Efficient Channel Estimation for Millimeter Wave and Terahertz Systems Enabled by Integrated Super-resolution Sensing and Communication
针对毫米波与太赫兹系统,提出基于集成超分辨率感知与通信(ISSAC)的高效信道估计方案,利用MUSIC算法无导频估计多径角度,仅需少量导频估计系数,显著降低开销与成本并提升性能。
2024-07-30 eess.SP
DFT-Spread Orthogonal Time Frequency Space System with Superimposed Pilots for Terahertz Integrated Sensing and Communication
太赫兹(THz)通感一体化(ISAC)技术是一种能够同时实现太比特每秒(Tbps)传输和毫米级精确环境或人类活动传感的交叉学科技术。然而,无论是通信性能和传感精度的影响,多普勒效应,这是特别严重的太赫兹波段。此外,峰均功率比(PAPR)降低了太赫兹功率放大器(PA)的效率。提出了一种基于离散傅里叶变换扩频正交时频空间(DFT-s-OTFS)的THz ISAC系统,该系统采用叠加导频技术,提高了系统对多普勒效应的鲁棒性,降低了系统的峰均比。然后,开发了两阶段感测参数估计算法以将感测功能集成到DFT-s-OTFS波形中。同时,提出了一种低复杂度的迭代信道估计和基于共轭梯度均衡器的数据检测方法来恢复DFT-s-OTFS的数据符号。与OTFS相比,所提出的DFT-s-OTFS波形可以将PA效率平均提高10%。仿真结果表明,所提出的THz DFT-s-OTFS系统两阶段感知估计算法能够实现毫米级的距离估计精度和分米/秒级的速度估计精度。仿真结果表明,在DFT-s-OTFS系统中,叠加导频辅助的迭代数据检测方法是有效的,且误比特率性能不会因多普勒效应而降低。
2023-02-25 eess.SP
True-Time-Delay Arrays for Fast Beam Training in Wideband Millimeter-Wave Systems
波束训练是毫米波和亚太赫兹通信中最重要也是最具挑战性的任务之一。需要新颖的阵列架构和信号处理技术来避免与大天线阵列和窄波束相关联的禁止性波束训练开销。在这项工作中,我们利用最新的发展,真正的时间延迟(TTD)阵列与大延迟带宽产品,以加速波束训练使用频率相关的探测波束。我们提出并研究了两个TTD架构的候选者,包括模拟和混合模拟-数字阵列,可以促进波束训练,只有一个宽带导频。我们还提出了一个合适的算法,需要一个单一的导频来实现高精度的到达角估计。所提出的阵列架构进行了比较,在波束训练的要求和性能,鲁棒性,实际的硬件损伤,和功耗。研究结果表明,模拟和混合TTD阵列实现了亚度波束对准精度与66%和25%的功耗比全数字阵列,分别。我们的研究结果产生重要的设计权衡之间的基本系统参数,功耗和到达角估计的准确性在快速TTD波束训练。
2020-07-17 eess.SP
Exploiting Out-of-Band Information for Millimeter-Wave MIMO Channel Estimation: Performance in Static and Dynamic Scenarios
Institute of Telecommunications, TU Wien(维也纳工业大学电信研究所);Christian Doppler Laboratory for Digital Twin assisted AI for sustainable Radio Access Networks(可持续无线电接入网络数字孪生辅助人工智能克里斯蒂安·多普勒实验室)
本文研究了毫米波MIMO系统中利用带外sub-6 GHz信息提升信道估计性能的方法,分析了不同波束成形配置在静态和动态环境下的性能,展示了在不同传播条件下谱效率的提升。
2026-07-10 eess.SP
High Dimensional Channel Estimation Using Deep Generative Networks
