基于定点网络的太赫兹超大规模 MIMO 远场与近场混合信道估计
信号处理
2023-02-28 v3 信息论
机器学习
math.IT
摘要
太赫兹超大规模多输入多输出(THz UM-MIMO)被视作 6G 无线系统的关键使能技术之一。由于其阵列孔径与小波长的联合效应,THz UM-MIMO 的近场区域被极大扩展。此类系统的高维信道因而由远场与近场的随机混合构成,这使得信道估计极具挑战性。基于单一场假设的已有工作无法捕捉远场与近场混合特征,从而遭受显著的性能损失。这促使我们考虑混合场信道估计。我们从定点理论汲取灵感,开发了一种高效的基于深度学习的信道估计器,具有自适应复杂度和线性收敛保证。在经典正交近似消息传递基础上,我们将每次迭代转化为一个压缩映射,包含闭式线性估计器与基于神经网络的非线性估计器。一项主要算法创新在于应用定点迭代计算信道估计,同时以任意深度建模神经网络并适配混合场信道条件。仿真结果验证了我们的理论分析,并在估计精度与收敛速率上相较最先进方法展现出显著性能增益。
引用
@article{arxiv.2205.04944,
title = {Hybrid Far- and Near-Field Channel Estimation for THz Ultra-Massive MIMO via Fixed Point Networks},
author = {Wentao Yu and Yifei Shen and Hengtao He and Xianghao Yu and Jun Zhang and Khaled B. Letaief},
journal= {arXiv preprint arXiv:2205.04944},
year = {2023}
}
备注
6 pages, 3 figures, accepted by IEEE Globecom 2022. Source code is publicly available at https://github.com/wyuaq/FPN-OAMP-THz-Channel-Estimation