任意二维阵列几何下的FDD大规模MIMO信道估计
信号处理
2018-02-27 v2
摘要
本文研究频分双工（FDD）大规模多输入多输出（MIMO）系统中的下行信道估计问题。现有方法通常利用离散傅里叶变换（DFT）基下的隐含稀疏性来估计下行信道。然而，这些基于DFT的方法至少有两个缺陷：1）它们仅适用于均匀线阵（ULAs），因为DFT基要求ULAs的特殊结构；2）由于能量在某些DFT bin上的泄漏，它们总是遭受性能损失。为应对上述缺陷，我们引入了一种适用于任意二维阵列天线几何的下行信道稀疏表示的离网格模型，并提出了一种高效的稀疏贝叶斯学习（SBL）方法用于稀疏信道恢复与离网格细化。所提离网格方法的主要思想是将采样网格点视为可调参数。利用不精确块优化最小化（MM）算法，网格点被迭代细化以最小化离网格间隙。最后，我们通过利用下行与上行信道间的角度互易性，进一步将解决方案扩展到上行辅助信道估计，从而带来增强的恢复性能。
引用
@article{arxiv.1711.06548,
title = {FDD Massive MIMO Channel Estimation with Arbitrary 2D-Array Geometry},
author = {Jisheng Dai and An Liu and Vincent K. N. Lau},
journal= {arXiv preprint arXiv:1711.06548},
year = {2018}
}
备注
15 pages, 9 figures, IEEE Transactions on Signal Processing, 2018