通过贝叶斯优化最大化数据承载参考信号的频谱效率
信号处理
2025-02-21 v1
摘要
数据承载参考信号是一种 constructed on Grassmann 流形上构建的参考信号，允许同时进行数据传输和信道估计，以在高信噪比 (SNR) 下实现提升的频谱效率。然而，它们在低到中等 SNR 水平下不如传统参考信号。为解决此问题，本文提出一种基于数值优化的Grassmann 星座设计方法，既考虑数据传输又考虑信道估计。在数值优化中，我们推导了估计信道矩阵的归一化均方误差 (NMSE) 的上界，以及非协同平均互信息 (AMI) 的下界，并通过贝叶斯优化技术同时优化这些界限。我们提出的目标函数在获取 NMSE 和 AMI 的帕累托最优星座方面优于传统设计指标。本方法获得的星座在实现数据传输的同时，NMSE 可与传统非数据承载参考信号相当，从而在中等 SNR 水平下实现更好的 AMI 性能和 improved 的频谱效率。
关键词
引用
@article{arxiv.2502.14453,
title = {Maximizing Spectrum Efficiency of Data-Carrying Reference Signals via Bayesian Optimization},
author = {Taiki Kato and Hiroki Iimori and Chandan Pradhan and Szabolcs Malomsoky and Naoki Ishikawa},
journal= {arXiv preprint arXiv:2502.14453},
year = {2025}
}
备注
11 pages, 9 figures