基于稀疏贝叶斯的远场稀疏信道估计与跟踪技术用于 XL-IRS 辅助宽带毫米波系统
信号处理
2026-01-19 v2
摘要
6G 系统的快速发展对提升网络容量和频谱效率提出了挑战，尤其是在智能反射面（IRS）辅助毫米波通信的背景下。一个关键挑战在于获取准确的信道状态信息（CSI），特别是由于远场传播、高维宽带级联信道以及 XL-IRS 的被动特性。此外，大多数现有的 CSI 获取方法未充分利用信道中固有的时空稀疏性，导致估计性能次优。为此，我们考虑一个 XL-IRS 辅助的宽带多输入多输出正交频分复用（MIMO-OFDM）系统，提出一种高效的信道估计与跟踪（CET）算法。具体而言，首先提出统一的远场级联信道表示模型，然后构建分层时空稀疏先验，以捕获极地坐标下二维（2D）块稀疏性、角-时延域下一维（1D）聚类稀疏性以及不同信道估计帧之间的时间相关性。基于这些先验，我们提出一种基于张量的稀疏 CET（TS-CET）算法，将张量基准匹配 Pursuit（OMP）与基于粒子的变分贝叶斯推断（VBI）和消息传递相集成。仿真结果表明，TS-CET 框架相较于现有基准方法在估计精度和试探开销方面显著提升。
引用
@article{arxiv.2511.18752,
title = {Near-Field Sparse Bayesian Channel Estimation and Tracking for XL-IRS-Aided Wideband mmWave Systems},
author = {Xiaokun Tuo and Zijian Chen and Ming-Min Zhao and Changsheng You and Min-Jian Zhao},
journal= {arXiv preprint arXiv:2511.18752},
year = {2026}
}
备注
15 pages, 9 figures