基于深度生成网络的一比特毫米波MIMO信道估计
信息论
2022-11-17 v1 信号处理
math.IT
摘要
随着未来无线系统向更高载频和大型天线阵列发展，采用一比特模数转换器（ADCs）的接收机因其较低功耗而受到关注。然而，大型天线阵列与一比特ADC的结合使得信道估计极具挑战性。本文将基于有限数量一比特量化导频测量的信道估计表述为逆问题，并通过优化预训练深度生成模型的输入向量来重建信道，其目标是最大化一种新颖的基于相关的损失函数。我们观察到，适配底层信道模型的深度生成先验显著优于伯努利-高斯近似消息传递（BG-GAMP）；而使用条件输入区分视距（LOS）与非视距（NLOS）信道实现的单一生成模型，在LOS信道上优于BG-GAMP，在NLOS信道上就归一化信道重建误差而言取得相当性能。
引用
@article{arxiv.2211.08635,
title = {One-bit mmWave MIMO Channel Estimation using Deep Generative Networks},
author = {Akash Doshi and Jeffrey G. Andrews},
journal= {arXiv preprint arXiv:2211.08635},
year = {2022}
}
备注
6 pages, 4 figures, submitted to IEEE ICC 2023 in the MLC track. arXiv admin note: substantial text overlap with arXiv:2205.12445