基于深度展开的下行大规模 MIMO 信道估计：角度域稀疏性利用
信号处理
2022-11-01 v1
摘要
在频分双工（FDD）大规模 MIMO 系统中，可靠的下行信道估计对后续数据传输至关重要，但由于基站（BS）有数百根天线，其实现代价是巨大的导频开销。为了在不牺牲估计性能的前提下降低导频开销，基于压缩感知（CS）的方法通过利用大规模 MIMO 信道在角度域的固有稀疏结构已被广泛用于信道估计。然而，它们在优化过程中仍存在高复杂度以及对稀疏性先验知识的要求。为克服这些挑战，本文通过整合模型驱动的 CS 与数据驱动的深度学习展开（deep unrolling）技术，提出了一种新颖的混合信道估计框架。所提框架由粗估计部分和精校正部分组成，以两阶段方式实现，以利用角度域中信道帧间与帧内稀疏性。然后，根据是否需要先验稀疏性信息设计了两种估计方案，其中第二种方案设计了新的阈值函数以消除该要求。数值结果验证了我们的方案能以低导频开销和低复杂度实现高精度。
引用
@article{arxiv.2210.17212,
title = {Downlink Massive MIMO Channel Estimation via Deep Unrolling : Sparsity Exploitations in Angular Domain},
author = {An Chen and Wenbo Xu and Liyang Lu and Yue Wang},
journal= {arXiv preprint arXiv:2210.17212},
year = {2022}
}