互耦效应等，我们提出了两个字典学习（DL）算法学习最好的稀疏化字典的信道矩阵的观察与混合频率选择性毫米波多输入多输出（MIMO）系统。首先，我们优化组合字典，即，发送和接收字典的克罗内克积，因为它在实践中用于稀疏化信道矩阵。其次，考虑到在发射机和接收机的不同阵列结构，我们利用可分离的DL找到最佳的发送和接收字典。一旦信道被表示在优化字典方面，各种基于CS的稀疏恢复技术可以被应用于低开销信道估计。在预编码器/组合器可以被优化之前，所提出的DL算法在任何毫米波通信系统固有的低SNR条件下表现良好。所提出的DL算法的有效性已通过不同的系统配置，阵列的几何形状和硬件损伤的数值模拟得到证实。
2019-09-19 cs.IT eess.SP math.IT
Reconfigurable Intelligent Surface-Aided Full-Duplex mmWave MIMO: Channel Estimation, Passive and Hybrid Beamforming
毫米波（mmWave）全双工（FD）是一种很有前途的技术，可以通过最大限度地利用时间和丰富的毫米波频率资源来提高容量。尽管如此，由于FD自干扰（SI）和毫米波的有限覆盖范围，它仍然受到限制。因此，本研究在可重构智能表面（RIS）的帮助下深入研究FD毫米波MIMO，以提高容量。首先，我们证明了在远场平面波前假设下，FD天线阵列的角域互易性。因此，提出了一种用于联合下行链路-上行链路（DL-UL）信道估计的策略。为了估计SI信道、直接信道和级联信道，分别提出了基于Khatri-Rao乘积的压缩感知（KR-CS）、分布式压缩感知（D-CS）和基于两阶段多测量向量的D-CS（M-D-CS）框架。此外，我们提出了一种基于角域级联通道的无源波束形成优化方案。针对混合波束形成结构，提出了一种新的混合加权最小均方误差信号干扰消除方法（H-WMMSE-SIC）。仿真已经揭示，与单独的DL/UL信道估计相比，联合DL-UL处理显著地提高了估计性能。特别是，当干扰噪声比小于35 dB时，我们提出的H-WMMSE-SIC提供了与全数字WMMSE-SIC相当的频谱效率性能。最后，分析了所提方法的计算复杂性。
2023-03-25 cs.IT eess.SP math.IT
Channel Estimation and Hybrid Precoding for Frequency Selective Multiuser mmWave MIMO Systems
针对频率选择性多用户毫米波MIMO系统的混合预编码配置难题，提出利用子载波共同支撑集的压缩信道估计与两种混合预编码设计算法，验证了其在开销、复杂度与性能间的设计权衡。
2024-01-29 cs.IT eess.SP math.IT
Broadband Channel Estimation for Intelligent Reflecting Surface Aided mmWave Massive MIMO Systems
针对 IRS 辅助毫米波大规模 MIMO 的高维宽带信道估计难题，提出基于压缩感知的下行导频框架，结合分布式 OMP、公共稀疏性与冗余字典降低导频开销并提升估计性能。
2023-07-13 cs.IT eess.SP math.IT
Deep Learning-based Channel Estimation for Wideband Hybrid MmWave Massive MIMO
在实际的毫米波大规模多输入多输出（MIMO）系统中，为了降低硬件成本和能耗，模数混合（HAD）结构被广泛采用。然而，由于收发器处仅有有限的射频（RF）链，HAD上下文中的信道估计是具有挑战性的。虽然各种压缩感知（CS）算法已经被开发来解决这个问题，通过利用固有的信道稀疏性和稀疏性结构，实际的影响，如功率泄漏和波束偏斜，仍然可以使真实的信道特征偏离假设的模型，并导致性能下降。同时，CS算法的大量迭代导致的高复杂度阻碍了其在实际中的应用。为了解决这些问题，我们开发了一种基于深度学习（DL）的信道估计方法，其中稀疏贝叶斯学习（SBL）算法被展开为深度神经网络（DNN）。在每个SBL层中，稀疏角域信道的高斯方差参数由定制的DNN更新，该DNN能够有效地捕获各种域中复杂的信道稀疏结构。此外，测量矩阵进行联合优化，以提高性能。然后，所提出的方法被扩展到多块的情况下，信道在时间上的相关性被进一步利用，以自适应地预测测量矩阵，并促进高斯方差参数的更新。基于仿真结果，所提出的方法显着优于现有的方法，但降低了复杂性。
2022-05-10 cs.IT eess.SP math.IT
Matrix Completion-Based Channel Estimation for MmWave Communication Systems With Array-Inherent Impairments
针对毫米波混合大规模MIMO系统中阵列固有损伤导致传统信道估计性能下降的问题，提出基于矩阵补全的鲁棒信道估计方案，结合开环训练、广义条件梯度与交替最小化方法，还扩展至归纳矩阵补全场景，在性能、复杂度和鲁棒性上均优于基于OMP的压缩感知估计器。
2018-10-10 cs.IT math.IT
Near-Field Channel Estimation for Extremely Large-Scale Reconfigurable Intelligent Surface (XL-RIS)-Aided Wideband mmWave Systems
