车载毫米波系统中信道协方差的生成对抗估计
信息论
2018-08-08 v1 math.IT
摘要
实现高移动性毫米波（mmWave）系统具有挑战性，因为获取信道知识或设计窄波束伴随巨大的训练开销。当前的毫米波波束训练与信道估计技术通常未利用先前的波束训练或信道估计观测。然而直观上，信道矩阵是环境各种要素的函数。学习这些函数可大幅降低获取信道知识所需的训练开销。本文开发了一种利用机器学习工具即条件生成对抗网络（GAN）的新颖方案，来学习环境与信道协方差矩阵之间的这些函数。更具体地，所提出的机器学习模型将协方差矩阵视为 2D 图像，并学习作为环境 RF 特征的上行接收导频与这些图像之间的映射函数。仿真结果表明，所开发的策略以可忽略的训练开销高效预测了大维度毫米波信道的协方差矩阵。
引用
@article{arxiv.1808.02208,
title = {Generative Adversarial Estimation of Channel Covariance in Vehicular Millimeter Wave Systems},
author = {Xiaofeng Li and Ahmed Alkhateeb and Cihan Tepedelenlioğlu},
journal= {arXiv preprint arXiv:1808.02208},
year = {2018}
}
备注
to appear in Asilomar Conference on Signals, Systems, and Computers, Oct. 2018