本文提出了一种新的压缩感知(CS)方法,通过优化输入到一个深生成网络的高维无线信道估计。使用生成网络的信道估计依赖于重构信道位于生成模型的范围内的假设。使用生成先验的信道重构优于传统的CS技术,并且需要更少的导频。它还消除了对稀疏化基础的先验知识的需要,而是使用由深度生成模型捕获的结构作为先验。使用此先验,我们还执行信道估计从一位量化的导频测量,并提出了一种新的优化目标函数,试图最大限度地提高接收信号和发生器的信道估计之间的相关性,同时最小化的秩的信道估计。我们的方法显着优于稀疏信号恢复方法,如正交匹配追踪(OMP)和近似消息传递(AMP)算法,如EM-GM-AMP的窄带毫米波信道重建,其执行时间不会受到明显的影响,接收到的导频符号的数量增加。
2020-06-24 eess.SP
Sensing aided Channel Estimation in Wideband Millimeter-Wave MIMO Systems
在这项工作中,上行链路信道估计问题被认为是毫米波(mmWave)多输入多输出(MIMO)系统。众所周知,信道估计中的导频开销和计算复杂度随着天线数目和带宽而增加。为了克服这一点,所提出的方法允许在基站的信道估计由感测信息辅助。感测信息包含对环境中的散射体位置的估计。提出了一种同时加权正交匹配追踪(SWOMP)-稀疏贝叶斯学习(SBL)算法,有效地将此感知信息的通信信道估计过程。所提出的框架可以应对a)存在于感测信息中的散射体与通信信道不相关联以及b)散射体的位置中的缺陷的场景。仿真结果表明,该算法仅以少量导频开销为代价,就能获得良好的宽带性能。最后,Cramer-Rao界(CRB)的角度估计和多径信道增益的SBL推导出,所提出的算法的本地可识别性提供了宝贵的见解。
2023-02-04 cs.IT eess.SP 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
Millimeter Wave MIMO Channel Estimation with 1-bit Spatial Sigma-delta Analog-to-Digital Converters
本文主要研究了采用1位空间Σ-Δ模数转换器(ADC)的毫米波MIMO系统的信道估计。1位空间Σ-Δ型ADC的信道估计性能取决于量化噪声建模。因此,我们提出了一种新的方法,利用1位空间Σ-Δ ADC的确定性输入输出关系来建模量化噪声。使用这个新的噪声模型,我们提出了一种算法的信道估计的窄带单用户毫米波视线MIMO系统,通过确定未知的角度和路径衰减,表征平坦衰落信道。通过仿真,我们证明了所开发的方法的性能与传统的模拟系统相当,并显着优于传统的1位量化系统。
2020-10-23 cs.IT eess.SP math.IT
Wideband Channel Estimation with A Generative Adversarial Network
在诸如毫米波(mmWave)和太赫兹(THz)的高载波频率下的通信需要在低SNR下对非常大的带宽进行信道估计。因此,为每个相干带宽分配正交导频音导致过多的导频。我们利用生成对抗网络(GANs)在低信噪比下准确估计具有少量导频的频率选择性信道。该方法首先通过训练生成网络学习从真实但未知的信道分布中产生信道样本,然后根据当前接收信号优化网络的输入向量,以此作为先验估计当前信道。我们的研究结果表明,在-5 dB的SNR,即使采用一位移相器的收发器,我们的设计实现了相同的信道估计误差的LS估计器与SNR = 20 dB或LMMSE估计器在2.5 dB,都与全数字架构。此外,基于GAN的估计器将所需的导频数量减少了约70%,而不会显着增加估计误差和所需的SNR。我们还表明,生成网络似乎并不需要重新训练,即使集群和射线的数量发生很大变化。
2020-12-22 eess.SP
Model-Driven Deep Learning Based Channel Estimation and Feedback for Millimeter-Wave Massive Hybrid MIMO Systems
Beijing Institute of Technology(北京理工大学);Tsinghua University(清华大学);Université Paris-Saclay(巴黎萨克雷大学);CNRS(法国国家科学研究中心);CentraleSupélec(中央理工-高等电力学院)
