基于Alternating MAP的联合可见性区域检测与XL-MIMO系统信道估计
机器学习
2024-05-08 v1 机器学习
摘要
我们研究了 extremely large-scale MIMO( XL-MIMO)系统中联合可见性区域( VR)检测与信道估计问题，存在近场传播和空间非平稳效应。在这种情况下，每个散射体只能看到一部分天线，即其在天线上具有一定的VR。由于相邻子阵之间的空间相关性，VR呈现二维(2D)聚类稀疏性。我们设计一种2D马尔可夫先验模型来捕获这种结构稀疏性。基于此，开发了一种新的交替最大后验( MAP)框架，用于高精度VR检测和信道估计。交替MAP框架包含三个基本模块：信道估计模块、VR检测模块和网格更新模块。具体而言，第一个模块是一种低复杂度无逆变分贝叶斯推断(IF-VBI)算法，通过最小化松弛的KL散度来避免矩阵逆。第二个模块是一种结构化期望传播(EP)算法，能够处理复杂的先验信息。第三个模块通过梯度上升细化极坐标域网格参数。仿真结果表明，所提出的算法在VR检测和信道估计方面具有优越性。
引用
@article{arxiv.2405.04026,
title = {Federated Control in Markov Decision Processes},
author = {Hao Jin and Yang Peng and Liangyu Zhang and Zhihua Zhang},
journal= {arXiv preprint arXiv:2405.04026},
year = {2024}
}