基于联合稀疏模式学习的大规模 MIMO-OTFS 系统信道估计
信号处理
2024-03-13 v1 机器学习
摘要
我们提出了一种基于联合稀疏模式学习 (JSPL) 的信道估计方案，用于大规模多输入多输出 (MIMO) 正交时频空 (OTFS) 调制辅助系统。通过利用延迟 - 多普勒 - 角度 (DDA) 域信道的潜在联合稀疏性，信道估计问题被转化为稀疏恢复问题。为了解决这个问题，我们首先应用尖峰和平板先验模型来迭代估计信道矩阵的支持集，并将依赖于已识别支持集的更高精度参数更新规则引入迭代中。然后，通过正交匹配追踪 (OMP) 方法估计对应于支持集的信道元素的具体值。我们的仿真结果和分析均表明，尽管导频开销减少，但所提出的 JSPL 信道估计方案相比代表性的最先进基线方案实现了性能提升。
引用
@article{arxiv.2403.03771,
title = {Joint Sparsity Pattern Learning Based Channel Estimation for Massive MIMO-OTFS Systems},
author = {Kuo Meng and Shaoshi Yang and Xiao-Yang Wang and Yan Bu and Yurong Tang and Jianhua Zhang and Lajos Hanzo},
journal= {arXiv preprint arXiv:2403.03771},
year = {2024}
}
备注
6 pages, 6 figures, accepted to appear on IEEE Transactions on Vehicular Technology, Mar. 2024