针对宽带毫米波(mmWave)大规模混合多输入多输出(MIMO)系统,提出了一种基于模型驱动深度学习(MDDL)的信道估计和反馈方案,利用角度延迟域信道的稀疏性降低系统开销。首先,我们考虑时分双工系统的上行信道估计。为了减少上行链路导频开销估计高维信道从有限数量的射频(RF)链在基站(BS),我们建议联合训练的相移网络和信道估计器作为一个自动编码器。特别地,通过利用信道的结构化稀疏性从先验模型和学习的综合可训练参数的数据样本,所提出的多测量向量学习近似消息传递(MMV-LAMP)网络与设计的冗余字典可以联合恢复多个子载波的信道,具有显着增强的性能。此外,我们考虑了频分复用系统的下行信道估计和反馈。类似地,BS处的导频和用户处的信道估计器可以分别被联合训练为编码器和解码器。此外,为了进一步减少信道反馈开销,仅将部分子载波上的接收导频反馈给BS,这可以利用MMV-LAMP网络来重构空频信道矩阵。数值结果表明,所提出的基于MDDL的信道估计和反馈方案优于国家的最先进的方法。
2021-05-06 cs.AI cs.IT cs.LG
Error Propagation and Overhead Reduced Channel Estimation for RIS-Aided Multi-User mmWave Systems
针对毫米波(mmWave)系统中基于可重构智能表面(RIS)的多用户(MU)系统,提出了一种新的基于两阶段的上行信道估计策略,该策略具有较低的导频开销和误差传播。具体地说,在第一阶段,与精心设计的RIS相移矩阵和引入匹配矩阵,所有用户联合估计的公共RIS基站(BS)信道的不同路径之间的相关因子,这实现了显着的多用户分集增益。然后,利用毫米波级联信道固有的缩放模糊和角度模糊来构造由估计的相关因子组成的模糊公共RIS-BS信道。在第二阶段,利用所构造的模糊公共RIS-BS信道,每个用户使用减少的导频独立地估计其特定的用户RIS信道,以获得整个级联信道。分析了该方法所需的理论导频数,并通过仿真验证了该方法的有效性。
2022-08-23 eess.SP
Full-Duplex Millimeter Wave MIMO Channel Estimation: A Neural Network Approach
本文研究全双工毫米波MIMO系统中的信道估计问题,提出基于神经网络的方法,通过共享导频资源降低开销,并利用NN映射解决分离天线配置下TX阵列信道估计的挑战。
2024-06-18 cs.IT eess.SP math.IT
Hybrid Beamforming for Intelligent Reflecting Surface Aided Millimeter Wave MIMO Systems
由于采用毫米波(mmWave)频段的通信系统必须使用大型天线阵列来克服mmWave信号的严重传播损耗,因此混合波束成形已被认为是mmWave通信的组成部分。最近,智能反射表面(IRS)已经被提出作为一种创新技术,其可以通过使用低成本的无源反射元件来显著改善毫米波通信系统的性能。在本文中,我们研究了红外辅助毫米波多输入多输出(MIMO)系统与混合波束形成架构。本文首先利用毫米波信道的稀疏散射结构和大尺度特性,研究了窄带MIMO系统中IRS反射矩阵和混合波束形成器的联合设计。然后,我们将所提出的联合设计推广到宽带MIMO系统与正交频分复用(OFDM)调制,利用频率选择性毫米波信道的角度稀疏。仿真结果表明,所提出的联合设计可以显着提高系统的频谱效率,并实现优于现有设计的性能。
2022-06-27 cs.IT eess.SP math.IT
Joint Channel Estimation and Data Detection for Hybrid RIS aided Millimeter Wave OTFS Systems
对于高移动性通信场景,近年来出现的正交时频空间(OTFS)调制引入了新的时延-多普勒域信号空间,可以提供比传统正交频分复用系统更好的通信性能。研究了混合可重构智能表面(HRIS)辅助毫米波(mmWave)OTFS系统的联合信道估计和数据检测(JCEDD)。首先,设计了一种新型的传动结构。在所设计结构的试点持续时间内,部分HRIS元素交替激活。然后展示时域信道模型。其次,研究了时域HRIS接收信号模型和时延-多普勒域基站接收信号模型。第三,利用HRIS获取的信道参数,提出了一种HRIS波束形成设计策略。对于OTFS传输,我们提出了一种延迟-多普勒域上的JCEDD方案。在该方案中,消息传递(MP)算法的设计,同时获得等效的信道增益和数据符号。另一方面,信道参数,即,多普勒频移、信道稀疏度和信道方差通过期望最大化(EM)算法更新。通过迭代执行MP和EM算法,可以准确地捕获信道和未知数据符号。最后,仿真结果验证了我们提出的JCEDD方案的有效性。