本文针对XL-RIS辅助的宽带毫米波系统，提出了一种基于多频率可并行子空间恢复框架和二维压缩感知的高效近场信道估计方法，通过构建宽带球面域字典解决近场波束斜移问题，实现了逼近理论下界的性能且计算复杂度与RIS元件数呈线性关系。
2023-04-02 cs.IT eess.SP math.IT
Beamspace Channel Estimation for Wideband Millimeter-Wave MIMO: A Model-Driven Unsupervised Learning Approach
毫米波（mmWave）通信已经成为集成了广泛的数据需求应用的未来无线网络的有前途的技术之一。为了补偿毫米波信道衰减大的问题，同时避免硬件开销，提出了一种基于透镜的波束域大规模多输入多输出（MIMO）系统。然而，宽带毫米波系统中的波束偏斜效应使得信道估计非常具有挑战性，特别是当接收器配备有有限数量的射频（RF）链时。此外，在新环境中使用毫米波系统之前无法获得真实信道数据，这使得无法使用预先设置的真实数据来训练基于深度学习（DL）的信道估计器。为了解决这个问题，我们提出了一个模型驱动的无监督学习网络，命名为学习去噪的广义期望一致（LDGEC）信号恢复网络。通过利用Stein的无偏风险估计器损失，LDGEC网络可以仅用与导频符号相对应的有限测量来训练，而不是真实的信道数据。即使是为无监督学习设计的，LDGEC网络也可以通过逐去噪的方式用真实信道进行监督训练。数值结果表明，当接收机配备有少量RF链和低分辨率ADC时，基于LDGEC的信道估计器显著优于最先进的基于压缩感知的算法。
2021-05-12 cs.IT eess.SP math.IT
Joint Activity Detection and Channel Estimation for Massive IoT Access Based on Millimeter-Wave/Terahertz Multi-Panel Massive MIMO
多面板阵列作为一种最先进的天线封装技术，由于其低成本部署和可扩展配置，非常适合毫米波（mmWave）/太赫兹（THz）系统。但在非均匀阵列结构的情况下，它会导致棘手的信号处理。基于这样的阵列结构在基站，本文研究了一种联合主动用户检测（AUD）和信道估计（CE）方案的压缩感知（CS）的应用于大规模物联网（IoT）。具体而言，通过利用mmWave/THz大规模物联网接入信道的结构化稀疏性，我们首先将基于多面板大规模多输入多输出（mMIMO）的联合AUD和CE问题表示为多测量向量（MMV）-CS问题。然后，我们利用期望最大化（EM）算法来学习先验参数（即，噪声方差和稀疏比），提出了一种正交近似消息传递（OAMP）-EM-MMV算法。我们的仿真结果验证了改进的AUD和CE性能相比，传统的CS为基础的算法所提出的计划。
2022-09-11 cs.IT math.IT
Fast Beam Alignment for Millimeter Wave Communications: A Sparse Encoding and Phaseless Decoding Approach
在本文中，我们研究了毫米波（mmWave）通信的波束对准问题，其中我们假设在发射端（即基站）采用混合模拟和数字波束形成结构，并且在接收端（即用户）使用全向天线或天线阵列。通过利用毫米波信道的稀疏散射特性，波束对准问题被公式化为稀疏编码和无相解码问题。更具体地说，感兴趣的问题涉及找到一个稀疏的传感矩阵和一个有效的恢复算法，以恢复的支持和幅度的稀疏信号从压缩无相测量。提出了一种稀疏二分图编码（SBG-Coding）算法，用于稀疏编码和无相解码。我们的理论分析表明，在无噪声的情况下，我们提出的算法可以完美地恢复支持和幅度的稀疏信号的概率超过一个预先指定的值从$\mathcal{O}(K^2)$测量，其中$K$是非零条目的稀疏信号的数量。该算法具有简单的解码过程，计算效率高，抗噪声能力强。仿真结果表明，我们提出的方法呈现出可靠的波束对准在低和中等信噪比（SNR）制度，并提出了一个明显的性能优势，比现有的方法。
2018-11-09 cs.IT math.IT
DiffPace: Diffusion-based Plug-and-play Augmented Channel Estimation in mmWave and Terahertz Ultra-Massive MIMO Systems
Terahertz Wireless Communications (TWC) Laboratory, Shanghai Jiao Tong University（太赫兹无线通信实验室，上海交通大学）；Cooperative Medianet Innovation Center (CMIC), School of Information Science and Electronic Engineering, Shanghai Jiao Tong University（协作中位网创新中心（CMIC），信息科学与电子工程学院，上海交通大学）；Institute for Digital Communications, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)（数字通信研究所，弗赖堡-亚历山大-大学埃尔朗根-纽伦堡（FAU））
本文提出基于扩散的即插即用信道估计方法DiffPace，利用扩散模型捕捉混合球面与平面波信道分布作为先验知识，在毫米波与太赫兹超大规模MIMO系统中实现了高精度与高计算效率的信道估计。
2025-10-21 cs.AI cs.IT eess.SP
