FDD 大规模 MIMO 系统中低秩协方差辅助的下行训练与信道估计
信息论
2016-08-01 v1 math.IT
摘要
我们考虑频分双工（FDD）大规模 MIMO 系统中的下行训练与信道估计问题，其中配备大量天线的基站（BS）同时为多个单天线用户服务。为了在 FDD 系统中的 BS 处获取信道状态信息（CSI），用户必须通过下行训练估计下行信道，然后将其反馈给 BS。对于 FDD 大规模 MIMO 系统，下行训练与 CSI 上行反馈的开销可能极高，这构成了一个重大挑战。在本文中，我们研究了当信道协方差矩阵具有低秩或近似低秩结构时，最小均方误差（MMSE）估计器的行为。我们的理论分析表明，利用信道协方差矩阵的低秩性质可以大幅减少训练开销。特别地，我们证明了只要时域导频符号数不小于信道协方差矩阵的秩，MMSE 估计器便能在渐近低噪声状态下实现精确的信道恢复。我们还给出了单用户情形下的最优导频设计，以及多用户情形下的渐近最优导频设计。最后，我们开发了一种简单的基于模型的方案来估计信道协方差矩阵，并在此基础上应用 MMSE 估计器进行信道估计。所提出的方案不需要任何额外的训练开销。提供了仿真结果以验证我们的理论结果，并说明了所提出的估计协方差辅助 MMSE 估计器的有效性。
引用
@article{arxiv.1607.08841,
title = {Low-Rank Covariance-Assisted Downlink Training and Channel Estimation for FDD Massive MIMO Systems},
author = {Jun Fang and Xingjian Li and Hongbin Li and Feifei Gao},
journal= {arXiv preprint arXiv:1607.08841},
year = {2016}
}