2022-08-14 eess.SP
Cascaded Channel Estimation for RIS Assisted mmWave MIMO Transmissions
信道估计是可重构智能表面(RIS)辅助的毫米波(mmWave)通信中的一个难题。由于在这样的系统中级联信道的系数的数量紧密地依赖于基站天线的数量和RIS元件的数量的乘积,所以导频开销将非常高。在这封信中,我们提出了一个级联的信道估计框架的RIS辅助毫米波多输入多输出系统,在传输模型的宽带效应被认为是。然后,将宽带信道估计转化为参数恢复问题,利用少量的导频符号,采用牛顿正交匹配追踪算法进行信道参数的检测。此外,还引入了信道估计的Cramer-Rao下界。数值结果表明了所提出的信道估计方案的有效性。
2021-06-19 eess.SP
Compressed CPD-Based Channel Estimation and Joint Beamforming for RIS-Assisted Millimeter Wave Communications
研究了可重构智能表面(RIS)辅助毫米波(mmWave)多输入多输出(MIMO)正交频分复用(OFDM)系统的信道估计和主被动联合波束形成问题。我们表明,一个精心设计的基于帧的训练协议,接收到的导频信号可以组织成一个低秩的三阶张量,承认一个典型的polyadic分解(CPD)。基于这一观察,我们提出了两种基于CPD的方法来估计与不同子载波相关联的级联信道。所提出的方法利用CPD公式的固有低秩,这是毫米波信道的稀疏散射特性的结果,因此有可能实现显着的训练开销减少。具体来说,我们的分析表明,所提出的方法具有样本的复杂性,规模与级联通道的稀疏性的平方。利用有效信道的类奇异值分解结构,提出了一种基于级联信道估计的主被动联合波束形成方法。仿真结果表明,本文提出的基于CPD的信道估计方法的均方误差接近Cramer-Rao界,明显优于基于压缩感知的方法.此外,所提出的联合波束形成方法可以有效地利用估计的信道参数,以实现优异的波束形成性能。
2022-10-04 eess.SP
RIDNet Assisted cGAN Based Channel Estimation for One-Bit ADC mmWave MIMO Systems
针对单比特ADC毫米波MIMO系统中天线增加导致导频开销大、频谱效率下降的问题,提出一种结合cGAN与稀疏特征注意力盲去噪网络的信道估计方法,显著提升了估计性能并减少了导频传输。
2023-12-19 eess.SP
Joint Channel Estimation and Mixed-ADCs Allocation for Massive MIMO via Deep Learning
毫米波(mmWave)多用户大规模多输入多输出(MIMO)技术是下一代通信系统的重要技术。然而,随着射频(RF)组件数量的增加,硬件成本和功耗显著增长,这阻碍了实际大规模多输入多输出系统的部署。为了解决这个问题并进一步促进大规模多输入多输出的商业化,已经考虑了混合模数转换器(ADC)架构,其中传统假设的全分辨率ADC的部分被一位ADC取代。在本文中,我们首先提出了一种基于深度学习(DL)的联合导频设计和信道估计方法,用于混合ADC毫米波大规模多输入多输出。具体来说,我们设计了一个导频设计神经网络,其权重直接代表优化的导频,并开发了一个龙格库塔模型驱动的密集连接网络作为信道估计器。为了进一步提高信道估计精度,我们设计了一种新的天线选择网络来分配混合ADC,而不是随机分配混合ADC。此外,我们采用了一个自动编码器启发的端到端架构,共同优化导频设计,信道估计和混合ADC分配网络。仿真结果表明,所提出的基于DL的方法具有优于传统的信道估计以及国家的最先进的网络。
2021-06-08 eess.SP
Sparsifying Dictionary Learning for Beamspace Channel Representation and Estimation in Millimeter-Wave Massive MIMO
针对毫米波大规模MIMO中傅里叶波束域变换非最优的问题,提出基于学习稀疏化字典的波束域变换与预编码方法,可增强信道稀疏性、减少功率泄漏,提升信道估计质量与波束选择性,最终提高频谱效率。
2022-04-28 eess.SP
