基于量子感知的无人机载STAR-RIS辅助太赫兹多用户大规模MIMO系统联合三维波束训练
信息论
2022-12-16 v1 信号处理
math.IT
摘要
太赫兹（THz）系统凭借大带宽及利用高增益波束成形克服高路径损耗的潜力，能够支持超高数据速率。本文针对同时透射与反射可重构智能表面（STAR RIS）辅助的太赫兹多用户大规模MIMO系统，提出了一种基于量子感知（鬼成像（GI））的波束训练新方法。我们首先利用周边5G下行信号进行GI，获取包含用户与障碍物的环境三维图像。基于该信息，我们通过所提算法计算无人机载STAR的最优位置，从而可执行基于位置的波束训练。为增强波束成形增益，我们进一步结合信道估计，提出STAR的半无源结构及用于分离信道估计的模糊消除方案，从而避免了可能影响最优无源波束成形的级联信道估计中的模糊性。随后执行最优有源与无源波束成形并启动数据传输。我们联合研究了所提BS子阵列与子STAR空间复用架构、最优有源与无源波束成形、数字预编码及无人机载STAR的最优位置，以最大化用户的平均可达和速率。此外，提出了用于提高GI分辨率的云无线接入网（CRAN）结构5G下行信号。仿真结果表明，所提方案高效地实现了波束训练与分离信道估计，且相比STAR随机相位操作的情形显著提升了频谱效率。
引用
@article{arxiv.2212.07731,
title = {Quantum Sensing Based Joint 3D Beam Training for UAV-mounted STAR-RIS Aided TeraHertz Multi-user Massive MIMO Systems},
author = {Xufang Wang and Zihuai Lin and Feng Lin and Pei Xiao},
journal= {arXiv preprint arXiv:2212.07731},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2201.10757