面向未来无线网络的机器学习辅助大规模混合模拟数字 MIMO 波达方向估计
信息论
2023-08-08 v3 信号处理
math.IT
摘要
由于大规模混合模拟数字（HAD）多输入多输出（MIMO）具有高空间角度分辨率和低电路成本，它被视为未来无线网络的一项有价值的绿色通信技术。将大规模 HAD-MIMO 与波达方向（DOA）相结合，将提供接近全数字（FD）MIMO 的高精度甚至超高精度的 DOA 测量性能。然而，相位模糊是大规模 HAD-MIMO DOA 估计的一个挑战性问题。在本文中，我们回顾了接收端具有低分辨率 ADC 的检测、估计和 Cramer-Rao 下界（CRLB）三个方面。首先，提出一种多层神经网络（MLNN）检测器来推断无源发射机的存在。然后，提出一种两层 HAD（TLHAD）MIMO 结构，仅使用一次快拍来消除相位模糊。仿真结果表明，所提出的 MLNN 检测器在检测概率方面远优于现有的广义似然比检验（GRLT）以及最大特征值（Max-EV）与最小特征值（MinEV）之比（R-MaxEV-MinEV）。此外，所提出的 TLHAD 结构可使用单次快拍达到相应的 CRLB。
引用
@article{arxiv.2201.04452,
title = {Machine-learning-aided Massive Hybrid Analog and Digital MIMO DOA Estimation for Future Wireless Networks},
author = {Feng Shu and Yiwen Chen and Xichao Zhan and Wenlong Cai and Mengxing Huang and Qijuan Jie and Yifang Li and Baihua Shi and Jiangzhou Wang and Xiaohu You},
journal= {arXiv preprint arXiv:2201.04452},
year = {2023}
}