A New Channel Subspace Characterization for Channel Estimation in RIS-Aided Communications
针对RIS辅助毫米波通信中因元件庞大导致传统信道估计导频开销过高的问题,提出一种低维信道子空间表征方法,仅在子空间内发送导频,在保持或提升性能的同时减少80%的导频开销。
2023-04-04 eess.SP
Out-of-Band Modality Synergy Based Multi-User Beam Prediction and Proactive BS Selection with Zero Pilot Overhead
Jinan University(暨南大学);University of Macau(澳门大学);Imperial College London(帝国理工学院)
本文提出基于视觉和位置的带外模态协同方案,实现多用户波束预测和前瞻性基站选择,无需导频开销并提升多基站协调效率。
2026-01-22 eess.SP
Deep Learning for Direct Hybrid Precoding in Millimeter Wave Massive MIMO Systems
本文提出了一种新的神经网络架构,我们称之为自动预编码器,以及一种基于深度学习的方法,该方法联合感知毫米波(mmWave)信道,并设计仅使用少量训练导频的混合预编码矩阵。更具体地,所提出的机器学习模型利用信道的先前观测来实现两个目标。首先,它以无监督的方式基于周围环境优化压缩信道感知向量,以将感知功率集中在最有希望的空间方向上。这是通过一种新颖的神经网络架构实现的,该架构考虑了RF链上的约束,并将发射机/接收机测量矩阵建模为两个复值卷积层。其次,所提出的模型学习如何直接从投影信道向量(接收到的感测向量)构建混合架构的RF波束成形向量。结合信道感测和波束预测的自动预编码器神经网络被端到端地训练为多任务分类问题。由于这种设计方法利用了先前的信道观察和对周围环境/用户分布的隐式感知,与经典(非机器学习)解决方案相比,所提出的方法显著降低了训练开销。例如,对于64个发射天线和64个接收天线的系统,在两侧具有3个RF链,所提出的解决方案仅需要8或16个信道训练导频来直接预测混合架构的RF波束成形/组合向量,并实现接近最优的可实现速率。这突出了毫米波和大规模MIMO系统中的信道估计和混合预编码设计问题的有前途的解决方案。
2019-05-30 cs.IT eess.SP math.IT
Learning-based Handover in Mobile Millimeter-wave Networks
毫米波(mmWave)通信被认为是未来蜂窝和无线网络中超高数据速率的关键使能器。毫米波系统中基站(BS)和用户之间通过波束成形实现的定向通信的需要增加了信道估计的复杂度。此外,为了提供更好的覆盖,需要BS的密集部署,这导致频繁的切换和增加的关联开销。在本文中,我们提出了一种方法,共同解决波束成形和切换问题。我们的解决方案需要一个有效的波束形成方法与最少数量的导频和基于学习的切换方法支持移动场景。我们使用强化学习算法来学习在移动用户的不同位置的备份BS的最佳选择。我们表明,我们的方法提供了高速率和可靠性,在所有位置的用户的轨迹与最小数量的brawers。基于几何毫米波信道模型和真实建筑物地图数据的室外环境仿真结果表明,我们提出的解决方案在可实现的瞬时速率和轨迹速率方面具有优越的性能。
2020-11-03 cs.NI eess.SP
Channel Estimation for RIS-Aided MU-MIMO mmWave Systems with Practical Hybrid Architecture
本文针对RIS辅助毫米波多用户MIMO系统提出一种基于相关性的三阶段信道估计策略,利用压缩感知、最小二乘和角度搜索估计级联信道,并通过复用公共RIS-BS信道及优化混合合并与相移矩阵,在保证高估计精度的同时将导频开销降低五倍以上。
2025-02-08 eess.SP
Channel Estimation for RIS-assisted Millimeter-wave MIMO Systems
