基于 AdaBoost 的一位量化大规模 MIMO 高效信道估计与数据检测
信息论
2024-03-04 v1 信号处理
math.IT
摘要
使用一位模数转换器 (ADC) 被视为实现和商业化大规模多输入多输出 (MIMO) 系统以替代高分辨率 counterparts 的可行方案。然而，必须补偿一位量化器丢弃幅度信息的问题。因此，由于传统方法无法使用，需要为一位信道估计和数据检测开发精心定制的方法。为解决这些问题，本文研究了在非相关频率选择性信道上运行的 MIMO 正交频分复用 (OFDM) 系统的一位信道估计和数据检测问题。我们首先开发了信道估计器，利用高斯判别分析 (GDA) 分类器及其近似版本作为自适应提升 (AdaBoost) 方法中的所谓弱分类器。特别是，近似 GDA 分类器与 AdaBoost 的结合提供了计算量呈线性阶的可扩展性优势，这对于大规模 MIMO-OFDM 系统至关重要。随后，我们利用相同思路提出了数据检测器。数值结果验证了所提出的信道估计器和数据检测器相较于其他方法的有效性。结果显示，其性能与最先进 (state-of-the-art) 方法相当或更优，但所需的计算复杂度和运行时间显著降低。
引用
@article{arxiv.2403.00621,
title = {AdaBoost-Based Efficient Channel Estimation and Data Detection in One-Bit Massive MIMO},
author = {Majdoddin Esfandiari and Sergiy A. Vorobyov and Robert W. Heath},
journal= {arXiv preprint arXiv:2403.00621},
year = {2024}
}