基于无监督学习的6G V2X MIMO信道位置无关代数估计
信息论
2021-07-27 v1 信号处理
math.IT
摘要
在6G车联万物（V2X）背景下的MIMO系统将需要准确的信道知识以实现高效通信。标准信道估计技术，如非约束最大似然（U-ML），在大规模MIMO设置中极其嘈杂，而结构化方法（例如压缩感知）适用于低移动性场景且对硬件损伤敏感。我们提出一种基于无监督学习的、面向6G V2X的新型多车辆代数信道估计方法，其利用了典型城市环境中车辆的周期性通行。多个训练序列基于其代数相似性通过K-medoids算法聚类以提取MIMO信道特征模态，可用于改善信道估计。数值结果表明，与标准U-ML方案相比，所提方法在均方误差（MSE）方面具有显著优势（降低15 dB）。
引用
@article{arxiv.2107.12098,
title = {Position-agnostic Algebraic Estimation of 6G V2X MIMO Channels via Unsupervised Learning},
author = {Lorenzo Cazzella and Dario Tagliaferri and Marouan Mizmizi and Matteo Matteucci and Damiano Badini and Christian Mazzucco and Umberto Spagnolini},
journal= {arXiv preprint arXiv:2107.12098},
year = {2021}
}
备注
6 pages