可重构智能表面(RIS)辅助的多输入多输出(MIMO)通信系统中的信道估计是具有挑战性的,因为导频不能在仅具有无源元件的RIS处解码或从仅具有无源元件的RIS发送。我们假设用户设备(UE)与RIS之间以及RIS与基站(BS)之间的视线信道的角度模型,其中UE与BS之间没有直接路径。在这封信中,假设我们可以计算RIS-BS信道(直到复杂的路径增益)从他们的已知位置,我们首先讨论的模糊性估计的UE-RIS信道。我们提出了一个多信道探测过程中,我们通过不同的RIS相移观察信道,并提出了一种算法,用于信道估计,以解决这种模糊性。通过模拟,我们表明,所提出的方法是可比的预言估计,它完全知道BS,UE和RIS的位置。
2021-03-19 cs.IT eess.SP math.IT
Large-Model AI for Near Field Beam Prediction: A CNN-GPT2 Framework for 6G XL-MIMO
针对6G XL-MIMO毫米波高移动性场景下近场波束预测的导频开销大和波束索引突变问题,提出CNN-GPT2框架,结合宽波束模拟与频变数字预编码的上行导频策略,端到端预测近场波束索引。
2025-10-26 eess.SP
Beam Designs for Millimeter-Wave Backhaul with Dual-Polarized Uniform Planar Arrays
本文提出了毫米波(mmWave)多输入多输出(MIMO)回程系统的发射和接收基站的双极化天线的均匀平面阵列(UPA)的混合波束成形设计。所提出的波束成形设计是考虑到双极化UPA结构来近似最优地解决优化问题。基于优化问题的解,本文证明了由具有相同最优性的最优单极化波束形成器生成最优双极化波束形成器的可能性。作为具体的例子,分别考虑了平方误差和内积的大小作为优化准则。为了优化所提出的波束形成器,需要部分信道信息,并且还提出使用低开销导频序列来计算出所需的信息。仿真结果表明,在双极化天线的UPA覆盖范围内,所设计的波束形成器具有最均匀的增益(以平方误差为准则)或最高的平均增益(以内积的大小为准则)。
2020-03-11 cs.IT eess.SP math.IT
Beam Training and Allocation for Multiuser Millimeter Wave Massive MIMO Systems
研究了多用户毫米波大规模多输入多输出系统的波束训练和分配问题。首先提出了一种基于正交导频的波束训练方案,以减少训练次数,其中所有用户可以同时与基站(BS)进行波束训练。随着用户数量的增加,来自BS的相同波束可能指向不同的用户,导致波束冲突和多用户干扰。为此,在保证无波束冲突的QoS用户数最大的前提下,提出了一种QoS约束的波束分配方案,以最大化QoS用户的等效信道增益.为了减少波束训练的开销,提出了两种部分波束训练方案,基于隔行扫描(IS)和基于选择概率(SP)的方案。基于IS的方案的波束训练的开销可以减少近一半,而基于SP的方案的开销是灵活的。仿真结果表明,基于QC的波束分配方案可以有效地抑制波束冲突带来的干扰,显著提高频谱效率;基于IS和SP的波束分配方案在牺牲频谱效率的前提下,显著降低了波束训练开销。
2019-01-05 cs.IT eess.SP math.IT
Channel Estimation for Hybrid MIMO Systems With Array Model Errors and Beam Squint Effects
针对含波束斜视和时变阵列误差的高频混合 MIMO 系统,提出基于 ML 交替优化、网格切换和近似互耦模型的小开销在线信道估计方法。
2025-06-14 eess.SP
Active Sensing for Two-Sided Beam Alignment and Reflection Design Using Ping-Pong Pilots
本文针对毫米波通信中的双端波束对齐问题,提出基于乒乓导频和两个LSTM网络的深度主动感知框架,无需显式反馈即可设计测量向量和波束成形器,并可扩展至RIS反射设计,实验显示性能显著提升。
2023-05-11 cs.IT eess.SP math.IT
Enhanced Channel Estimation in mm-Wave MIMO Systems Leveraging Integrated Communication and Sensing
针对室内毫米波宽带 MIMO 信道估计难题,本文提出通感一体化方法,融合空间与时间感知信息并校正模式失配,将训练导频需求较现有最优方法降低 75%。
2023-09-26 cs.NA eess.SP math.NA
A Comprehensive Survey of Channel Estimation Techniques for OTFS in 6G and Beyond Wireless Networks
