用于高移动性场景下TDD毫米波大规模MIMO系统的基于三维外推的低开销信道估计

在时分双工毫米波大规模多输入多输出系统中，由于信道互易性，下行信道状态信息可以从上行信道估计中获得。然而，在高移动性场景下，由于信道老化，需要频繁进行上行信道估计。此外，大量的天线和子载波导致高维信道状态信息矩阵，加剧了导频训练开销。为解决此问题，我们提出了一个跨空间、频率和时间域的三域信道外推框架。首先，考虑到传统知识驱动信道估计方法的有效性以及导频在空间和频率域中的边际效应，提出了一种知识与数据驱动的空间-频率信道外推网络，用于通过联合空间-频率信道外推进行上行信道估计，以减少空间-频率域导频开销。然后，利用信道互易性和时间依赖性，我们提出了一种由生成式人工智能驱动的时域上行-下行信道外推网络，用于时隙级信道外推，旨在减少由高移动性引起的巨大时域导频开销。数值结果表明，与最先进的信道估计/外推方法相比，所提出的框架在高移动性场景下能够显著减少16倍的导频训练开销并提高系统的频谱效率。