基于稀疏性的近场波束训练方法结合多波束
信号处理
2025-05-14 v1
摘要
本文提出一种自适应的近场波束训练方法，以提高多用户和多径环境下的性能。该方法通过波束扫描识别多个最强波束，并对其接收信号进行线性组合——同时捕获振幅和相位信息——以实现更精确的信道估计。本文考虑两种码本：一种是常用的 DFT 码本，另一种是同时采样角度和距离域的近场码本。由于近场基函数通常非正交且常呈过完备状态，本文采用基于 LASSO 的线性回归方法利用解的稀疏性，并可抑制噪声。仿真结果表明，近场码本在反馈开销上较 DFT 码本可降低最高达 95%。此外，本文提出的 LASSO 回归方法在不同噪声水平下均保持鲁棒性，尤其在低 SNR 区域表现突出。进一步引入一种非均匀细化方案，以提高粗糙码本采样时的重建精度，提升重建精度高达 69.4%。
引用
@article{arxiv.2505.08267,
title = {Sparsity-Aware Near-Field Beam Training via Multi-Beam Combination},
author = {Zijun Wang and Rama Kiran and Jinesh Nair and Chien-Hua Chen and Tzu-Han Chou and Shawn Tsai and Rui Zhang},
journal= {arXiv preprint arXiv:2505.08267},
year = {2025}
}