Yıldız Technical University(伊斯坦布尔技术大学);Istanbul Medeniyet University(伊斯坦布尔文明大学);Koc University(科奇大学);Nantong University(南通大学);South China University of Technology(华南理工大学);Princeton University(普林斯顿大学)
本文综述了OTFS在6G及未来无线网络中的信道估计技术,涵盖从基础方法到前沿方法的广泛研究,并探讨了关键挑战与应用集成。
2025-12-15 eess.SP
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
Hybrid Driven Learning for Channel Estimation in Intelligent Reflecting Surface Aided Millimeter Wave Communications
本文针对IRS辅助毫米波MISO系统上行宽带信道估计问题,提出结合模型驱动与数据驱动的混合驱动学习架构,在无源及混合有源/无源IRS系统中均显著优于现有深度学习方案,并降低约60%导频开销。
2023-05-30 cs.IT eess.SP math.IT
Site-Specific Beam Learning for Full-Duplex Massive MIMO Wireless Systems
University of California, Los Angeles(加州大学洛杉矶分校)
本文提出一种无需显式估计自干扰信道的波束学习框架,通过设计波束码本利用深度学习网络生成全双工传输和接收波束,减少测量次数。
2025-09-30 eess.SP
Beam-Coherence-Aware Two-Stage Digital Combining for mmWave MU-MIMO Systems
KTH Royal Institute of Technology(皇家理工学院);BeammWave AB(BeammWave公司)
本文提出一种两阶段数字组合架构,通过压缩信号减少终端处理负担,结合波束相干性和通道几何特性,提升毫米波多用户MIMO系统的频谱效率。
2026-03-27 cs.IT eess.SP math.IT
A Family of Deep Learning Architectures for Channel Estimation and Hybrid Beamforming in Multi-Carrier mm-Wave Massive MIMO
Duzce University(迪兹杰大学);University of Luxembourg(卢森堡大学)
混合模拟和数字波束成形收发器有助于解决下一代毫米波(mm-Wave)大规模多输入多输出(多输入多输出)系统中昂贵硬件和高训练开销的挑战。然而,在混合架构中缺乏全数字波束成形以及毫米波的短相干时间对信道估计施加了额外的约束。解决这些挑战的现有工作主要集中在窄带信道上,其中采用基于优化或贪婪算法来导出混合波束形成器。在本文中,我们介绍了一种用于频率选择性宽带毫米波系统的信道估计和混合波束成形的深度学习(DL)方法。特别是,我们考虑了大规模多输入多输出正交频分复用(MIMO-OFDM)系统,并提出了三种不同的DL框架,包括卷积神经网络(CNN),它接受接收信号的原始数据作为输入,并在输出端产生信道估计和混合波束形成器。我们还介绍了离线和在线预测方案。数值实验表明,与当前最先进的优化和DL方法相比,我们的方法提供了更高的频谱效率,更少的计算成本和更少的导频信号数量,以及对接收到的导频数据,损坏的信道矩阵和传播环境的偏差的更高的容忍度。
2022-01-03 cs.IT cs.LG eess.SP
Low-Overhead Channel Estimation via 3D Extrapolation for TDD mmWave Massive MIMO Systems Under High-Mobility Scenarios
Jinan University(暨南大学);University of Macau(澳门大学);East China Normal University(华东师范大学);Southeast University(东南大学);Tsinghua University(清华大学)
