通过损耗场的信道估计：用于阴影预测的精确场地训练建模
信号处理
2023-10-20 v1
摘要
未来的移动自组织网络将在许多用户间共享频谱。信道将按需动态分配，以保证所求链路的信号与干扰功率要求。随着用户移动和环境条件变化，必须在许多用户对之间重新估计信道损耗。计算复杂度须较低，从而排除某些精确但计算密集的场地特定信道模型。信道模型误差须较低，从而排除标准统计信道模型。我们提出一种新信道模型 CELF，其利用该区域内部署网络的信道损耗测量值与贝叶斯线性回归方法，来估计该区域的场地特定损耗场。该损耗场可解释为场地对感兴趣区域内无线电传播的“阴影”，但不需要任何场地特定的地形或建筑信息。然后，对于任意的发射机与接收机位置对，CELF 沿链路线附近对损耗场求和以估计其信道损耗。我们利用大量测量表明，CELF 将信道估计的方差降低至多 56%。在方差缩减与训练效率上，它优于 3 种流行的机器学习方法。
引用
@article{arxiv.2310.12284,
title = {Channel Estimation via Loss Field: Accurate Site-Trained Modeling for Shadowing Prediction},
author = {Jie Wang and Meles G. Weldegebriel and Neal Patwari},
journal= {arXiv preprint arXiv:2310.12284},
year = {2023}
}