基于噪声张量补全的快速位置辅助 MIMO 波束训练
信号处理
2021-04-21 v1
摘要
本文提出一种数据驱动的位置辅助方法，通过利用侧信息与现场测量来降低 MIMO 系统中的训练开销。通过在一部分位置与波束上收集波束训练测量值构建数据张量，并提出一种混合噪声张量补全（HNTC）算法来预测覆盖区域内的接收功率，该算法利用了 MIMO 信道的空间平滑性与低秩特性。基于补全张量提出一种波束子集选择（BSS）推荐算法，以实现快速准确的波束训练。此外，提出一种基于分组的 BSS 算法来对抗噪声位置信息的有害影响。使用 Quadriga 信道模拟器在 60 GHz 毫米波信道上的数值结果表明，所提出的 BSS 推荐算法结合 HNTC 可实现准确的接收功率预测，从而以较小开销实现波束对齐：在 40% 可能离散化位置上有功率测量的情况下，基于 HNTC 的 BSS 以仅 2% 的已训练波束达到 91% 的正确对齐概率，而最先进的位置辅助波束对齐方案在同一配置下仅达到 54% 的正确对齐。最后，提出一种通过热启动的在线 HNTC 方法，将计算复杂度降低 50%，且预测精度无下降。
引用
@article{arxiv.2008.02333,
title = {Fast Position-Aided MIMO Beam Training via Noisy Tensor Completion},
author = {Tzu-Hsuan Chou and Nicolo Michelusi and David J. Love and James V. Krogmeier},
journal= {arXiv preprint arXiv:2008.02333},
year = {2021}
}
备注
13 pages, submitted to the IEEE Journal of Selected Topics in Signal Processing