针对高移动 TDD mmWave massive MIMO 的信道老化与高维导频开销问题,提出空间-频率-时间 3D 外推框架及 KDD-SFCEN、TUDCEN,将导频开销降低 16 倍并提升频谱效率。
2024-12-29 cs.AI cs.IT eess.SP
Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid Precoding
Zhejiang University(浙江大学);NVIDIA(英伟达);Weizmann Institute of Science(魏茨曼科学研究所)
针对毫米波(mmWave)大规模多输入多输出(MIMO)系统,提出了一种基于深度学习的端到端联合收发器设计算法,该算法由深度神经网络(DNN)辅助导频训练、信道反馈和混合模数(HAD)预编码组成。具体来说,我们开发了一种DNN架构,该架构将接收到的导频映射到接收机处的反馈比特,然后进一步将反馈比特映射到发射机处的混合预编码器中。为了减少信令开销和信道状态信息(CSI)的不匹配所造成的传输延迟,两个时标DNN组成的长期DNN和短期DNN的发展。模拟预编码器由长期DNN基于CSI统计来设计,并且在由多个时隙组成的帧中更新一次。相比之下,数字预编码器在每个时隙处基于估计的低维等效CSI矩阵由短期DNN优化。一个双时标的训练方法也开发了建议DNN与二进制层。然后,我们分析了所提出的DNN算法的泛化能力和信令开销。仿真结果表明,我们所提出的技术显着优于传统的方案在比特出错率性能与减少信令开销和更短的导频序列。
2021-10-26 cs.IT cs.LG eess.SP
Phase-Noise Compensation for OFDM Systems Exploiting Coherence Bandwidth: Modeling, Algorithms, and Analysis
相位噪声(PN)估计和补偿是毫米波(mmWave)通信系统中实现高可靠性的关键。然而,PN估计由于其基本特性(诸如频谱扩展和快速变化的波动)而遭受高计算复杂性。在本文中,我们提出了一个新的框架,在正交频分复用系统的低复杂度PN补偿。所提出的框架还包括一个试点分配策略,以尽量减少其开销。其关键思想是利用毫米波系统的相干带宽和近似的实际PN频谱与其主要成分,从而在一个非迭代的解决方案,通过使用线性最小均方误差估计。与现有方法相比,该方法的总复杂度降低了2.5倍以上。此外,我们推导出封闭形式的表达式归一化均方误差(NMSE)作为关键系统参数的函数,这有助于理解在低和高信噪比制度的NMSE行为。最后,我们研究了性能和导频开销之间的权衡,以提供对PN频谱的适当近似的洞察。
2021-09-27 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
Two-Stage Channel Estimation for Hybrid RIS Assisted MIMO Systems
可重构智能表面(RISs)已被提出作为改善毫米波(mmWave)多输入多输出(MIMO)通信中的信号覆盖和减轻频繁阻塞的关键使能器。然而,信道状态信息(CSI)获取是RIS实际部署的主要挑战之一。无源RIS没有任何基带处理能力,这给信道估计(CE)带来了困难,因为单个信道或级联信道只能在基站(BS)通过上行链路训练或移动台(MS)通过下行链路训练来估计。为了促进CSI获取,我们专注于混合RIS架构,其中少量的元件是活动的并且能够在RIS处接收和处理导频信号。通过遵循原子范数最小化以两个阶段执行CE以恢复信道参数,即,离开角(AoD)、到达角(AoA)和传播路径增益。仿真结果表明,在相同的训练开销下,该方案的性能优于被动RIS CE。此外,我们还研究了理论性能限制的均方误差(MSE)通过Cramér-Rao下限(CRLB)分析。
2021-07-15 eess.SP
Continuous Beam Alignment for Mobile MIMO
针对移动MIMO中窄波束对齐开销大且易漂移的问题,提出基于波束角度速率变化预测的连续波束调整方法,无需额外导频开销,显著提升跟踪性能并降低60%-87%导频开销。
2023-11-14 cs.IT cs.NI eess.SP
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