模拟 FDD 中继器的信道训练：最优估计器与克拉美-罗界
信息论
2017-11-22 v2 math.IT
摘要
针对频分双工信道，已提出一种简单的导频环回程序，该程序允许在天线阵列处估计上下行信道，而无需依赖终端侧的任何数字信号处理。对于此方案，我们推导了上下行信道子空间的最大似然（ML）估计器，构建了相应的克拉美-罗界，并通过蒙特卡洛仿真展示了两种（基于 SVD 的）估计器的渐近有效性。此外，我们说明了如何通过采用幂迭代法以二次时间复杂度计算底层的（秩-1）SVD。为了能够对数据传输进行功率控制，需要信道增益的知识。假设上下行信道平均具有相同的增益，我们构建了信道范数的 ML 估计器，并通过仿真说明了其对强噪声的鲁棒性。
引用
@article{arxiv.1610.03260,
title = {Channel Training for Analog FDD Repeaters: Optimal Estimators and Cram\'er-Rao Bounds},
author = {Stefan Wesemann and Thomas L. Marzetta},
journal= {arXiv preprint arXiv:1610.03260},
year = {2017}
}
备注
Submitted to IEEE Transactions on Signal Processing, 12 pages, 7 figures