基于贝叶斯学习的双宽带太赫兹 (THz) 混合 MIMO 系统中的角度稀疏信道估计
信号处理
2024-02-20 v1
摘要
基于贝叶斯学习辅助的大规模天线阵列太赫兹 (THz) MIMO 系统专为空间宽带和频率宽带场景（统称为双宽带信道）而设计。本质上，太赫兹系统的众多天线模块导致信号在天线间的时域传输/接收出现显著延迟，从而产生空间选择性。此外，太赫兹通信的宽带宽导致有效到达角/离开角 (AoA/AoD) 随子载波频率发生显著变化。这被称为波束偏斜效应，使得此类系统中的信道状态信息 (CSI) 估计极具挑战性。为解决此问题，首先推导了一种仅依赖发射导频波束的导频辅助 (PA) 贝叶斯学习 (PA-BL) 框架，用于太赫兹 (THz) MIMO 信道估计。由于所设计的框架能在病态模型中成功运行，因此可验证地比传统方法减少导频传输。随后，上述范式被扩展以纳入数据符号，从而推导出一种执行联合数据检测与 CSI 估计的数据辅助 (DA) BL 方法。我们将证明，尽管进一步降低了训练开销，该方法仍能改善双宽带信道估计。我们还获得了贝叶斯克拉美 - 罗界 (BCRLBs)，以明确刻画 PA-BL 和 DA-BL 框架均方误差 (MSE) 的下界。仿真结果显示，所提出的估计方案具有更优的归一化均方误差 (NMSE) 和误码率 (BER) 性能，并证实它们趋近于各自的 BCRLB 基准。
引用
@article{arxiv.2402.12158,
title = {Angularly Sparse Channel Estimation in Dual-Wideband Tera-Hertz (THz) Hybrid MIMO Systems Relying on Bayesian Learning},
author = {Abhisha Garg and Suraj Srivastava and Nimish Yadav and Aditya K. Jagannatham and Lajos Hanzo},
journal= {arXiv preprint arXiv:2402.12158},
year = {2024}
}